Обсуждение статьи "Машинное обучение и Data Science (Часть 29): Как отбирать лучшие форекс-данные для обучения ИИ"

Новый комментарий
 

Опубликована статья Машинное обучение и Data Science (Часть 29): Как отбирать лучшие форекс-данные для обучения ИИ:

В этой статье мы подробно рассмотрим важные аспекты при выборе наиболее релевантных и качественных данных с рынка Forex для повышения производительности моделей искусственного интеллекта.

В трейдинге доступно огромное количество данных и информации: индикаторы (в MetaTrader 5 встроено более 36 индикаторов), торговые символы (более 100), которые могут использоваться в стратегиях корреляции, финансовые новости и другая информация. То есть у трейдеров есть в распоряжении обширный массив данных как для ручной торговли, так и для построения моделей искусственного интеллекта, помогающих принимать более обоснованные торговые решения.

Однако среди всей доступной информации неизбежно присутствуют некачественные или нерелевантные данные. Не все индикаторы, стратегии или данные применимы к конкретному торговому символу, стратегии или рыночной ситуации. Как определить наиболее ценные данные для торговли и построения моделей машинного обучения, чтобы добиться максимальной эффективности и прибыльности? Именно здесь на помощь приходит отбор признаков.

Автор: Omega J Msigwa

 
Спасибо за четкую и хорошо написанную статью, Это именно то, что я пытался понять и работал, чтобы проверить корреляции самостоятельно. Спасибо также за файл python, так как он делает простой шаблон для меня, чтобы адаптировать. Надеюсь, после некоторого анализа я скажу спасибо за то, что открыли мне глаза на то, что возможно.
Новый комментарий