Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2413

elibrarius:

Квантовать можно самому до подачи в буст - все будет под вашим контролем.
От 0 до0,00005 =0,00005 от 0,00005 до 0,00010 = 0,00010 и т.д

В третьем варианте получения таблицы квантования предусмотрена оценка и пользовательских таблиц квантования, которые я предварительно генерирую. Эксперименты показывают, что не всегда это лучший вариант. Кстати, раз пошел разговор о числовых последовательностях, то какие ещё можно использовать шаги кроме линейных, Фибоначчи, экспоненциональных?

Aleksey Vyazmikin:

В третьем варианте получения таблицы квантования предусмотрена оценка и пользовательских таблиц квантования, которые я предварительно генерирую. Эксперименты показывают, что не всегда это лучший вариант. Кстати, раз пошел разговор о числовых последовательностях, то какие ещё можно использовать шаги кроме линейных, Фибоначчи, экспоненциональных?

Вам 3х мало? И так утроилось число экспериментов)) куда еще?
[Удален]
Aleksey Vyazmikin:

Либо я не понял сути, тогда напишите подробней, либо я не понимаю, чем предложенные действия отличаются от добавлении к предиктору_1 дополнительного предиктора_2, содержащего информацию о времени?

Есть пока причины не писать подробности, но они когда-нибудь появятся. Части схемы уже описывались тут. Вижу это единственным вменяемым вариантом, не привязанным к шелухе отбора признаков. В идеале признаки могут быть любыми, метки тоже. Задача алгоритма откалиброваться под них, с учетом временной составляющей (фильтрация мест, где эти признаки не работают). Пруфы - мета лейбелинг от Прадо с некоторым тюнингом этого подхода. Вы находитесь совершенно в другой степи, поэтому понимания может и не возникнуть.
elibrarius:
Вам 3х мало? И так утроилось число экспериментов)) куда еще?

Конечно мало :) На самом деле у меня происходит подбор оптимальной таблицы для каждого предиктора, и чем больше небор, тем лучше. В последней версии скрипта вообще отбираются лучшие интервалы из всех таблиц и совмещаются в одну таблицу для каждого предиктора.

Maxim Dmitrievsky:
Есть пока причины не писать подробности, но они когда-нибудь появятся. Части схемы уже описывались тут. Вижу это единственным вменяемым вариантом, не привязанным к шелухе отбора признаков. В идеале признаки могут быть любыми, метки тоже. Задача алгоритма откалиброваться под них, с учетом временной составляющей (фильтрация мест, где эти признаки не работают). Пруфы - мета лейбелинг от Прадо с некоторым тюнингом этого подхода. Вы находитесь совершенно в другой степи, поэтому понимания может и не возникнуть.

Да, про калибровку алгоритма, действительно, ничего не ясно. Даже если отфильтровали места на обучении, то как распознавать места эти при применении - не ясно.

elibrarius:

Фанат фильма матрица?

При чем тут матрица?
Читаю умных людей, за час чтения информации можно получить больше чем за 10 лет чтения бложыков всяких недобитков сайнтистов, заморских 
и не очень...
Пока сделал так, разбил выборку для обучения (60% от всей выборки) на подвыборки по 6 месяцев - получилось 8 выборок. Для тестовой выборки использую ту же выборку, что и для обучения, таким образом фактически происходит заучивание и модель будет состоять в 1000 деревьев (не знаю, может ограничиться сотней?). Квантовую таблицу взял по показателям обучения на выборке без дополнительного разбиения - всего 8 квантов предлагается. Выборка маленькая, надеюсь, что за сутки все модели получаться, потом буду делать скрипт для обработки данных.

Любителям фреймворков.

https://habr.com/ru/post/559796/

и в пандан рекомендую - пробуйте прикрутить куда фантазии хватит -

Постоянные Фейгенбаума.

Прогнозирование временных рядов с помощью AutoML
Прогнозирование временных рядов с помощью AutoML
  • 2021.05.30
  • habr.com
В лаборатории моделирования природных систем Национального центра когнитивных разработок Университета ИТМО мы активно исследуем вопросы применения автоматического машинного обучения для различных задач. В этой статье мы хотим рассказать о применении AutoML для эффективного прогнозирования временных рядов, а также о том, как это реализовано в...
Mikhail Mishanin:

и в пандан рекомендую - пробуйте прикрутить куда фантазии хватит -

Постоянные Фейгенбаума.

Мой вариант - коту Шрёдингера вместо бантика.

Все и всех подсаживают на 

No-code

https://medialeaks.ru/0607ler-txt-github-copilot/

GitHub Copilot — нейросеть, пишущая код за вас. Как к ней подключиться и наконец стать прогером
GitHub Copilot — нейросеть, пишущая код за вас. Как к ней подключиться и наконец стать прогером
  • medialeaks.ru
Компании Microsoft и GitHub запустили систему Copilot — нейросеть, которая пишет правильный код за разработчиков и пугает их одновременно. Medialeaks узнал, как получить доступ к тестированию сервиса, на что способен искусственный интеллект, а также может ли компьютерный мозг написать программу за того, кто думает, что Python — это змея, и ничего не понимает в программировании.