Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 927
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
Программно дерево можно описать как-то так :
А нет точных названий предикторов - картинка режит названия просто....
Вот полные названия:
Попробую аналогично сделать для mnogoVhodov_02. Оставлю скрипт работать на ночь, завтра после обеда покажу что вышло.
Всё-таки точность модели для malovhodov не ахти какая, ложных входов очень много. яб не торговал )
Свой лес на истинные и фальш метки прогнал.
Искомый класс больше половины в другой класс на тесте попал, но на тренировке хорошо разделился)
Хороший результат. Я не лес а одно дерево использую, наверное поэтому у меня заметно хуже.
А каковы результаты на тесте с данных из другого файла? (другой год)
Вот полные названия:
Попробую аналогично сделать для mnogoVhodov_02. Оставлю скрипт работать на ночь, завтра после обеда покажу что вышло.
Всё-таки точность модели для malovhodov не ахти какая, ложных входов очень много. яб не торговал )
Спасибо за полный скрин дерева, сейчас попробую на дереве из программы этот набор.
То что не советуете торговать, оно и понятно, это пока не полный и окончательный набор, с другой стороны если дерево в нём что-то находит, то я очень надеюсь на леса, к которым перейду чуть позже - там результат по идеи должен прибывать ещё по моим ожиданием процентов 15, что уже будет хорошо.
А про мало входов, так для этого и набор для фильтра - по идеи должно улучшаться положение дел в совокупности.А каковы результаты на тесте с данных из другого файла? (другой год)
Это мои данные(один файл). Тест там 25%.
Вот полные названия:
Попробую аналогично сделать для mnogoVhodov_02. Оставлю скрипт работать на ночь, завтра после обеда покажу что вышло.
Всё-таки точность модели для malovhodov не ахти какая, ложных входов очень много. яб не торговал )
Построил дерево в программе Deductor по нему не не найдено ниодной целевой, т.е. предполагается дальше развертывать дерево.
Смотрю страсти не утихают... Между тем прошла неделя сравнения двух сетей боем. Я подумал, чего я буду кормить Вас тестами там всякими и т.д. Лучше всего вопрос решается боем и результат его таков...
ELMNN- сети построенные в Р проработали за неделю вот так...
jPrediction- Решетов вот так....
Сложно судить кто круче. Я думаю что оба оптимизатора хороши. Но лучше всего это выглядет здесь.....
И ни надо лохматить бабушку!!!!!!!!
Главное что бы на след. неделе Акелло опять не промахнулся
Подумалось, что у меня базовые стратегии гумно. Может кто-нибудь подкинуть базовых стратегий? которые попытаюсь улучшить за счет своих агентов
Попробовал для начала malovhodov.
Попытался научить лес прогнозировать arr_Buy из 2015 на основе arr_Vektor_Week, arr_Vektor_Day, итд остальные.
Классы очень дисбалансированы (примеров с классом 0 в 10 раз больше чем класс 1), это добавляет много трудностей.
Это 2015 год, на котором обучалось дерево
Прогноз в обоих случаях невысокой точности, но точность хотя бы больше 50% и там и там.
Я перестал считать стандартно ошибки по этим табличкам.
Рассуждаю так, сразу беру класс 1, он нагляднее: Изначальный класс "0" дал предсказание класса "1" = 86118, а класс "1" дал предсказание класса "1" = 12256. Это означает, что при торговле мы получим ложных предсказание класса= 86118, а правильных предсказаний = 12256, т,е. ошибка = 86116/(86116+12256) = 87.5%9(!!), если класс "1" = это вход в позицию/позиция - то это катастрофа. А вот положение по классу "0" очень даже приличное - ошибочных нулей при принятии решений будет всего 5.3%.