Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2631

Новый комментарий
[Удален]
mytarmailS #:

Почему не сделать нормально? чтобы сразу?  криворукие метаквоты, все через жопу..

то R им не нравиться потому что пакет к нему не могут сделать,  то сделки представить не могут нормально в таблицах , да даже в чертовой личке не додумались сделать редактор текста, гении мля.. тошнит..

ну или с любого сервиса сигналов, да

здесь из сигналов тоже можно сохранять таблицы сделок, просто сигнал может небольшую историю иметь, а бота за всю можно прогнать 
Maxim Dmitrievsky #:

ну или с любого сервиса сигналов, да

здесь из сигналов тоже можно сохранять таблицы сделок, просто сигнал может небольшую историю иметь, а бота за всю можно прогнать 
Что то придумаю
Изучал ли кто-нибудь более-менее подробно вопрос работы с нефиксированной размерностью вектора предикторов? Интересен более-менее широкий обзор темы и какая там (если есть) устоявшаяся терминология. Что-то вроде variable length feature vectors?
Aleksey Nikolayev #:
Изучал ли кто-нибудь более-менее подробно вопрос работы с нефиксированной размерностью вектора предикторов? Интересен более-менее широкий обзор темы и какая там (если есть) устоявшаяся терминология. Что-то вроде variable length feature vectors?

Деревья ищут сплиты сортировкой каждого столбца.
Видимо надо брать максимально возможное число столбцов и заполнять NAN в тех строках, в которых они не используются. Если модель умеет NAN обрабатывать.

Или чем то ещё: -INF, 0, +INF... чтобы все неиспользуемые строки оказались с одной стороны при сортировке.

Aleksey Nikolayev #:
Изучал ли кто-нибудь более-менее подробно вопрос работы с нефиксированной размерностью вектора предикторов? Интересен более-менее широкий обзор темы и какая там (если есть) устоявшаяся терминология. Что-то вроде variable length feature vectors?
Что ты имеешь ввиду? Опишы проблему 
elibrarius #:

Деревья ищут сплиты сортировкой каждого столбца.
Видимо надо брать максимально возможное число столбцов и заполнять NAN в тех строках, в которых они не используются. Если модель умеет NAN обрабатывать.

Или чем то ещё: -INF, 0, +INF... чтобы все неиспользуемые строки оказались с одной стороны при сортировке.

Это более-менее понятно. Хотелось бы какой-нибудь более творческий подход что-ли. Сейчас же полно таких новых задач, вроде работы с видеосценами разной длины и тд.

mytarmailS #:
Что ты имеешь ввиду? Опишы проблему 

К примеру, хочется на вход классификатора подавать куски цены не фиксированной длины в барах (или в звеньях зигзага), а начиная от какого-нибудь значимого момента.

[Удален]
Aleksey Nikolayev #:

К примеру, хочется на вход классификатора подавать куски цены не фиксированной длины в барах (или в звеньях зигзага), а начиная от какого-нибудь значимого момента.

Рекуррентные сети подходят, по типу many-to-many

Aleksey Nikolayev #:

К примеру, хочется на вход классификатора подавать куски цены не фиксированной длины в барах (или в звеньях зигзага), а начиная от какого-нибудь значимого момента.

асоциативные правила должны подойти , счас сделаю пример 

set.seed(123)
li <- list()
for(i in 1:100){
 li <- append(li,  
               list(c(letters[sample(1:10,sample(5:10,1))] ,   sample(c("buy","sell"),1)))
              )}

head(li)

данные в виде list , каждая строка это вектор с наблюдениями произвольной длинны   .  sell.buy  метки класса

head(li)
[[1]]
[1] "c"    "b"    "f"    "j"    "e"    "d"    "i"    "sell"

[[2]]
[1] "j"    "e"    "c"    "h"    "a"    "sell"

[[3]]
[1] "i"   "c"   "h"   "b"   "g"   "buy"

[[4]]
 [1] "c"   "d"   "f"   "a"   "j"   "e"   "i"   "h"   "b"   "g"   "buy"

[[5]]
[1] "i"   "g"   "c"   "d"   "e"   "buy"

[[6]]
 [1] "f"   "i"   "b"   "e"   "g"   "d"   "c"   "a"   "h"   "buy"

Код по поиску закономерностей в виде правил асоциаций 

library(arules)
model  <- apriori(li, parameter=list(support=0.2, 
                                     confidence=0.6,
                                     minlen=4,
                                     maxlen=5), 
                 appearance = list(rhs=c("buy","sell"), default="lhs"))
inspect(model)                

правила

inspect(model)
      lhs          rhs   support confidence coverage lift     count
[1]   {e,f,j}   => {buy} 0.23    0.6764706  0.34     1.166329 23   
[2]   {e,i,j}   => {buy} 0.21    0.6176471  0.34     1.064909 21   
[3]   {b,e,j}   => {buy} 0.23    0.6216216  0.37     1.071761 23   
[4]   {a,e,j}   => {buy} 0.24    0.6857143  0.35     1.182266 24   
[5]   {e,h,j}   => {buy} 0.22    0.6111111  0.36     1.053640 22   
[6]   {c,e,j}   => {buy} 0.26    0.6666667  0.39     1.149425 26   
[7]   {e,g,j}   => {buy} 0.23    0.6571429  0.35     1.133005 23   
[8]   {e,f,i}   => {buy} 0.24    0.6153846  0.39     1.061008 24   
[9]   {b,e,f}   => {buy} 0.22    0.6666667  0.33     1.149425 22   
[10]  {a,e,f}   => {buy} 0.25    0.6756757  0.37     1.164958 25   
[11]  {c,e,f}   => {buy} 0.24    0.6486486  0.37     1.118360 24  
...
...
..
..
.

Алгоритм ищет асациации между елементами независимо от порядка их расположения..

Есть алгоритмы которые учитывают порядок расположения, но они прожорливы.


Или если хочеться большего , то есть рекомендательные системы пакет  recommenderlab но я там не лазил

Maxim Dmitrievsky #:

Рекуррентные сети подходят, по типу many-to-many

Спасибо, посмотрю.

Хотелось бы конечно какого-нибудь обзорного текста по теме с описанием и сравнением подходов (хотеть же не вредно). По идее, должен же быть такой текст где-нибудь, но пока не нашёлся.

1...262426252626262726282629263026312632263326342635263626372638...3745
Новый комментарий