Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3414

Новый комментарий
[Удален]  
mytarmailS #:

Да не, ето совсем другой угол зрения на признаки, это не про стохастики..

Обучил ты модельку торговать, что у тебя есть?


есть моделька, есть кривая капитала


признаки по торговле

  • можно еценить как то форму кривой, 
  • можно посчитать хорактериситики сделок , 
  • количество сделок, 
  • ср. продолжительность сделки по времени,
  • шарп , 
  • просадки
  • ЕЩЕ ЧТО?

признаки по модельке

  • ошибка модельки
  • количество признаков которые выбрала моделька
  • var importence
  • еще какие то храктеристики
  • ЕЩЕ ЧТО?

Еще третий класс признаков

  • построить прогнозы по кривой кипитала 
  • доверительные интервалы
  • ЕЩЕ ЧТО ?


И потом мы собираем это вместе и пытаемся спрогнозировать будет ли эта ТС зарабатывать на тесте


Затрудняюсь ответить
 
Maxim Dmitrievsky #:
Затрудняюсь ответить
Ты даже не думал что можно с такой стороны подойти неправда ли
[Удален]  
mytarmailS #:
Ты даже не думал что можно с такой стороны подойти неправда ли

А целевая какая

 
Maxim Dmitrievsky #:

А целевая какая

Будет ли тс зарабатывать на тесте да/нет

 вероятность по бинарной классификации. 

Либо наклон кривой каптала на тесте по регресии или там ФВ или шарп или сколько заработает на тесте цифра. 

А лучше вместе две модели и классификация и Регресия. 


Тогда можно нагенрить 1000 ТС,   потом выбрал по  20 самых лучшых по вероятности что заработает на тесте, потом отобрал по регресии n лучшых по шарпу по регресии. 

Круто

Експеримент серьёзный
 
mytarmailS #:
Будет ли тс зарабатывать на тесте да/нет

 вероятность по бинарной классификации. 

Либо наклон кривой каптала на тесте по регресии или там ФВ или шарп или сколько заработает на тесте цифра. 

А лучше вместе две модели и классификация и Регресия. 


Тогда можно нагенрить 1000 ТС,   потом выбрал по  20 самых лучшых по вероятности что заработает на тесте, потом отобрал по регресии n лучшых по шарпу по регресии. 

Круто

Експеримент серьёзный

Баловство всё это. Пока не сможете детектить смещение вероятности в отдельно взятом листе - модели будут лить.

А для работы с листом или квантовым отрезком - нужно достаточно много откликов на истории, а этого нет, а без этого недостаточно стат данных... поэтому модели будут сомнительны...

 
Maxim Dmitrievsky #:
Вам иерархическая больше подойдет, если надо наподобие листьев

Вполне вероятно - надо пробовать.

Правда, на сколько я помню, там памяти много надо оперативной для промежуточных расчетов, а ещё не понятно - как переносить на MQL5, и есть ли там возможность применяться на новых данных...

 
Forester #:
Думаю эта формула участвует при обучении / поиске центров кластеров. Для прогноза нужно просто найти ближайший центр по С[]

В общем, надо посмотреть, что там в массиве...

Вы с AlgLib'om дружите - можете примитивный код показать, как провести кластеризацию и применить на новых данных?

Я, если честно, их сокращения в функциях недопонимаю - что подать на вход\выход...

 
Renat Akhtyamov #:

мю - это середина отрезка, кластера в данном случае, я так понял

если бы была окружность, то формула подходит

Мю, как я понимаю - среднее значение для каждого предиктора, оказавшегося в кластере.

Дельта значения предиктора и кластера, а потом их суммирование, определяет близость к кластеру в многомерном пространстве.

По результату выбирается наиболее близкий кластер, как я понимаю. Т.е. надо делать расчет для всех кластеров получается.

При применении не пересчитываем среднее значение просто. 

 
Aleksey Vyazmikin #:

В общем, надо посмотреть, что там в массиве...

Вы с AlgLib'om дружите - можете примитивный код показать, как провести кластеризацию и применить на новых данных?

Я, если честно, их сокращения в функциях недопонимаю - что подать на вход\выход...

Уже года 4 Алглибом не занимался.
 
Forester #:
//| INPUT PARAMETERS:                                                |
//|     XY          -   dataset, array [0..NPoints-1,0..NVars-1].    | - массив [строк , столбцов]
//|     NPoints     -   dataset size, NPoints>=K                     | - число строк
//|     NVars       -   number of variables, NVars>=1                |  число столбцов
//|     K           -   desired number of clusters, K>=1             | - число кластеров, сколько хотите получить
//|     Restarts    -   number of restarts, Restarts>=1              | - не понятно, попробуйте 1
//| OUTPUT PARAMETERS:                                               |
//|     Info        -   return code:                                 |
//|                     * -3, if task is degenerate (number of       |
//|                           distinct points is less than K)        |
//|                     * -1, if incorrect                           |
//|                           NPoints/NFeatures/K/Restarts was passed|
//|                     *  1, if subroutine finished successfully    |
//|     C           -   array[0..NVars-1,0..K-1].matrix whose columns| - массив центров
//|                     store cluster's centers                      |
//|     XYC         -   array[NPoints], which contains cluster       | - номер кластера для каждой строки из XY
//|                     indexes                                      |

Вроде все просто - см комментарии на русском.

1...340734083409341034113412341334143415341634173418341934203421...3745
Новый комментарий