Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2479
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
Я согласен с вами, если один и тот же пример описывает несколько состояний, то при классификации любым доступным алгоритмом мы получим вероятность близкую к 1/n где n - количество состояний.
Но ведь не существует абсолютно похожих примеров, они похожи в определённой степени. Вопрос как выявить эту "похожесть".
100 примеров за 3 месяца на М5... интересно... А вы перед обучением выбираете семплы из исходной выборки по правилам, которые затем используете при торговле?
Абсолютно похожих примеров не существует, Вы правы, НО существует понятие близости векторов и если два вектора очень близки друг к другу но имеют разные значения целевой это заставляет алгоритм сделать изгиб небольшой который приводит к снижению устойчивости модели, когда незначительное изменение входного вектора приводит к существенному изменению результата. Это то же не есть гуд, потому как модель становится крайне чувствительна к входным данным и следовательно может чаще ошибаться.
100 примеров за 3 месяца на М5 достигается прореживанием данных коим является базовая стратегия, которая заставляет анализировать рынок не на каждом баре а только в определённый момент времени, когда сформировалось условие для анализа. Почитайте мою статью что бы примерно понимать о чём идёт речь. Правда она уже порядком устарела и многое я там уже не использую (продвинулся дальше) но в базовом понятии там всё осталось без изменения!!!
Ну да. Это называется противоречивость данных. Я так то 20 лет сетями занимаюсь и можно сказать сторожила этой ветке. А почему Вы спрашиваете?
Шо опять бухаешь?? :))
Или на что поинтереснее перешел? ))Ну да. Это называется противоречивость данных. Я так то 20 лет сетями занимаюсь и можно сказать сторожила этой ветке. А почему Вы спрашиваете?
Шо опять бухаешь?? :))
Или на что поинтереснее перешел? ))Нет. Просто - нет
Вы бы не могли бы выясняться яснее а то не совсем понятно что Вы хотите сказать. Вернее совсем не понятно :-)
При применении методов машинного обучения к СЛУЧАЙНЫМ РЯДАМ ситуация при которой одинаковому набору входящих переменный соответствует одна и та же зависимая переменная практически не встречается. Разные значения зависимой переменной формируют ошибку прогноза, которую необходимо минимизировать.
ВСЯ эта ветка - про минимизацию ошибки прогноза, аксакал.
Азбучные истины....
При применении методов машинного обучения к СЛУЧАЙНЫМ РЯДАМ ситуация при которо
почему случайные?
При применении методов машинного обучения к СЛУЧАЙНЫМ РЯДАМ ситуация при которой одинаковому набору входящих переменный соответствует одна и та же зависимая переменная практически не встречается. Разные значения зависимой переменной формируют ошибку прогноза, которую необходимо минимизировать.
ВСЯ эта ветка - про минимизацию ошибки прогноза, аксакал.
Азбучные истины....
почему случайные?