Суть в том, что нейросеть лучше убирает шумы, а прибыльные входы часто в условных выбросах предикторов. Поэтому деревянные модели могут быть лучше в ловле блох.
Сложно не согласится.
У них целевые для регрессии получается? Пока в код не вникал.
Если там бинарная целевая, то я мог бы протестировать на их данных свой метод отбора предикторов. Но, я так понимаю, они хотят код вместе с этапом обучения, и просто указать какие предикторы надо выкинуть - им не интересно?
Кстати, питон очень тяжко работает с большими датасетами - даже прочесть csv файл из коробки не мог с выборкой моей, пока я принудительно не указал, что бы использовал тип данных int8, и то размещает в памяти широко слишком. MQL5 работает куда лучше с памятью в этом плане.
Как их API скачать?
Бинарная целевая, но разбитая на несколько страт, поэтому регрессия
у них там не оптимизировано ниче, долго считает. Большие данные логично в нампае открывать, а не в пандОсе
заливается финальная модель на сайт и все, на сайте все написано. Смысла не вижу, потому что на свои деньги там торгуешь. Ну премию дадут за хорошую модель и все. Доходности небольшие.
Бинарная целевая, но разбитая на несколько страт, поэтому регрессия
А можете выборку выложить для обучения и теста их? Что бы не замарачиваться мне с их API и регистрацией?
Maxim Dmitrievsky #: Большие данные логично в нампае открывать, а не в пандОсе
Да, видимо быстрей будет, но не понятно какой тип данных будет и если в csv колонки с датой и временем или текстом, то вероятно будет ошибка.
Я сейчас открываю csv и сохраняю в формат feather - эта штука очень быстро открывает данные и поддерживает разные типы. Дальше читаю только этот формат.
Maxim Dmitrievsky #: Смысла не вижу, потому что на свои деньги там торгуешь. Ну премию дадут за хорошую модель и все. Доходности небольшие.
Ну, как беньчмарк для понимания, на сколько отстаешь от лидеров...
Кстати, там не видели статистику по сменяемости лидеров на разных эрах?
А можете выборку выложить для обучения и теста их? Что бы не замарачиваться мне с их API и регистрацией?
Да, видимо быстрей будет, но не понятно какой тип данных будет и если в csv колонки с датой и временем или текстом, то вероятно будет ошибка.
Я сейчас открываю csv и сохраняю в формат feather - эта штука очень быстро открывает данные и поддерживает разные типы. Дальше читаю только этот формат.
Ну, как беньчмарк для понимания, на сколько отстаешь от лидеров...
Кстати, там не видели статистику по сменяемости лидеров на разных эрах?
вы искренне считаете, что кто-то будет смотреть два часовых видео, без хотя-бы краткого дайджеста "об чём оно" ?
Кому любопытно - будет.
Видео о попытке из листьев, после построения модели градиентного бустинга, вытащить дополнительную информацию, улучшить разными способами модель. Правда на середине второй части наши дороги с автором видео разошлись.
Видео о попытке из листьев, после построения модели градиентного бустинга, вытащить дополнительную информацию, улучшить разными способами модель. Правда на середине второй части наши дороги с автором видео разошлись.
Обычно не приводит к новым знаниям, но как метод корректировки можно юзать. В каких-то неизвестных пределах. Иногда вообще ничего не дает.
Обычно не приводит к новым знаниям, но как метод корректировки можно юзать. В каких-то неизвестных пределах. Иногда вообще ничего не дает.
Моё виденье тут такое, выборка - конструктор типа Lego - там набор разных деталек, модель - попытка без инструкции собрать чего то интересное из этих деталек - написать свою инструкцию. Так вот, листья тут будут в роли укрупнённых составляющих - несколько блоков удачно слепленных, как задумывал производитель конструктора изначально, к примеру собрана фигурка человечка удачна, пусть и с дефектами. Таких вот удачных конструкций - процентов 10 в модели получается - всё остальное - шальное воображение, не имеющее ничего общего с изначальной инструкцией.
Так вот, собирая такие полу дефективные листья от разных моделей, можно больше собрать удачных блоков, которые сложены в соответствии с инструкцией.
Повторное обучение на этих листьев - это задача раздачи "деталек" на все модельки так, что бы обеспечить разнообразие, но устранить похожесть.
В итоге должны получить больше элементов от изначальной задумки производителя конструктора. Понятно, что конструктор часто достаётся с отсутствующими деталями и идеальную модель не собрать, но что уж тут поделать.
Так что из одной модели больше информации сложно вытащить, а вот из сотни - можно попробовать.
Что касается видео, то их идея уменьшения веса листьев - ну она не будет нормально работать... там нужно делать какую то хитрую калибровку веса листа делать - мне это не удаётся пока. По листьям строить новую модель бустинга - пока самый оптимальный вариант, что я протестировал. В идеале там бы нейронку на один скрытый слой попробовать - но я не уверен, что это быстро будет считаться.
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.
Суть в том, что нейросеть лучше убирает шумы, а прибыльные входы часто в условных выбросах предикторов. Поэтому деревянные модели могут быть лучше в ловле блох.
Сложно не согласится.
У них целевые для регрессии получается? Пока в код не вникал.
Если там бинарная целевая, то я мог бы протестировать на их данных свой метод отбора предикторов. Но, я так понимаю, они хотят код вместе с этапом обучения, и просто указать какие предикторы надо выкинуть - им не интересно?
Кстати, питон очень тяжко работает с большими датасетами - даже прочесть csv файл из коробки не мог с выборкой моей, пока я принудительно не указал, что бы использовал тип данных int8, и то размещает в памяти широко слишком. MQL5 работает куда лучше с памятью в этом плане.
Как их API скачать?Бинарная целевая, но разбитая на несколько страт, поэтому регрессия
у них там не оптимизировано ниче, долго считает. Большие данные логично в нампае открывать, а не в пандОсе
заливается финальная модель на сайт и все, на сайте все написано. Смысла не вижу, потому что на свои деньги там торгуешь. Ну премию дадут за хорошую модель и все. Доходности небольшие.
Бинарная целевая, но разбитая на несколько страт, поэтому регрессия
А можете выборку выложить для обучения и теста их? Что бы не замарачиваться мне с их API и регистрацией?
Большие данные логично в нампае открывать, а не в пандОсе
Да, видимо быстрей будет, но не понятно какой тип данных будет и если в csv колонки с датой и временем или текстом, то вероятно будет ошибка.
Я сейчас открываю csv и сохраняю в формат feather - эта штука очень быстро открывает данные и поддерживает разные типы. Дальше читаю только этот формат.
Смысла не вижу, потому что на свои деньги там торгуешь. Ну премию дадут за хорошую модель и все. Доходности небольшие.
Ну, как беньчмарк для понимания, на сколько отстаешь от лидеров...
Кстати, там не видели статистику по сменяемости лидеров на разных эрах?
Удивительно, как совпадает ход моих мыслей с этим видео
Вторая часть
Удивительно, как совпадает ход моих мыслей с этим видео
Вторая часть
вы искренне считаете, что кто-то будет смотреть два часовых видео, без хотя-бы краткого дайджеста "об чём оно" ?
А можете выборку выложить для обучения и теста их? Что бы не замарачиваться мне с их API и регистрацией?
Да, видимо быстрей будет, но не понятно какой тип данных будет и если в csv колонки с датой и временем или текстом, то вероятно будет ошибка.
Я сейчас открываю csv и сохраняю в формат feather - эта штука очень быстро открывает данные и поддерживает разные типы. Дальше читаю только этот формат.
Ну, как беньчмарк для понимания, на сколько отстаешь от лидеров...
Кстати, там не видели статистику по сменяемости лидеров на разных эрах?
в блокноте все есть, без смс и регистаций
вы искренне считаете, что кто-то будет смотреть два часовых видео, без хотя-бы краткого дайджеста "об чём оно" ?
Кому любопытно - будет.
Видео о попытке из листьев, после построения модели градиентного бустинга, вытащить дополнительную информацию, улучшить разными способами модель. Правда на середине второй части наши дороги с автором видео разошлись.
Кому любопытно - будет.
Видео о попытке из листьев, после построения модели градиентного бустинга, вытащить дополнительную информацию, улучшить разными способами модель. Правда на середине второй части наши дороги с автором видео разошлись.
Обычно не приводит к новым знаниям, но как метод корректировки можно юзать. В каких-то неизвестных пределах. Иногда вообще ничего не дает.
Обычно не приводит к новым знаниям, но как метод корректировки можно юзать. В каких-то неизвестных пределах. Иногда вообще ничего не дает.
Моё виденье тут такое, выборка - конструктор типа Lego - там набор разных деталек, модель - попытка без инструкции собрать чего то интересное из этих деталек - написать свою инструкцию. Так вот, листья тут будут в роли укрупнённых составляющих - несколько блоков удачно слепленных, как задумывал производитель конструктора изначально, к примеру собрана фигурка человечка удачна, пусть и с дефектами. Таких вот удачных конструкций - процентов 10 в модели получается - всё остальное - шальное воображение, не имеющее ничего общего с изначальной инструкцией.
Так вот, собирая такие полу дефективные листья от разных моделей, можно больше собрать удачных блоков, которые сложены в соответствии с инструкцией.
Повторное обучение на этих листьев - это задача раздачи "деталек" на все модельки так, что бы обеспечить разнообразие, но устранить похожесть.
В итоге должны получить больше элементов от изначальной задумки производителя конструктора. Понятно, что конструктор часто достаётся с отсутствующими деталями и идеальную модель не собрать, но что уж тут поделать.
Так что из одной модели больше информации сложно вытащить, а вот из сотни - можно попробовать.
Что касается видео, то их идея уменьшения веса листьев - ну она не будет нормально работать... там нужно делать какую то хитрую калибровку веса листа делать - мне это не удаётся пока. По листьям строить новую модель бустинга - пока самый оптимальный вариант, что я протестировал. В идеале там бы нейронку на один скрытый слой попробовать - но я не уверен, что это быстро будет считаться.
Нейросеть на пайтен на библиотеке tensorflow на Google машинке на выходе eur=usd API mt4 mt5?
Нейросеть на пайтен на библиотеке tensorflow на Google машинке на выходе eur=usd API mt4 mt5?
Вас сложно понять - чего изволите?