Ну и тайна в том числе, ну и где-то без контекста непонятно будет, а с контекстом долго).
Про признаки - я называю это трейдерскими признаками. На приращениях сложно что-то путное построить, разве что если какие-то продвинутые нейросети. А с обычным ML без рокетсаенса нужны трейдерские признаки - ну такие, которые бы в обычной торговле мог использовать, типа: о, тут у нас XXX, поэтому я вхожу, ну вот этот XXХ можно и подать. Не факт, что признак значимый реально, но уж лучше, чем приращения, всяко.
Ну и тайна в том числе, ну и где-то без контекста непонятно будет, а с контекстом долго).
Про признаки - я называю это трейдерскими признаками. На приращениях сложно что-то путное построить, разве что если какие-то продвинутые нейросети. А с обычным ML без рокетсаенса нужны трейдерские признаки - ну такие, которые бы в обычной торговле мог использовать, типа: о, тут у нас XXX, поэтому я вхожу, ну вот этот XXХ можно и подать. Не факт, что признак значимый реально, но уж лучше, чем приращения, всяко.
The loss function in supervised deep learning is a key element for training AI algorithms. For models aiming at predicting asset returns, not all prediction err
Стандартные классификация и регрессия что-то не очень подходит для ВР.
Хочется для начала научиться строить любые нужные и правильные функции потерь - чтобы было больше похоже, например, на максимизацию прибыли, и чтобы алгоритмы обучения работали нормально с этими функциями. Видимо придётся вникать в самые основы даже в случае самой простой линейной регрессии.
Хочется для начала научиться строить любые нужные и правильные функции потерь - чтобы было больше похоже, например, на максимизацию прибыли, и чтобы алгоритмы обучения работали нормально с этими функциями.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Можно, главное признаки хорошие подавать). Ну и другие нюансы некоторые.
раскроешь завесу тайны или это тайна? )
раскроешь завесу тайны или это тайна? )
Ну и тайна в том числе, ну и где-то без контекста непонятно будет, а с контекстом долго).
Про признаки - я называю это трейдерскими признаками. На приращениях сложно что-то путное построить, разве что если какие-то продвинутые нейросети. А с обычным ML без рокетсаенса нужны трейдерские признаки - ну такие, которые бы в обычной торговле мог использовать, типа: о, тут у нас XXX, поэтому я вхожу, ну вот этот XXХ можно и подать. Не факт, что признак значимый реально, но уж лучше, чем приращения, всяко.
Ну и тайна в том числе, ну и где-то без контекста непонятно будет, а с контекстом долго).
Про признаки - я называю это трейдерскими признаками. На приращениях сложно что-то путное построить, разве что если какие-то продвинутые нейросети. А с обычным ML без рокетсаенса нужны трейдерские признаки - ну такие, которые бы в обычной торговле мог использовать, типа: о, тут у нас XXX, поэтому я вхожу, ну вот этот XXХ можно и подать. Не факт, что признак значимый реально, но уж лучше, чем приращения, всяко.
очень размыто
очень размыто
Типа того)).
Полагаю, стоило бы получше изучить вопрос кастомизации функции потерь под наши трейдерские нужды.
В качестве примера - статья по теме.
Полагаю, стоило бы получше изучить вопрос кастомизации функции потерь под наши трейдерские нужды.
В качестве примера - статья по теме.
для расширения кругозора?
Вы обоснуйте сначала смысл с практической точки зрения: например, если сделать так, то получится так, это приведет к тому то... и т.д..
Здесь можно забить любое слово по теме в гугл и засыпать ветку ссылками до нельзя в один миг.
Полагаю, стоило бы получше изучить вопрос кастомизации функции потерь под наши трейдерские нужды.
В качестве примера - статья по теме.
Согласен.
Стандартные классификация и регрессия что-то не очень подходит для ВР.
Согласен.
Стандартные классификация и регрессия что-то не очень подходит для ВР.
Хочется для начала научиться строить любые нужные и правильные функции потерь - чтобы было больше похоже, например, на максимизацию прибыли, и чтобы алгоритмы обучения работали нормально с этими функциями. Видимо придётся вникать в самые основы даже в случае самой простой линейной регрессии.
Хочется для начала научиться строить любые нужные и правильные функции потерь - чтобы было больше похоже, например, на максимизацию прибыли, и чтобы алгоритмы обучения работали нормально с этими функциями.