Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2391

[Maxim Dmitrievsky]

welimorn:

Понятно. У меня это дискриминатор. Я некоторое время назад худо-бедно реализовал скрипт который собирает лучшие модели на разных признаках и парсит их в один советник.

Может стоит  мета модель применять сразу на нескольких оптимальных генеративных моделях? 

она же и является дискриминатором, т.е. просто переобучается связка из 2- х моделей

но я пока не реализовал цикл, там все ф-ии приходится переделывать

может и на нескольких, пока непонятно 

[iwelimorn]

Maxim Dmitrievsky:

она же и является дискриминатором, т.е. просто переобучается связка из 2- х моделей

но я пока не реализовал цикл, там все ф-ии приходится переделывать

Я могу свои скриптульки скинуть, может помогут чем.

[Maxim Dmitrievsky]

welimorn:

Я могу свои скриптульки скинуть, может помогут чем.

вроде понятно как делать

[Evgeni Gavrilovi]

Maxim Dmitrievsky

могу статью написать

это было бы замечательно) всегда рад видеть статьи от вас.

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

это было бы замечательно) всегда рад видеть статьи от вас.

сам всегда радуюсь чему-то новому, но таковое придумывать все сложнее и сложнее с каждым разом )

пока качественных изменений нет по сравнению с предыдущим, не вижу смысла писать

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

сам всегда радуюсь чему-то новому, но таковое придумывать все сложнее и сложнее с каждым разом )

пока качественных изменений нет по сравнению с предыдущим, не вижу смысла писать

Вы можете поделиться примером как вместо GMM использовать эту глубокую нейросеть? 

https://www.tensorflow.org/api_docs/python/tf/estimator/DNNClassifier

надо заменить 

gmm = mixture.GaussianMixture(n_components=75, covariance_type='full').fit(X)

на это: tf.estimator.DNNClassifier

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

Вы можете поделиться примером как вместо GMM использовать эту глубокую нейросеть? 

https://www.tensorflow.org/api_docs/python/tf/estimator/DNNClassifier

надо заменить 

на это: tf.estimator.DNNClassifier

никак, это совершено разные вещи

[Evgeni Gavrilovi]

Maxim Dmitrievsky

MLPClassifier тоже не подходит к данной задаче?

Там есть метод для оценки вероятности, к какому классу относится сэмпл. 

https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

MLPClassifier тоже не подходит к данной задаче?

Там есть метод для оценки вероятности, к какому классу относится сэмпл. 

https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html

Это же разные модели. GMM используется для оценки плотности вероятности и семплинга примеров, а классификатор классифицирует

видимо, вы хотите заменить CatBoost на нейросеть. Но в этом нет большого смысла.

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

Это же разные модели. GMM используется для оценки плотности вероятности и семплинга примеров, а классификатор классифицирует

видимо, вы хотите заменить CatBoost на нейросеть. Но в этом нет большого смысла.

там вы пишите, что нейросеть лучше подходит, чем GMM

https://www.mql5.com/ru/forum/356331#comment_19373237