Группировка листьев - требуются мысли и идеи - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Интересно. И на R можете дать, или если коммерческий продукт, то просто дать ссылку на его описание. Мне надо сравнить с тем что я делаю, вы ничего не потеряете от этого)
Скрипт на R занимается просто генетическим построением единственного дерева.
Скрипт на R занимается просто генетическим построением единственного дерева.
Алексей, помоги, а?
как эксперта по нейро прошу, просто намекни:
https://www.mql5.com/ru/forum/86386/page1591#comment_14558377
Алексей, помоги, а?
как эксперта по нейро прошу, просто намекни:
https://www.mql5.com/ru/forum/86386/page1591#comment_14558377
Да я вообще нейронками не занимаюсь, только деревья строгаю, и экспертом себя совсем не считаю в этом вопросе, но мысли в теме высказал.
Да я вообще нейронками не занимаюсь, только деревья строгаю, и экспертом себя совсем не считаю в этом вопросе, но мысли в теме высказал.
Почитал ещё про библиотеку, давно её поставил на вид для использования. Я как раз логические деревья решений делаю, из них леса надо строгать. Вы леса строите бэггингом или бустингом или ещё чем? что скажете про плюсы минусы по опыту?
Почитал ещё про библиотеку, давно её поставил на вид для использования. Я как раз логические деревья решений делаю, из них леса надо строгать. Вы леса строите бэггингом или бустингом или ещё чем? что скажете про плюсы минусы по опыту?
Алексей, не строят они леса ни бэгкингом, ни бустингом.
Алексей, не строят они леса ни бэгкингом, ни бустингом.
Поясните пожалуйста.
Почитал ещё про библиотеку, давно её поставил на вид для использования. Я как раз логические деревья решений делаю, из них леса надо строгать. Вы леса строите бэггингом или бустингом или ещё чем? что скажете про плюсы минусы по опыту?
В данной теме леса не обсуждаются, обсуждается заготовка древесины, т.е. отбор конкретных листьев дерева по определенным критериям и составление на их основе композиций (гербариев).
У меня своеобразный подход, который никто тут не практикует, суть его в индивидуальной оценке результатов построения каждого листа дерева, многомерное рассмотрение ситуации, устойчивость показателей, т.е. рассмотрение одного листа, как одной стратегии, а потом их агрегирование. Именно поэтому мне пришлось подумать о методе оценки похожести этих стратегий (листьев), и найти способ их объединения с целью распределения рисков и усиления качества классификации. Данный метод можно использовать для случайных лесов, но я этого не делал, только в теории понимаю, что это улучшит результаты классификации ансамблей деревьев, в том числе вне выборки обучения, если действительно были выявлены толики закономерности.
Отдельно я использую в своих экспериментах бустинг, а именно CatBoost - быстрый конвейер изготовления деревьев (листья из которых менее эффективны - их меньше полезных), но модели вне выборки обучения не столь устойчивы, как хотелось бы - очень там сильная подгонка по своей природе - не учитывается цикличность и обучение идет на пачках выборки для скорости, но иногда отдельные экземпляры моделей получаются хороши, вот только не знаешь как определить эти модели из множества других до начала торгов.
Да я вообще нейронками не занимаюсь, только деревья строгаю, и экспертом себя совсем не считаю в этом вопросе, но мысли в теме высказал.
Спасибо, видел.
А мне то почему то кажется, что получается у тебя неплохо
В данной теме леса не обсуждаются, обсуждается заготовка древесины, т.е. отбор конкретных листьев дерева по определенным критериям и составление на их основе композиций (гербариев).
У меня своеобразный подход, который никто тут не практикует, суть его в индивидуальной оценке результатов построения каждого листа дерева, многомерное рассмотрение ситуации, устойчивость показателей, т.е. рассмотрение одного листа, как одной стратегии, а потом их агрегирование. Именно поэтому мне пришлось подумать о методе оценки похожести этих стратегий (листьев), и найти способ их объединения с целью распределения рисков и усиления качества классификации. Данный метод можно использовать для случайных лесов, но я этого не делал, только в теории понимаю, что это улучшит результаты классификации ансамблей деревьев, в том числе вне выборки обучения, если действительно были выявлены толики закономерности.
Отдельно я использую в своих экспериментах бустинг, а именно CatBoost - быстрый конвейер изготовления деревьев (листья из которых менее эффективны - их меньше полезных), но модели вне выборки обучения не столь устойчивы, как хотелось бы - очень там сильная подгонка по своей природе - не учитывается цикличность и обучение идет на пачках выборки для скорости, но иногда отдельные экземпляры моделей получаются хороши, вот только не знаешь как определить эти модели из множества других до начала торгов.
Чуть понятнее. Сразу подумалось что задача нивелирования рисков похожести листьев и решается случайными деревьями, подумайте.
Если лист у вас как стратегия, который выдает - решение о покупке/продаже, то что у вас что на входе в дерево? Какие параметры?
Спасибо, видел.
А мне то почему то кажется, что получается у тебя неплохо
Пока результата для гордости нет, увы. Сейчас скорей разрабатываю методику на примере одной торговой идеи. Увы, в МО всё упирается в вычислительные ресурсы и тут очень много тратится времени на проверку гипотезы.