ForumBölümler

Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 948

Yeni yorum
San Sanych Fomenko :
Genel olarak, 3 sınıf için hedef çok iyi değil. İki hedefe bölmek daha iyidir: (-1.0) ve (0,1) ve ardından bir pozisyona karar verirken birleştirmek.

3. sınıf için sorduğum şey buydu. Birkaç sayfa önce, sadece iki hedefi olan aynı dosya vardı. İki hedefte ustalaşmadım (sınıflardan birinin miktarı çok çarpık, o da zor), şimdi üç tane deniyorum.

RandomForest'i bekledim, ancak eğitim dosyası için orijinal dosyanın %10'unu aldım.

İşte sonuç:

Number of observations used to build the model: 20276
Missing value imputation is active.

Call:
 randomForest(formula = as .factor(arr_Buy) ~ .,
              data = crs$dataset[crs$sample, c(crs$ input , crs$target)],
              ntree = 500 , mtry = 7 , importance = TRUE , replace = FALSE , na.action = randomForest::na.roughfix)

               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 7

        OOB estimate of  error rate: 11.22 %
Confusion matrix:
     - 1      0      1 class .error
- 1 5335    314    21    0.05908289
0      95 8712    480    0.06191450
1      2 1363 3954    0.25662719

Variable Importance
===================

                                 - 1        0        1 MeanDecreaseAccuracy MeanDecreaseGini
arr_Sell                     223.88 208.20 164.24                216.84            3073.97
arr_DonProcVisota             25.86    57.39    53.05                  57.46            203.17
Levl_Close_MN1                 21.45    51.65    52.89                  58.17            140.68
Levl_High_H4                   22.35    51.81    50.33                  58.17            118.24
Levl_Close_W1                 20.11    48.85    49.94                  52.90            145.82
arr_LastBarPeresekD_Down_M15   22.38    49.70    49.39                  57.02            129.74
arr_Den_Nedeli                 21.46    44.74    49.06                  49.48            129.12
Levl_Low_H4                   20.55    47.30    47.49                  50.63            126.02
arr_Regresor                   23.40    46.78    46.25                  50.94            126.67
Levl_Close_D1                 21.03    42.44    44.51                  47.91            164.55
Levl_Support_D1               22.47    47.09    44.35                  51.17            153.52
Levl_Low_H1                   20.62    47.36    43.94                  50.02            132.55
Levl_Support_W1               18.05    47.42    43.40                  47.19            134.89
arr_DonProc_M15               23.81    50.52    42.83                  52.10            184.02
arr_TimeH                     20.55    41.15    42.07                  42.59            109.51
arr_LastBarPeresekD_Up_M15     22.46    43.85    41.64                  47.63            134.78
arr_DonProc                   21.88    56.26    41.49                  50.51            228.07
Levl_High_W1                   20.78    40.34    41.27                  45.67              91.07
Levl_Low_D1                   18.87    39.05    40.81                  42.30            116.54
Levl_Support_MN1               18.99    39.66    40.36                  41.64            122.87
Levl_High_MN1                 17.25    36.97    39.62                  40.44              88.72
Levl_first_H4                 18.77    38.39    38.71                  42.28              70.63
arr_LastBarPeresekD_Down       19.31    42.64    37.27                  44.06            150.78
Levl_Low_MN1                   17.96    37.24    36.40                  37.83              92.71
Levl_first_H1                 14.43    35.64    34.62                  37.45              78.99
Levl_High_D1                   19.35    34.28    34.48                  36.43            106.69
Levl_Close_H4                 19.72    39.58    33.59                  39.85            170.80
X_USE_Filter_MA_02             15.76    33.70    33.01                  38.00              50.89
Levl_Support_H4               16.71    39.24    32.66                  36.73            152.03
Levl_Low_W1                   16.72    34.05    32.47                  33.22            111.06
Levl_High_H1                   17.58    33.14    31.93                  33.90            117.74
Levl_Close_H1                 19.09    35.94    30.80                  35.35            160.90
Levl_first_W1                 12.82    30.50    30.57                  31.63              51.57
X_Use_Donchianf               13.69    28.78    30.46                  31.47              59.44
Levl_first_MN1                 13.94    27.58    30.02                  29.14              59.58
arr_LastBarPeresekD_Up         15.96    31.32    28.67                  30.59            142.72
Use_Filter_MA_Prirost         11.99    27.62    26.88                  33.29              38.78
arr_Vektor_Don_M15             13.70    26.01    25.25                  29.80              32.87
X_Use_BarPeresek_iMA_TF       11.40    18.48    25.17                  25.30              20.57
Levl_first_D1                 14.97    28.47    24.99                  29.17              46.49
X_Use_Filter_Fibo_in_Day       12.43    24.34    24.84                  29.00              45.29
Levl_Support_H1               17.57    29.98    24.77                  28.92            141.18
arr_Vektor_Week                 7.99    19.81    24.10                  21.56              27.30
arr_RSI_Open_H1               10.31    25.18    23.80                  29.74              27.62
X_USE_Filter_MA               12.64    22.15    22.22                  25.99              41.49
arr_Vektor_Don                 10.20    19.81    15.88                  17.82              41.06
arr_Vektor_Day                 11.65    15.07    15.62                  16.44              25.24
arr_BB_Center                 10.41    15.87    14.93                  15.48              38.40
arr_BB_Up                       7.78    10.50    14.74                  13.99              17.23
X_Use_ChanelEvaProc             4.30    13.36    12.15                  17.63              67.45
arr_RSI_Open_M1                 7.45    12.63    10.49                  13.56              25.92
arr_BB_Down                     5.47    14.77    7.02                  14.50              16.72
USE_Filter_MA_Donchian         0.72    0.10    4.71                  3.29              1.78

Time taken: 2.29 mins

İşte ilginç bir tablo


Buna göre ağaç sayısını yaklaşık 50'ye çıkarmanın hatada bir azalma sağladığını görüyoruz, ancak ağaç sayısını 100'ün üzerine çıkardıktan sonra tamamen boş bir iştir.

Ve işte doğrulama ve test parçalarının sonucu. Onları büyük, orijinalin % 45'i var 

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (counts):

      Predicted
Actual    - 1      0      1 Error
    - 1 24023    1523      70    6.2
     0      473 39706    1964    5.8
     1      10    5858 17615    25.0

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [validate] (proportions):

      Predicted
Actual   - 1      0      1 Error
    - 1 26.3    1.7    0.1    6.2
     0    0.5 43.5    2.2    5.8
     1    0.0    6.4 19.3    25.0

Overall error: 10.9 %, Averaged class error: 12.33333 %


Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (counts):

      Predicted
Actual    - 1      0      1 Error
    - 1 23847    1502      73    6.2
     0      455 39677    1984    5.8
     1        7    6024 17673    25.4

Error matrix for the Random Forest model on Pred_027_2016_H2_T.csv [test] (proportions):

      Predicted
Actual   - 1      0      1 Error
    - 1 26.1    1.6    0.1    6.2
     0    0.5 43.5    2.2    5.8
     1    0.0    6.6 19.4    25.4

Overall error: 11 %, Averaged class error: 12.46667 %

İleride hiçbir şey görünmüyorsa oldukça iyi.

M1'deki TS net değil: Yayılma içinde tahmin edeceğiz.

San Sanych Fomenko :

RandomForest'i bekledim, ancak eğitim dosyası için orijinal dosyanın %10'unu aldım.

İşte sonuç:

Teşekkürler, sonuçlara bakılırsa, işler kötü değil mi?

Ancak, tahmin edici önem tablosuna bakılırsa, arr_Sell bir tahmin edici olarak kullanılmış gibi görünüyor? Eğer öyleyse, o zaman bu doğru değil.

San Sanych Fomenko :

İşte ilginç bir tablo


Buna göre ağaç sayısını yaklaşık 50'ye çıkarmanın hatada bir azalma sağladığını ancak ağaç sayısını 100'ün üzerine çıkardıktan sonra tamamen boş bir alıştırma olduğunu görüyoruz.

Yani muhtemelen mantıklı, ne kadar çok tahminci o kadar fazla karar, yoksa konunun özünü doğru anlamıyor muyum?

San Sanych Fomenko :

İleride hiçbir şey görünmüyorsa oldukça iyi.

M1'deki TS net değil: Yayılma içinde tahmin edeceğiz.

Bir trend stratejisi var ve Si üzerindeki MOEX borsasında çalışıyor, yani. yayılması önemli değil.

Nihai bir karar vermek için:

  • çok özel bir girdi dosyasının koşulları altında tahmin edicilerin tahmin yeteneğini test edin
  • girdi dosyasını fiziksel olarak iki parçaya bölün: birinde benim yaptığımı yapın ve ikincisinde bitmiş ormanı çalıştırın. Hata eşleşirse, o zaman bir milyoner veya milyarder!

Alexey Vyazmikin :

Bir trend stratejisi var ve Si üzerindeki MOEX borsasında çalışıyor, yani. yayılması önemli değil.

Sınıflandırmadaki eğilim nedir? Sınıf tahmin hataları trendi kıracak - trendden geriye hiçbir şey kalmayacak.

Alexey Vyazmikin :


Ancak, tahmin edici önem tablosuna bakılırsa, arr_Sell bir tahmin edici olarak kullanılmış gibi görünüyor? Eğer öyleyse, o zaman bu doğru değil.


Tabii ki, köknar ağaçları!

Başka?

Şimdi sayacağım.

1...941942943944945946947948949950951952953954955...3399
Yeni yorum