Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3701
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
Новый вероятностный бустинг от Стэндфордского университета. Ну как новый, 6 лет от роду.
Новый вероятностный бустинг от Стэндфордского университета. Ну как новый, 6 лет от роду.
Новый вероятностный бустинг от Стэндфордского университета. Ну как новый, 6 лет от роду.
Похоже, параметрический подход, когда распределение берётся из какого-то параметрического семейства:
Our approach is to assume
Pθ (y|x) is of a specified parametric form, then estimate the
p parameters θ ∈ Rp of the distribution as functions of x
Пока не понял, насколько свободно можно выбирать семйство распределений.
В целом, параметрический подход хорош тем, что позволяет работать с меньшими выборками. Плох он меньшей гибкостью, но это можно отчасти компенсировать свободой выбора параметрического семейства распределения.
Спасибо!
Планируется ли когда-нибудь сделать сортировку матриц/векторов?
Уже есть давно: https://www.mql5.com/ru/docs/matrix/matrix_manipulations/matrix_sort
Уже есть давно: https://www.mql5.com/ru/docs/matrix/matrix_manipulations/matrix_sort
Почему то у меня (версия 5100) так:
Почему то у меня (версия 5100) так:
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Новая версия платформы MetaTrader 5 build 4620: исправления ошибок в MQL5 и новые методы OpenBLAS
Rashid Umarov, 2024.10.15 16:41
По информации от разработчиков, функция была сознательно отключена на время переезда на новый компилятор. Когда вернут обратно — пока неизвестно.
Похоже, параметрический подход, когда распределение берётся из какого-то параметрического семейства:
Our approach is to assume
Pθ (y|x) is of a specified parametric form, then estimate the
p parameters θ ∈ Rp of the distribution as functions of x
Пока не понял, насколько свободно можно выбирать семйство распределений.
В целом, параметрический подход хорош тем, что позволяет работать с меньшими выборками. Плох он меньшей гибкостью, но это можно отчасти компенсировать свободой выбора параметрического семейства распределения.
Для бинарной классификации - распределение Бернулли. Выбор без выбора :)
https://stanfordmlgroup.github.io/ngboost/1-useage.html
Для бинарной классификации - распределение Бернулли. Выбор без выбора :)
https://stanfordmlgroup.github.io/ngboost/1-useage.html
))
Да, для классификации вероятностный подход конечно не даёт ничего нового. Только для регрессии, когда выходом будет не числовое значение, а его распределение.
Имхо, этот подход неплохо ложится на метод, когда ищутся отклонения распределения выхода от того что должно быть при СБ.
Ну, в теории хотя бы) На практике нас всех ждёт завод, конечно)