Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 896
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
и скажу я Вам что эти модели работаю ТОЧНО так же как и Решетовские на ООС. Прям один в один.
т.е, в твоем случае, НИКАК? скажулишь тоже, более лимени полноте 3 класса церковно приходского
т.е, в твоем случае, НИКАК? скажулишь тоже, более лимени полноте 3 класса церковно приходского
Не в этот раз Максимка, не в этот....... Фокусник оказался прав. Качество данных возросло на порядок, отсюда и качество модели......
Два моих любимых фокусника снова дружат. Что ждет их впереди)))
Не.... он ещё не извинился.... хотя пока и извинятся не за что....
нет, не делал никогда
не очень понимаю зачем это нужно, т.к, например, лес это уже универсальный классификатор или аппроксиматор, и руками там нечего править
а одиночные деревья это довольно слабые примитивные алгоритмы
Дерево скорей четкая логика, которая формируется после анализа, а всё остальное похоже пока для меня на подгонку.
Меня заинтересовало дерево, как удобный инструмент для учета разных ситуаций на рынке, т.е. с помощью него удобно один и тот же паттерн использовать при разных условиях, при этом выделение этих условий будет либо активировать работу паттерна, либо нет. Это очень классный инструмент для формирования сложных моделей, которые можно не сложно запрограммировать, но вот удобной программы нет.
И если дерево, даёт результат в 90% из имеющихся предикторов, то этого уже более чем много, какой тогда смысл в НС или ансамбле деревьев? Обратил внимание, что если дерево использует логические правила (>/</==) для выделение областей классификации предикторов, то результат получается лучше, я так понимаю, что дерево не перебирает все доступные результаты или из-за среза правила с малым подкреплением срезаются, в итоге теряется 5-10% достоверного распознания выборки.
И если дерево, даёт результат в 90% из имеющихся предикторов, то этого уже более чем много, какой тогда смысл в НС или ансамбле деревьев? Обратил внимание, что если дерево использует логические правила (>/</==) для выделение областей классификации предикторов, то результат получается лучше, я так понимаю, что дерево не перебирает все доступные результаты или из-за среза правила с малым подкреплением срезаются, в итоге теряется 5-10% достоверного распознания выборки.
смысл в том, что 1 дерево просто выучивает последовательность, без шансов адаптироваться под изменения закономерностей (а на рынке они всегда будут)
в ансамблях много случайных компонент, которые увеличивают устойчивость на новых данных
да, срезание дерева называется pruning
Укуренный Максимка Фокусник тебя вооще ни во что не ставит.
Не понимает всей глубины твоей души.
На автомата вообще вчера кинулся. Поаккуратней с ним))) угараю...
я то сфигаль фокусник? у меня посты магическим образом не исчезают
просто статист провокатор
да и не курю
смысл в том, что 1 дерево просто выучивает последовательность, без шансов адаптироваться под изменения закономерностей (а на рынке они всегда будут)
в ансамблях много случайных компонент, которые увеличивают устойчивость на новых данных
да, срезание дерева называется pruning
Как мы можем знать, каким образом будут менять закономерности? Разве сеть может разделить выборку на 100 частей и исследовать в этих сигментах не только связи предикторов, но и характер изменения этих связей, т.е. закономерности? Если она так делает, то да, она может предположить правила изменения закономерности, но всё о чём я читал - похоже на извращенную классификацию.
Что мне нравится в дереве - это задание иерархии, в проге в которой я работаю сейчас можно создать базовую иерархию, а уже от неё сделать автоматический расчет (пока это хлопотно, но может я не всеми инструментами пользуюсь, так-как многие мне просто не понятны по их названию). К примеру для создания АТС я использую такие вопросы, на которые должна дать ТС ответы для принятия торгового решения:
- Где я? (Описание точки нахождения цены)
- Как сюда попал? (Анализ характера движения из условно противоположной точки к текущей)
- Что может случится? (Расчет вероятных событий при их наступлении в будущем)
- Что делать? (Анализ исторических закономерностей с учетом ответа на первые 3 вопроса)
- Стоит ли рисковать? (Анализ возможных потерь от входа в сделку и возможной прибыли)
Вот и хочу, что бы в такой же последовательности сеть/дерево/леса отвечали на эти вопросы при принятии решения о торговли.
Как мы можем знать, каким образом будут менять закономерности? Разве сеть может разделить выборку на 100 частей и исследовать в этих сигментах не только связи предикторов, но и характер изменения этих связей, т.е. закономерности? Если она так делает, то да, она может предположить правила изменения закономерности, но всё о чём я читал - похоже на извращенную классификацию.
лес так и делает, нейросети с кросс-валидаией и\или ансамбли базовых моделей тоже
+ различные регуляризации
лес так и делает, нейросети с кросс-валидаией и\или ансамбли базовых моделей тоже
Про НС - может я что-то пока не понимаю...
Как лес так делает? Лес просто берет случайным образом предикторы и между ними ищет связи, а потом голосует. Он будет либо не правильно/правильно голосовать по выборке при стационарной модели в зависимости от полученного рандома выборки/предикторов, либо его правильное голосование будет смещено по этой выборке, если предположить что закономерности в выборке меняются. Но где анализ изменения закономерностей? Я как понимаю, лес хорош, когда не знаешь на сколько хороши предикторы, тогда при отсутствии взаимного подкрепления предикторов такие предикторы либо не будут иметь веса при голосовании, либо вес их будет не значителен. Или я совсем не верно всё понимаю?