ФорумРазделы

Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2831

Новый комментарий
Aleksey Nikolayev #:

Ну, первое что приходит в голову - разбить пространство сеткой с не слишком крупными или мелкими ячейками (размер определяется по модели шума). Начать с какой-нибудь (случайно выбранной, например) ячейки - по нескольким точкам в ней определяется направление градиента сглаженной функции и происходит переход к следующей ячейке и тд до отсутствия перехода или зацикливания. Положение экстремума задаётся с точностью до размера ячейки, поэтому она не должна быть слишком большая, но при этом она должна давать возможность сглаживания, поэтому и не слишком маленькая. Ну и надо смириться с тем, что никакого точного положения экстремума не существует в принципе, поскольку оно будет меняться в зависимости от способа сглаживания.

звучит как нехилая работенка)

[Удален]

прокладка между R и стулом только хилая весьма получилась

очередные фантазии нереализованные 

[Удален]

зачем сообщения удаляешь, параноик? чтобы тебя в очередной раз не ткнули что впросак попал? :)

сколько можно так лажать

Maxim Dmitrievsky #:

вот вы сделали большой проект на R, положили на сервер. А кто его обслуживать будет? а никто, потому что нет спецов в таком количестве и никто не хочет учить R из-за одной статистики

а для питона любого студента за палку колбасы найми и все будет


Кому нужны студенты с палкой колбасы?

Нужны студенты, знающие статистику, МО, на изучение которых уходит 5 лет. А потом еще желательно поработать в специализированной организации. А R или Питону можно научить за неделю, так как все такие студенты-статистики владеют С++.

А вот людям, которые НЕ учились статистике 5 лет, R гораздо полезнее Питона, так как в R только то, что нужно, все разжевано, документировано....., так как все-таки специализированный язык.

[Удален]
СанСаныч Фоменко #:

Кому нужны студенты с палкой колбасы?

Нужны студенты, знающие статистику, МО, на изучение которых уходит 5 лет. А потом еще желательно поработать в специализированной организации. А R или Питону можно научить за неделю, так как все такие студенты-статистики владеют С++.

А вот людям, которые НЕ учились статистике 5 лет, R гораздо полезнее Питона, так как в R только то, что нужно, все разжевано, документировано....., так как все-таки специализированный язык.

Поверьте, студент за палку колбасы освоит статистику за 5 дней, и еще много чего попутного

основное условие успеха - студент должен быть голодным

пока мы мусолим одно и то же месяцами и годами

Зачем вообще обсуждать корректность оптимизации? Локальный, глобальный - плевать.


Вопрос Дика имеет чисто теоретическое значение и не имеет НИКАКОГО практического значения, так как даже очень правильно найденные экстремумы относятся к ПРОШЛОМУ и с приходом нового бара практически всегда будут новые, неизвестные нам экстремумы.  Давайте вспомним тестер. Находит оптимумы. И что? Грош цена оптимуму из тестера, если нет соображений, что он будут жить в будущем. Но время жизни оптимума НЕ имеет никакого отношения к правильности и корректности поиска этого оптимума, о которых пишет Дик.

Maxim Dmitrievsky #:

Поверьте, студент за палку колбасы освоит статистику за 5 дней, и еще много чего попутного


Статистике учат 5 лет, причем научить удается далеко не всех, специально отбирают на вступительных экзаменах.

[Удален]
СанСаныч Фоменко #:

Статистике учат 5 лет, причем научить удается далеко не всех, специально отбирают на вступительных экзаменах.

если опустить подробности и дать прикладную задачу из реального мира, процесс пойдет быстрее 

в основном затупы при обучении, когда человек не понимает зачем это нужно и никогда в жизни с этим не сталкивался. Не видит конечную цель.

Кто-нибудь подскажите как сделать кастомную метрику для catboost, нужен Шарп. 

Результат обучения модели с моей версией практически такой же как и при RMSE, значит где-то в коде есть ошибка. 

preds и target - это return (a[i]-a[i+1])

class Sharpe(object):
    def get_final_error(self, error, weight):
        return error

    def is_max_optimal(self):
        return True

    def evaluate(self, approxes, target, weight):
        assert len(approxes) == 1
        assert len(target) == len(approxes[0])
        preds = np.array(approxes[0])
        target = np.array(target)
        data = [i if i > 0 else -1*i for i in preds]
        sharpe = np.mean(data)/np.std(preds)
        return sharpe, 0

model = CatBoostRegressor(learning_rate=0.1, n_estimators=2000, eval_metric=Sharpe())
СанСаныч Фоменко #:

Зачем вообще обсуждать корректность оптимизации? Локальный, глобальный - плевать.


Вопрос Дика имеет чисто теоретическое значение и не имеет НИКАКОГО практического значения, так как даже очень правильно найденные экстремумы относятся к ПРОШЛОМУ и с приходом нового бара практически всегда будут новые, неизвестные нам экстремумы.  Давайте вспомним тестер. Находит оптимумы. И что? Грош цена оптимуму из тестера, если нет соображений, что он будут жить в будущем. Но время жизни оптимума НЕ имеет никакого отношения к правильности и корректности поиска этого оптимума, о которых пишет Дик.


моя фамилия не склоняется
вопрос не в том что глобальный изменится или нет (изменится обязательно), а в том, что может ли вообще находить глобальный экстремум. если вам всё равно, то можете просто инициальзировать веса сети случайными числами и всё на этом, ведь какая вообще разница, глобальный... локальный.))
1...282428252826282728282829283028312832283328342835283628372838...3747
Новый комментарий