Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1257
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
Feature Selection using Genetic Algorithms in R
This is a post about feature selection using genetic algorithms in R, in which we will do a quick review about:
Для начала берете любую БС. МО покажет ее работоспособность и потенциал развития, если они есть.) Далее, либо меняем БС, либо развиваем.
Все остается таким-же как и без МО. Голову МО не заменяет.))
Я уже показывал как у меня всё работает, предлагал свою целевую которая определяет тренды и флеты в которых можно торговать любыми импульсными и канальными стратегиями, соответственно.
Дурной пример заразителен
Опять посты поудаляли...(
Дурной пример заразителен
это "кушать" и обсуждать все равно никто здесь не будет, поэтому поудалял что бы не нарушать идиллию )
это "кушать" и обсуждать все равно никто здесь не будет, поэтому поудалял что бы не нарушать идиллию )
Ну хоть в блог себе сохраняй интересные статьи. Тут как раз мусор никто не удаляет, за которым что-то интересное сложно становится найти.
Что бы понять байесовские деревья надо сначала почитать про алгоритм Метрополиса-Гастнигса, алгоритм Монте Карло над Марковскими цепями, по аналогии с деревьями будет
сам документ про BART
http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20June%2008.pdf
короче фишка в том что они не переобучаются и дают вероятностную оценку на выходе (апостериор)
Что бы понять байесовские деревья надо сначала почитать про алгоритм Метрополиса-Гастнигса, алгоритм Монте Карло над Марковскими цепями, по аналогии с деревьями будет
сам документ про BART
http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20June%2008.pdf
короче фишка в том что они не переобучаются и дают вероятностную оценку на выходе (апостериор)
куча формул ((
куча формул ((
ну ) там есть ссылка на пакет R. Сам R не юзаю, одупляю формулы
если R юзаете то попробуйте )
ну ) там есть ссылка на пакет R. Сам R не юзаю, одупляю формулы
если R юзаете то попробуйте )
Утренняя статья осталась открытой: https://towardsdatascience.com/bayesian-additive-regression-trees-paper-summary-9da19708fa71
The most disappointing fact is that I could not find a Python implementation of this algorithm. The authors created an R package (BayesTrees) that had some obvious problems — mostly the lack of a “predict” function — and another, more widely used implementation called bartMachine was created.
If you have experience implementing this technique or know of a Python library, please leave a link in the comments!
Так что первый пакет бесполезен, т.к. не может предсказывать.
Во второй ссылке опять формулы.
Вот обычное дерево легко понять. Все простои логично. И без формул