Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1300
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
Опять я потерял ход мысли. Если мы по прежнему про отбор моделей, то у всех моделей почти одинаковые предикторы (метрики, распределение вероятности, баланс ошибки, и т.д.), с целевыми сложней, это я к тому, что тема глобальная и всеобъемлющая, актуальная не только для МО в трейдинге, поэтому как бы есть что обсуждать, на мой взгляд.
что это за предикторы такие?
не понятно чем вы вообще занимаетесь, в принципе
что это за предикторы такие?
Это разная информация о поведении модели на выборке и даже о структуре модели (к примеру число сплитов и/или деревьев), там прилично получается, во всяком случае у меня.
Приложил информацию о модели, что собираю я, правда там ещё специализированная информация чисто для трейдинга.
Из подобных данных формируется выборка и можно обучать модель для отбора нужных моделей.
не понятно чем вы вообще занимаетесь, в принципе
Я делаю то, что считаю нужным :)
Это разная информация о поведении модели на выборке и даже о структуре модели (к примеру число сплитов и/или деревьев), там прилично получается, во всяком случае у меня.
Приложил информацию о модели, что собираю я, правда там ещё специализированная информация чисто для трейдинга.
В смысле это не предикторы а показатели каждой модели тогда может? потому что предикторы это то что на вход модели подается
ну вот есть у вас куча показателей разных, что с этой кучей делать?
надо из всех полезных показателей сделать одну взвешенную метрику и по ней выбирать лучшую модель на автомате, по аргмаксу
В смысле это не предикторы а показатели каждой модели тогда может? потому что предикторы это то что на вход модели подается
ну вот есть у вас куча показателей разных, что с этой кучей делать?
надо из всех полезных показателей сделать одну взвешенную метрику и по ней выбирать лучшую модель на автомате, по аргмаксу
А предикторы это что не показатели влияющие на целевую? Какая то игра слов :)
В том то и дело, что формулы этой "взвешенной метрики" нет, и поиск её - удел МО.
А предикторы это что не показатели влияющие на целевую? Какая то игра слов :)
В том то и дело, что формулы этой "взвешенной метрики" нет, и поиск её - удел МО.
у вас в таблице ЧТО? я вижу там оценки моделей, акурас и прочее. Причем тут предикторы?
вот именно что какая-то игра слов, читаю и не пойму что читаю, о чем речь ))
Вы чего не спите по ночам? Или вы где-то в Америке живете?
Бессонница от стрессов...
у вас в таблице ЧТО? я вижу там оценки моделей, акурас и прочее. Причем тут предикторы?
вот именно что какая-то игра слов, читаю и не пойму что читаю, о чем речь ))
Оценка модели не влияет на её результативность при применении на незнакомой выборке?
Оценка модели не влияет на её результативность при применении на незнакомой выборке?
ну вы что делаете то? строите кучу разных моделей и проверяете какая лучше работает?
причем тут "листья" тогда, отбор лучших листьев и т.п.?
я просто пытаюсь въехать, что бы понимать что вы пишете периодически
или там каждая строка одному листу соответствуетну вы что делаете то? строите кучу разных моделей и проверяете какая лучше работает?
причем тут "листья" тогда, отбор лучших листьев и т.п.?
я просто пытаюсь въехать, что бы понимать что вы пишете периодически
Кажется разговор шёл об автоматическом отборе модели, я пояснил, что интересные модели можно отбирать двумя способами, через известный критерий и формулу (как я это делаю сейчас - 3 последних колонки заполняются для каждой выборки и для каждой выборки формируется такая таблица, если 3 колонки-фильтра совпали то модель отбирается), а можно с помощью машинного обучения, когда понимаешь что хочешь от модели в работе на независемой выборке, но не знаешь, как этого добиться. Так вот для второго способа разные метрические показатели модели становятся предикторами и по ним происходит обучение модели, которая уже посредством МО отбирает из аналогичных данных подходящие модели. Подобный опыт с обучением я проводил в том году, он показал положительные результаты, в плане точность оценки хорошая, а полнота не очень, тогда я решил, что не хватает разнообразия в выборке и отложил работы до лучших времен. Сейчас выборок много генерируется разных и можно вернуться к этой работе. Главная идея не отбор лучшего из имеющегося пула, а отбор лучших по абсолютным критериям, будь то МО или фиксированный показатель.
Листья - это уже работа с отобранными моделями.
Каждая строка - отдельная модель.