Обсуждение статьи "Машинное обучение и Data Science (Часть 31): Применение моделей CatBoost в трейдинге"

Новый комментарий
 

Опубликована статья Машинное обучение и Data Science (Часть 31): Применение моделей CatBoost в трейдинге:

Модели искусственного интеллекта CatBoost приобрели огромную популярность в сообществе машинного обучения благодаря их точности прогнозирования, эффективности и устойчивости к разрозненным и сложным наборам данных. В этой статье речь будет идти о том, как использовать эти модели применительно к рынку Форекс.

CatBoost — это библиотека с открытым исходным кодом, реализующая алгоритмы градиентного бустинга на деревьях решений. Разработана специально для решения задач, связанных с обработкой категориальных признаков и данных в задачах машинного обучения. Компания-разработчик Яндекс выложила библиотеку в открытый доступ в 2017 году (подробнее).

Несмотря на то, что CatBoost появился относительно недавно по сравнению с другими методами машинного обучения, например, линейной регрессией или SVM, библиотека быстро завоевал популярность и вошла в число самых используемых моделей машинного обучения на Kaggle.

CatBoost привлек столько внимания благодаря своей способности автоматически обрабатывать категориальные признаки в наборе данных — а это довольно сложная задача для многих алгоритмов машинного обучения.

  • Модели Catboost обычно дают лучшую производительность по сравнению с другими, требуя при этом минимальные усилиях, и даже с параметрами и настройками по умолчанию эти модели демонстрируют отличную точность.
  • В отличие от нейронных сетей, для работы с которыми требуются глубокие знания предметной области, CatBoost проще для реализации.

Автор: Omega J Msigwa

 
MetaQuotes:

Ознакомьтесь с новой статьей: Наука о данных и ML (часть 31): Использование моделей искусственного интеллекта CatBoost для торговли.

Автор: Omega J Msigwa

Ваша статья наводит на размышления.

Интересно, что было бы, если бы мы также отслеживали, в какой торговой сессии находимся.
 
Да, торговая сессия - это ценная переменная, которую необходимо иметь в обучающих данных
 
Все классификаторы (включая catboost) корректно работают только с нормализованным признаками. Цены как признаки не подходят.
 

а еще есть проблема экспорта модели классификатора в ONNX


Note

The label is inferred incorrectly for binary classification. This is a known bug in the onnxruntime implementation. Ignore the value of this parameter in case of binary classification.

Новый комментарий