Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2304

Новый комментарий
Maxim Dmitrievsky:

Тогда уж нелинейный )

Там же, как обычно, для каждой точки получается свой линейный тренд построенный по истории. Потом этот тренд продлевается на единичку в будущее и получается прогноз. Всё как обычно, только остатки у регрессии распределены "по фрактальному") В итоге, на мой взгляд, всё равно получится прогноз в виде какой-то взвешенной средней)

Maxim Dmitrievsky:

а никаких новых книженций по эконометрике на R не появилось, не смотрели? типа этой

на питоне нет таких сборников, все в разных местах

https://otexts.com/fpp2/

У меня почему-то не получается подобные книги читать, посему перестал следить за ними. Для общей теории читаю учебники вышки или рэшки (Магнус, например или лекции Канторовича). По конкретным вопросам смотрю мануалы к нужным пакетам R - там есть всё вплоть до ссылок на используемые научные статьи.

[Удален]
mytarmailS:

эконометрика для телочек, ЦОС для мужиков )))

эту не читал ? хотя вряд ли что то новое найдешь

как говорится, книгу можно читать много раз и всегда находить что-то новое )

почитаю. Эконометрика + МО это все, что необходимо. Но граали не лежат на поверхности. Глупо требовать от общих сборников чего-то бОльшего.

Забавно - трехслойная сеть MLP с количеством нейронов в среднем слое 10-15 нашла зависимость типа x1/x2.

Проблема была в недостаточном количестве нейронов - 8 для среднего слоя мало

Maxim Dmitrievsky:

Оо, сигнальчик включил, это круто, если не отключишь через неделю ))

Maxim Dmitrievsky:

Есть такие признаки, которые, как ни странно, ухудшают обобщающую способность (говорю за катбуст в частности, наверное относится и к другим). Казалось бы странно, ведь просто добавляются новые признаки, а модель выдает ошибку больше, чем было без них

например, обучил на нескольких машках, затем удалил несколько и accuracy стал выше

почему странно, как понимаю это стандартная проблема на всех данных. модели пытаются учитывать все признаки, и если какие-то не имеют зависимости с целевой меткой, т.е. случайны, то так и должно быть снижается качество.

Пример: если прогнозировать вес человека от его роста и пола, то качество довольно высокое, а добавить туда цвет волос или еще какую-то фигню, то снизится.

denis.eremin:

Забавно - трехслойная сеть MLP с количеством нейронов в среднем слое 10-15 нашла зависимость типа x1/x2.

Проблема была в недостаточном количестве нейронов - 8 для среднего слоя мало

ну вот я же говорил. и хочешь ещё прикол - сеть с 1000+ нейронов - не найдёт зависимость или будет ооочень долго и неточно учиться.

Пока с фурье вожусь, накидал пример

Верхний: 

   for(int i=0;i<total;i++)
     {A[i]=cos(2.*M_PI/8.*i)+cos(2.*M_PI/32.*i)+cos(2.*M_PI/16.*i)+4.*xor.Rand_Norm();
     }

Нижний:

   for(int i=0;i<total;i++)
     {A[i]=cos(2.*M_PI/8.*i)+cos(2.*M_PI/32.*i)+cos(2.*M_PI/16.*i)+4.*xor.Rand_Norm();
     }
   MathCumulativeSum(A);


[Удален]
Rorschach:

Пока с фурье вожусь, накидал пример

Верхний:

Нижний:

можно расшифровку, что сие означает?

в ЦОС, косинусах и синусах абсолютный ноль

Интересная картинка


Maxim Dmitrievsky:

можно расшифровку, что сие означает?

в ЦОС, косинусах и синусах абсолютный ноль

Даже не знаю что можно прокомментировать. На верхнем рисунке приращения и их кумсумма, на нижнем их спектры. Для приращений 3 синуса на спектре хорошо видно.

1...229722982299230023012302230323042305230623072308230923102311...3746
Новый комментарий