Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2257

[[Удален]]

mytarmailS:

ответов слишком много, так как вопрос не корректен !

ето как спросить  -  " как наука помогает в медицине "

Для примера, хоть что-то

[Evgeny Dyuka]

Vladimir Baskakov:
Ответ есть?

На крипте помогает. У меня Телеграм канал с сигналами нейросети (ссылка на моем профиле). Результативность сигналов нормальная в районе 65%, по каждому сигналу генерится автоматический отчет. Юзеры довольны.

[Evgeny Dyuka]

Vladimir Baskakov:
Для примера, хоть что-то

И бот на BitMEX торгует на реальном счете. Позже покажу,когда стата накопится, пока болтается в небольшом плюсе.

[Aleksey Nikolayev]

Vladimir Baskakov:
Ответ есть?

Да, от троллинга на форуме пользы никакой.

[mytarmailS]

Vladimir Baskakov:
Для примера, хоть что-то

автоматический подбор параметров ТС в тестере , это уже примитивное машинное обучение

[Aleksey Nikolayev]

Aleksey Mavrin:

Читая ветку (точнее в попытках прочитать), сложилось устойчивое впечатление что закрытые чаты с модерацией - очень даже полезная штука))

По делу просьба - выкладывали подборку литературы по сабжу. Не затруднит ещё раз ссылку плиз, @Maxim Dmitrievsky, Aleksey Nikolayev

Честно говоря, не помню за собой такого)

[[Удален]]

Я тоже не помню. Спросите у здешних затычек, они помнят все

[Aleksei Kuznetsov]

Aleksey Mavrin:

Читая ветку (точнее в попытках прочитать), сложилось устойчивое впечатление что закрытые чаты с модерацией - очень даже полезная штука))

По делу просьба - выкладывали подборку литературы по сабжу. Не затруднит ещё раз ссылку плиз, @Maxim Dmitrievsky, Aleksey Nikolayev

Ветка прикркпленная к общему обсуждению, 4я сверху https://www.mql5.com/ru/forum/214418

[[Удален]]

Vladimir Perervenko:

В статье речь идет несколько о другом. Там рассматривается случай когда все предикторы дискретные [0, 1]. Тогда проблема. Нейросеть не понимает предикторы с нулевой вариацией. 

У Вас, как я понял, случай немного другой. Вы объединили во входных предикторы(непрерывные) и целевую(дискретную матрицу ncol=3). Пробуете практически без обучения получить качественное распределение латентных из которых генерируете (восстанавливаете) входящие включая целевую. Я правильно Вас понял?  Не получится качественно. В статье показан путь решения. Дискретную целевую через RBM перевести в непрерывную, состыковать с другими предикторами и дальше на ВАЕ (обучение!). А уже из обученного ВАЕ извлекайте примеры и опять через RBM восстанавливайте целевую. Сложновато получается. Но может и сработает.

Я попробую с обычным АЕ провернуть.

Удачи

можно просто обучить какой-нибудь классификатор на эти данных, чтобы выдал вероятности

вариант еще проще: разделить датасет на 2 части с разными метками и обучить  2 модели.. и не лохматить бабушку со всякими условными состояниями )

[[Удален]]

Попробовал копулы, кодеры, табула ганы, кодеро-ганы. гмм пока непревзойден. Копулы неплохо. Нейросетевые технологии пока в аутсайдерах для табличных данных, досадно. 

если надо больше данных - пока только гмм.