Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3074

Yeni yorum
 
fxsaber #:

Sorunuzu tekrar formüle edin.

Gerçek Forex'te işlem yaptıysanız, gece 1 civarında oradaki spread'i genişletmiyorlar mı? Tıpkı normal mutfaklarda olduğu gibi.
 
mytarmailS #:
Gerçek Forex'te işlem yaptıysanız, gece 1 civarında oradaki spread'i genişletmiyorlar mı? Tıpkı normal mutfaklarda olduğu gibi.

.

 
Bu konuyla ilgili olmayan yorumlar "KonuDışı" bölümüne taşınmıştır.
 
Valeriy Yastremskiy #:

Evet, M5)

Şimdi tekrar edeceğim) İyi ki enidesk'im ve iş bilgisayarıma erişimim var))))

270 dolar. ve en iyi sl 11500, genel olarak 5200 sl ve 350 tp yaklaşık aynı sonuç.

Belki fark büyüktür. Daha fazla kârım var, genel olarak eğri aynı. Son birkaç yıldır biraz zorlu bir öğrenme eğrisi var, evet. Ama öncekiler daha iyiydi.

 
Andrey Dik #:
Dünya pürüzsüz olmasaydı..... her şey nasıl görünürdü?
ilginç, ancak birçok soru hemen ortaya çıkıyor, evet, tüm "varlıklar" bir sonraki kararı verme açısından kördür, ancak daha iyi bir karar biliniyorsa (görülüyorsa), o zaman karar verme noktası ortadan kalkar - özgür irade ortadan kalkar? garip mantıksal bulmaca.
Henüz açık olan veya olmayan birçok arama stratejisi vardır, ancak toplum tarafından bilinen optimuma yönelmenin her zaman daha iyi bir çözüm bulmaya izin vermediği bilinmektedir (yine kolektif düşünme tuzağı paradoksu).

Piyasada bu optimum sürekli değişmektedir - tıpkı bir depremden sonra gezegenin arazisi gibi.... ve bu yüzden bizim görevimiz bunun ne zaman olacağını veya ne zaman olacağını tahmin etmektir, ama en önemlisi yeni bir optimum aramanın gerekli olduğu anı tahmin etmektir....

 
Farklı yöntemleri karşılaştıran makale. Videolara ve kitaba ek olarak. Diğer makalelere birçok referans var.
İstatistik bölümlerinde ya da MOE kitaplarında yok. Ekonometride olması gerektiği gibi ama orada da yok. Bir şekilde tek başına duruyor.
Araştırmacılardan biri (sanırım 2018'de çift makine öğrenimini bulan) bizim göçmen Chernozhukov. Onun çalışmaları da İngilizce. Prado da meta modellerini oradan uyarlamış anlaşılan. Ama çok yüzeysel olarak.

 
Maxim Dmitrievsky #:
Farklı yöntemleri karşılaştıran makale. Videolara ve kitaba ek olarak. Diğer makalelere birçok referans var.
İstatistik bölümlerinde ya da MOE kitaplarında yok. Ekonometride olması gerektiği gibi ama orada da yok. Bir nevi tek başına duruyor.
Araştırmacılardan biri (sanırım 2018'de çift makine öğrenimini bulan) göçmenimiz Chernozhukov. Onun çalışmaları da İngilizce. Görünüşe göre Prado da meta modellerini oradan uyarlamış. Ama çok yüzeysel olarak.

h ttps://arxiv.or g/pdf/2201.12692.pdf


Bu resimden.

MO için sıralı örnekleme kabul edilemez - sadece rastgele örnekleme ve sadece rastgele değil.

 
СанСаныч Фоменко #:

Bu resimden.

MO için, sıralı örnekleme kabul edilemez - sadece rastgele örnekleme kabul edilebilir, sadece rastgele örnekleme değil.

Maxim Dmitrievsky #:
Farklı yöntemleri karşılaştıran makale. Videolara ve kitaba ek olarak. Diğer makalelere birçok referansı vardır.
Bu istatistik bölümlerinde veya MOE kitaplarında yok. Ekonometride olması gerektiği gibi ama orada da yok. Tek başına duruyor.
Araştırmacılardan biri (sanırım 2018'de çift makine öğrenimini bulan) göçmenimiz Chernozhukov. Onun çalışmaları da İngilizce. Görünüşe göre Prado da meta modellerini oradan uyarlamış. Ama çok yüzeysel olarak.

h ttps://arxiv.or g/pdf/2201.12692.pdf


Harika bir makale!

Uygulamalardan anladığım kadarıyla, sınıflandırma sonucu sadece orijinal verinin kalitesine değil, aynı zamanda eğitim ve değerlendirme setini nasıl oluşturduğumuza da bağlı. Ve henüz anlamadığım başka bir şeye.

 
СанСаныч Фоменко #:

Harika bir makale!

Uygulamalardan anladığım kadarıyla, sınıflandırma sonucu sadece orijinal verinin kalitesine değil, aynı zamanda eğitim ve değerlendirme setini nasıl oluşturduğumuza da bağlı. Ve henüz anlamadığım başka bir şeye daha.

Hehe. Bundan önce daha fazla video izleyin, resmi netleştirebilir. Mesele, verilerde bu tür örnekleri bulmaktır, diyelim ki W özelliklerinin bir vektörü ile X, tritmente mümkün olduğunca iyi tepki veren (bizim durumumuzda modelin eğitimi) ve bunları "ticaret yapmak" sınıfına tahsis etmek, diğerleri dokunmamak daha iyi olduğunda, "ticaret yapmamak", çünkü eğitime kötü tepki veriyorlar (yeni verilerde model onları tritment grubuna dahil ederken hata yapıyor). Pazarlamada bunlar kullanıcı örnekleridir. Bir kullanıcı örneği bir reklam kampanyasından etkilenecektir, ancak diğerleri reklam kampanyası bütçesini kullanmaya değmez.

Ben bunu TC bağlamında bu şekilde anlıyorum.

 
Maxim Dmitrievsky #:

Hehehe. Bundan önce daha fazla videoya bakın, belki resmi netleştirir. Mesele, verilerde bu tür örnekleri bulmaktır, diyelim ki W özelliklerinin bir vektörü ile X, tritmente (bizim durumumuzda modelin eğitimi) mümkün olduğunca iyi tepki veren ve bunları "ticaret yapmak" sınıfına tahsis etmek, diğerleri dokunmamak daha iyi olduğunda, "ticaret yapmamak", çünkü eğitime iyi tepki vermiyorlar (yeni verilerde model onları tritment grubuna dahil ederken hata yapıyor). Pazarlamada bunlar kullanıcı örnekleridir. Bir kullanıcı örneği bir reklam kampanyasından etkilenecektir, ancak reklam kampanyası bütçesini diğerleri üzerinde kullanmak uygun değildir.

Ben bunu TC bağlamında bu şekilde anlıyorum.

Sizin anlayışınızda ısrarlı bir determinizm kokusu varken, makale rastgeleliğin ve hatta dengesiz verilerin ilahıdır. Örneklem seçimi yok, tam tersi. X-learner'ı öneriyoruz, ki

ilk olarak iki tepki fonksiyonunu µ(x, 1) ve µ(x, 0) tahmin eder. Daha sonra bu tahminleri tedavi edilen, ˜ξ 1 i , ve kontrol, ˜ξ 0 i , için gözlemlenmemiş bireysel tedavi etkilerini impute etmek için kullanır. Tahmin edilen etkiler, sırasıyla tedavi edilen örneklemdeki τ (x, 1) ve kontrol örneklemindeki τ (x, 0) tedavi etkilerini tahmin etmek için sözde sonuçlar olarak kullanılır. Nihai CATE tahmini τ (x), eğilim puanı e(x) ile ağırlıklandırılmış bu tedavi etkisi tahminlerinin ağırlıklı bir ortalamasıdır. Böylece X-öğrenen, çapraz regresyon tarzında kontroller hakkında bilgi edinmek için tedavi edilenlerden gelen bilgileri ek olarak kullanır ve bunun tersi de geçerlidir, dolayısıyla adlandırma etiketindeki X terimi de buradan gelmektedir.

"İyi" bir seçim gibi bir şey değil.

1...306730683069307030713072307330743075307630773078307930803081...3399
Yeni yorum
Neden: