Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3572

[[Удален]]

Label smoothing/relaxation - интересные техники регуляризации. В копилку того, что разметка данных сильно важна.

https://arxiv.org/abs/2011.12562

https://ojs.aaai.org/index.php/AAAI/article/view/17041

[Aleksei Kuznetsov]

СанСаныч Фоменко #:

Не точно.

Если говорить об оценке классификации, то там не бывает оценок по прибыли. Есть свои оценки и свои пакеты (ROC).

Я последние годы не классификационные, а регрессионные модели обучаю. Как раз фин. результат от сделки и подаю, как учителя.

[mytarmailS]

Forester #:

Я последние годы не классификационные, а регрессионные модели обучаю. Как раз фин. результат от сделки и подаю, как учителя.

И какой результат? 

[[Удален]]

Остолопия снова зашкалила.. время спрашивать ЛЛМ :)))

В контексте машинного обучения с учителем учитель предоставляет не только метки, но и признаки (features). Давайте рассмотрим это подробнее:

1. Учитель (Supervisor):

   • Роль: Как уже обсуждалось, учитель предоставляет обучающие данные, которые включают в себя как признаки, так и метки. Это может быть человек, который собирает и маркирует данные, или автоматизированная система, которая уже содержит эту информацию.

   • Функция: Учитель обеспечивает модель всей необходимой информацией для обучения, включая характеристики (признаки) объектов и правильные ответы (метки) для каждого объекта.

2. Признаки (Features):

   • Роль: Признаки — это характеристики или свойства, которые описывают каждый объект в обучающем наборе данных. Они являются входными данными для модели.

   • Функция: Признаки позволяют модели различать объекты и делать прогнозы на основе этих различий. Например, в задаче распознавания изображений признаками могут быть пиксели изображения или более сложные особенности, извлеченные из изображения.

3. Метки (Labels):

   • Роль: Метки — это выходные данные, которые модель пытается предсказать. Они указывают на правильный класс или значение для каждого объекта.

   • Функция: Метки служат целью для обучения модели. Модель использует признаки для предсказания меток и сравнивает свои предсказания с фактическими метками, чтобы корректировать свое поведение и улучшать точность.

Связь между учителем, признаками и метками:

• Учитель предоставляет данные, состоящие из признаков и меток.

• Признаки — это входные данные, которые модель использует для предсказаний.

• Метки — это выходные данные, которые модель пытается предсказать и которые служат ориентиром для обучения.

Таким образом, учитель предоставляет не только метки, но и признаки, которые в совокупности позволяют модели обучаться и делать точные прогнозы.

[Aleksei Kuznetsov]

mytarmailS #:
И какой результат? 

Как у всех. 50/50.

Или если есть прибыльные варианты, то просадки по году - два. Такое тоже не годится.

[Aleksei Kuznetsov]

Maxim Dmitrievsky #:
Роль: Как уже обсуждалось, учитель предоставляет обучающие данные, которые включают в себя как признаки, так и метки. Это может быть человек, который собирает и маркирует данные, или автоматизированная система, которая уже содержит эту информацию.

Ну вот. Вы же говорите, что учитель - это только человек. При нашем количестве данных до миллионов строк в год. Глупо нанимать человека и размечать каждую из них. Все программно решается.

[[Удален]]

Forester #:

Ну вот. Вы же говорите, что учитель - это только человек. При нашем количестве данных до миллионов строк в год. Глупо нанимать человека и размечать каждую из них. Все программно решается.

Я не путаю учителя и метки. И не говорил, что обязательно только человек 

Так же как с ИИ, сложности перевода. С англ. переводится как контролируемое обучение. Вы же не перепутаете метки с контролем. Это разные понятия.

Тогда бы можно было назвать ,"обучение с метками", но называется не так, значит смысл нужно вкладывать другой.

[[Удален]]

Forester #:

Как у всех. 50/50.

Или если есть прибыльные варианты, то просадки по году - два. Такое тоже не годится.

Сделайте минимальную кластеризацию на несколько состояний и попробуйте обучаться и торговать отдельно на каждом.

После разных попыток результаты могут улучшиться. Сильно улучшиться они могут, если делать это осмысленно, по типу как в статье Алексея.

[Aleksei Kuznetsov]

Maxim Dmitrievsky #:
Сделайте минимальную кластеризацию на несколько состояний и попробуйте обучаться и торговать отдельно на каждом.

На будущее отложу. Пока вообще другим занят, но скоро закончу и снова МО займусь.

[Aleksei Kuznetsov]

Maxim Dmitrievsky #:, по типу как в статье Алексея.

ссылку можно?