Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3581
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
У них есть почта для любых вопросов, почему бы не написать???????
Понятно.
Есть некие сомнения по поводу решающих деревьев (для классификации). В теории они должны хорошо находить прямоугольные области, но имхо они плохо делают это для произвольного прямоугольника, который не примыкает к краям исходного прямоугольника. Появляется много мусорных листьев, например. Особенно сильно это заметно для достаточно слабых закономерностей, каковые являются нормой для наших задач.
Возникает мысль перейти от деревьев к простому поиску прямоугольников, когда сплиты делаются не по-очереди, а одновременно несколько. Беглый поиск показал что нечто похожее уже есть - RBC (Rectangular Boundary Classifier). Потом на этом наверно можно тоже как-то делать бэггинг и возможно даже бустинг.
Ещё одна естественно возникающая идея - перейти от задачи классификации к задаче оптимизации. Например, когда просто ищется прямоугольник, максимизирующий прибыль по сумме сделок попавших в него.
С чего Вы взяли, что ДОЛЖНЫ хорошо находить прямоугольные области, Более того, являются ли проблемы с прямоугольными областями источником ошибок классификации?
Главным здесь является вопрос: что является источником ошибок классификации?
Для меня ответ очевиден: одни и те же значения предиктора в одних случаях относятся к одному классу, а в другом случае к другому классу. И это никакой алгоритм классификации не разделит.
А вот на этапе препроцессинга можно попытаться это положение исправить, например, по алгоритму Tomeka.
Главным здесь является вопрос: что является источником ошибок классификации?
Для меня ответ очевиден: одни и те же значения предиктора в одних случаях относятся к одному классу, а в другом случае к другому классу. И это никакой алгоритм классификации не разделит.
А вот на этапе препроцессинга можно попытаться это положение исправить, например, по алгоритму Tomeka.
Алгоритм Tomek Links (или просто Tomek) — это метод, используемый в машинном обучении для улучшения качества данных путем удаления избыточных или ошибочных образцов в задаче классификации. Этот метод особенно полезен для работы с несбалансированными данными.
Основная идея Tomek Links заключается в следующем:
Определение пар Tomek Links:
Удаление объектов:
Пример:
Цель использования метода Tomek Links — уменьшить влияние шумовых данных и улучшить разделение между классами, что может привести к улучшению качества классификации. Этот метод часто применяется в комбинации с другими методами обработки несбалансированных данных, такими как ресемплинг (oversampling и undersampling).
Айфоны своровали на выдачи, а те, что нет - продали уже.
Верификацию прошёл с РФ. Но, зря, в конкурсе не дают участвовать.
Покупать свежак всегда не выгодно - хайповая наценка, лучше подождать пару лет, когда и цены будут лучше, технологии обкатаны и улучшены, да и софт адаптируют.
Современные ноуты на x86 уже имеют хорошую автономность для браузерных задачь, если это очень нужно. Мне вот не нужно.
Ну в случае с техникой эпл, она обычно только дорожает :)
Источник.
Источник.
Но люди перестали покупать интеловское ржавое железо после этого, ощутив разницу.
А при чем здесь это? У интела нет arm
Статистика говорит о том, что люди покупают по прежнему ПК на x86 по всему миру, т.е. перехода глобального нет на ARM.
Статистика говорит о том, что люди покупают по прежнему ПК на x86 по всему миру, т.е. перехода глобального нет на ARM.
Речь была про интеловское железо в составе техники эпл
Не смог уловить ход такой мысли.