Discussão do artigo "Avaliação e seleção de variáveis para os modelos de aprendizado da máquina"
Parabéns!
Na verdade, um livro de referência sobre o assunto, baseado nas mais recentes ferramentas disponíveis na área. Todos podem replicar, tudo é gratuito, mantido, desenvolvido, documentado....
Respeito e respeito!
Parabéns!
Na verdade, um livro de referência sobre o assunto, baseado nas mais recentes ferramentas disponíveis na área. Todos podem replicar, tudo é gratuito, mantido, desenvolvido, documentado....
Respeito e respeito!
Saudações, SanSanych.
De todas as opções de seleção de preditores testadas anteriormente, esta é a mais clara e detalhada.
Boa sorte
Não quero parecer ignorante e não estou diminuindo os méritos do autor, ele certamente é bem feito, mas será que tudo isso ajuda a ganhar?
Isso depende.
Buscadores solitários de milhões com o custo de algumas semanas? Não, inútil.
Pessoas que negociam para ganhar a vida e percebem que um EA decente leva vários anos? Sim. E aqui é muito importante seguir o caminho certo e não vagar pela floresta ....
PS.
E com a ajuda de quais ferramentas os participantes profissionais do mercado de valores mobiliários ganham dinheiro? Não com a ajuda da TA? Afinal de contas, todo o TA nas universidades é ensinado em uma quinzena com crédito. E os participantes profissionais do mercado de valores mobiliários estão equipados com graduados com diplomas em "Estatística", "Econometria", "Inteligência Artificial" ...... E, para eles, o artigo discutido é bastante compreensível, embora, em muitos aspectos, seja novo.
PSPS.
Não estou escrevendo para desencorajar. Não vamos pensar em um Merrill Lynch com 100.000 funcionários negociando em todos os mercados e em todos os instrumentos.
Estamos falando de um TS muito limitado: alguns modelos, uma dúzia de instrumentos. E realmente obter um retorno de mais de 20% ao mês.
O plano é o seguinte.
Colocamos R. Em seguida, pegamos o RAttle. Isso está disponível para qualquer pessoa que tenha escrito o Expert Advisor mais simples. Uma hora de trabalho. Usando o Excel, preparamos um arquivo de origem. Depois disso, o Rattle disponibiliza 6 modelos muito decentes, três dos quais (ada, random forest, SVM) são muito promissores e, por suas capacidades, superam em muito quaisquer variantes com indicadores e, em particular, redes neurais (também disponíveis no Rattle e que podem ser comparadas).
E então começa o trabalho tedioso e, em muitos aspectos, o trabalho substancial de vasculhar a lista de dados de entrada. Isso está em toda a estrutura do Excel e na avaliação dos resultados no Rattle. Quando isso for dominado, você estará no caminho certo.
E em TA..... Você escreve um Expert Advisor, ele parece trazer lucro..... E então ele certamente apodrecerá e será uma grande felicidade se o operador desconfiar e pensar em jogá-lo fora antes que o próximo "graal" de seu depoimento vaze.... E assim continua por toda a vida. A experiência não é acumulada - teoricamente impossível.
O plano é o seguinte.
Vamos colocar um R. Em seguida, pegamos o RAttle. Isso está disponível para qualquer pessoa que tenha escrito o Expert Advisor mais simples. Uma hora de trabalho. Usando o Excel, preparamos um arquivo de origem. Depois disso, o Rattle disponibiliza 6 modelos muito decentes, três dos quais (ada, floresta aleatória, SVM) são muito promissores e, por suas capacidades, superam em muito quaisquer variantes com indicadores e, em particular, redes neurais (também disponíveis no Rattle e podem ser comparadas).
Isso dará dinheiro? Então, os operadores mais ricos e bem-sucedidos seriam matemáticos. A busca por regularidades míticas em uma série não estacionária é um análogo de jogar uma moeda.
"Procurar por padrões míticos em uma série não estacionária é análogo a jogar uma moeda."
Essa deve ser registrada como a mais arrogante das declarações mais estúpidas.
E essa pergunta: "Isso vai dar dinheiro?" fala sobre o nível de treinamento.
De fato: "A mente do homem é limitada, a estupidez é ilimitada".
A busca por regularidades míticas em uma série não estacionária é análoga a jogar uma moeda.
Em geral, todo mundo deveria aprender análise estatística; de qualquer forma, ela não será supérflua :) Mas o problema permanece: quais dados inserir e quais produzir também :)
Isso nunca será supérfluo. Mas o que a entrada e a saída têm a ver com isso, se até mesmo neste tópico, em discussões, eles sugerem o uso de 6 modelos muito decentes. Para que eles são decentes? Para prever o consumo de tráfego de calor - para esse fim, eles podem ser decentes. O que o mercado tem a ver com isso?
Não estou julgando, e certamente não estou discutindo essa abordagem para ganhar dinheiro. Para mim, é apenas um interesse e uma discussão, nada mais. E todos os idiotas que há muito tempo criaram suas redes neurais superinteligentes... e continuam lá..... não é nem mesmo interessante conversar com eles.
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Avaliação e seleção de variáveis para os modelos de aprendizado da máquina foi publicado:
Este artigo foca sobre as especificidades de escolha, o pré-condicionamento e avaliação das variáveis de entrada para uso em modelos de aprendizagem da máquina, vários métodos de normalização e as suas características serão descritas aqui. Também serão revelados momentos importantes do processo que influenciam muito o resultado final dos modelos de treinamento a serem revelados. Olharemos com mais atenção e avaliaremos métodos novos e pouco conhecidos para determinar a informatividade e visualização dos dados de entrada.
Com o pacote "RandomUniformForests" calcularemos e analisaremos a importância do conceito de uma variável em diferentes níveis e em várias combinações, a correspondência dos preditores e um alvo, bem como a interação entre os preditores, e ainda, a seleção de um conjunto ideal de preditores, tendo em conta todos os aspectos de importância.
Com o pacote "RoughSets", olharemos a um mesmo problema de escolher preditores a partir de um ângulo diferente e com base em outro conceito. Mostraremos que não é somente um conjunto de preditores ideal, onde um conjunto de exemplos de treinamentos também serão otimizados.
Todos os cálculos e experiências serão executados na linguagem R, para ser específico - na Revolution R Open 3.2.1 .
Autor: Vladimir Perervenko