на 500 барах оценивать - это вообще не статистика, можно подогнать все что угодно, по закону больших чисел
Для оценки предсказательной способности вполне достаточно. Можно отобрать фичи, которые дают ошибку предсказания учителя до 20% по технологии скользящего окна.
elibrarius #: В свои пакеты вы те же данные подаете. Тоже ничего получить невозможно?
В препроцессинге , как этап, удаляю коррелированные фичи. Из 170 остается примерно 50 при коррелированности не выше 75%(!). При коррелированности не выше 50% остается несколько штук. Но я не ставил цель набрать НЕ коррелированные фичи.
В препроцессинге , как этап, удаляю коррелированные фичи. Из 170 остается примерно 50 при коррелированности не выше 75%(!). При коррелированности не выше 50% остается несколько штук. Но я не ставил цель набрать НЕ коррелированные фичи.
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.
В первом приближении Вы, несомненно, правы - надо иметь конечную оценку, если вы имеете ввиду под оценкой моделью ее показатели результативности.
Но, есть один нюанс, который перевешивает все.
Оценка моделью через ее результативность - это оценка на исторических данных. А как поведет себя модель в будущем?
Оценивайте валкинг-форвард тестом.
Оценивайте валкинг-форвард тестом.
Это оценка всего стада. А паршивых овец выбраковывают поштучно.
Это оценка всего стада. А паршивых овец выбраковывают поштучно.
на 500 барах оценивать - это вообще не статистика, можно подогнать все что угодно, по закону больших чисел
50 фичей = 50 валкинг фовард тестов с удалением фичей по 1. Долго, но результат будет получен моделью.
Этим способом результат можно получить только в случае полной независимости фичей, а так не бывает.
на 500 барах оценивать - это вообще не статистика, можно подогнать все что угодно, по закону больших чисел
Для оценки предсказательной способности вполне достаточно. Можно отобрать фичи, которые дают ошибку предсказания учителя до 20% по технологии скользящего окна.
Этим способом результат можно получить только в случае полной независимости фичей, а так не бывает.
В свои пакеты вы те же данные подаете. Тоже ничего получить невозможно?
В препроцессинге , как этап, удаляю коррелированные фичи. Из 170 остается примерно 50 при коррелированности не выше 75%(!). При коррелированности не выше 50% остается несколько штук. Но я не ставил цель набрать НЕ коррелированные фичи.
В препроцессинге , как этап, удаляю коррелированные фичи. Из 170 остается примерно 50 при коррелированности не выше 75%(!). При коррелированности не выше 50% остается несколько штук. Но я не ставил цель набрать НЕ коррелированные фичи.
Вот эти 50 и можно проверять моделью.
Так они коррелированы! Результат зависит от порядка отбрасывания фичей.