Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3518
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Другая выборка и разметка
На показатель не оказывает ли влияние баланс классов?
Я взял три выборки и измерил показатель. Или что надо?
ChatGPT:
Перестановочная энтропия измеряет сложность или непредсказуемость временного ряда на основе перестановок его значений. Этот показатель основывается на частоте появления различных перестановок в ряду данных.
Зависимость показателя перестановочной энтропии от сбалансированности классов зависит от того, какие именно классы вы рассматриваете в вашем временном ряде и как часто они встречаются. Если классы встречаются в данных примерно одинаково часто, это может привести к более равномерному распределению перестановок и, как следствие, к более низкой перестановочной энтропии.
Однако, если один или несколько классов значительно преобладают над другими, это может привести к более неравномерному распределению перестановок и, следовательно, к более высокой перестановочной энтропии.
Таким образом, можно ожидать, что сбалансированные классы могут привести к более низкой перестановочной энтропии, в то время как несбалансированные классы могут привести к более высокой перестановочной энтропии. Однако это может зависеть от конкретных данных и их распределения.
Другая выборка и разметка
На показатель не оказывает ли влияние баланс классов?
Измерить энтропию меток до обучения. Потом сопоставить с результатами на ООС обученной модели уже по своим оценкам. Снижение энтропии должно улучшать торговлю на ООС.
Думаю, для этого нужен Recall под единицу, у меня таких и близко нет моделей.
Думаю, для этого нужен Recall под единицу, у меня таких и близко нет моделей.
Субъективно, снижение энтропии должно влиять на любых дынных и для любых моделей. Если есть такая зависимость, но она пока не доказана.
Я к тому, что при низком Recall - будет очень мало единиц после классификации, а их, вероятно, должно быть примерно столько же для корректной оценки. Или предлагаете брать только участок, где модель классифицировала пример единицей и по этим данным оценивать энтропию? Тогда объём данных будет очень мал.
Я к тому, что при низком Recall - будет очень мало единиц после классификации, а их, вероятно, должно быть примерно столько же для корректной оценки. Или предлагаете брать только участок, где модель классифицировала пример единицей и по этим данным оценивать энтропию? Тогда объём данных будет очень мал.
Субъективно, снижение энтропии должно влиять на любых дынных и для любых моделей. Если есть такая зависимость, но она пока не доказана.
переводчик на англ. форуме перевел, что "должно влиять на любые дыни". Там было слово "Данные" :)
Хотя на некоторые дыни это тоже может повлиять :)