Bayesian regresyon - Bu algoritmayı kullanarak Uzman Danışman yapan var mı? - sayfa 27
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bu nedenle, puanı 2'den az olan çok fazla tahmin edici varsa, o zaman yararlı tahminciler benimkinden başka şekillerde ayırt edilemez. Bu nasıl yorumlanır, bilmiyorum. Tahmin edicilerin sadece hedef değişken üzerinde değil, kendi aralarında da etkisi olduğunu unutmayalım. Çoğu zaman, yalnızca kaldırılacak tahmin edicilerin listesi değil, aynı zamanda kaldırılma sırası da önemlidir.
Tahmin edicilerin genellikle birbirine bağımlı olduğu açıktır.
Sanırım, benzetilmiş tavlama gibi stokastik yöntemlerin kullanımına öncülük ediyorsunuz. Ben de bunu kullanıyorum. Ayrıca, bir dizi tahmin edicinin (1 veya daha fazla) hedef değişkenle ilişkisini oldukça akıllıca hesaplayabilen ve orada hem açgözlü hem de stokastik seçim yöntemlerini değiştirebilen bir programım var. Bir yerde açgözlü daha iyi çalışır, bir yerde stokastik.
ANCAK! Bir karar ormanı (veya GBM) kullanırsam ve değişkenlerin önemini eğitilmiş modelden çıkarırsam, bazılarının nadiren kullanıldığını veya hiç kullanılmadığını görüyorum.
Boyutsallık azaltmanın modelin kalitesini artırabildiğini mi söylüyorsunuz (uyumsuzluğu azaltıyor)? Bu bir karar ormanı için geçerli mi?
Şaşırtıcı olmayan bir şekilde, nicelikler, çapraz doğrulamalar ve önyüklemeler açısından konuşmuyorsunuz.
Tahmin edicilerin genellikle birbirine bağımlı olduğu açıktır.
Sanırım, benzetilmiş tavlama gibi stokastik yöntemlerin kullanımına öncülük ediyorsunuz. Ben de bunu kullanıyorum. Ayrıca, bir dizi tahmin edicinin (1 veya daha fazla) hedef değişkenle ilişkisini oldukça akıllıca hesaplayabilen ve orada hem açgözlü hem de stokastik seçim yöntemlerini değiştirebilen bir programım var. Bir yerde açgözlü daha iyi çalışır, bir yerde stokastik.
ANCAK! Bir karar ormanı (veya GBM) kullanırsam ve değişkenlerin önemini eğitilmiş modelden çıkarırsam, bazılarının nadiren kullanıldığını veya hiç kullanılmadığını görüyorum.
Boyutsallık azaltmanın modelin kalitesini artırabildiğini mi söylüyorsunuz (uyumsuzluğu azaltıyor)? Bu bir karar ormanı için geçerli mi?
SVM, ada, çeşitli ağaçlar.
Boyut azaltma - böyle bir hedef belirlenmedi.
Hedef değişken ile ilgili tahmin ediciler alınır ve tahmin edici seçim algoritması bu küme üzerinde çalıştırılır. Bir sonraki pencerede ne vereceği bilinmiyor: belki tüm tahmincileri, belki bir kısmını bırakacak ....
not
GBM hakkında. Nedense adadan daha iyi sonuç alamadım...
PSPS
Sonuçlarıma göre, Caret'teki en etkili tahminci seçim algoritmaları (rfe, saf, gaf). Ne yazık ki tüm modeller için değil. Bunları kullanma deneyiminiz var mı?
Fikrinizi sorayım, belirli para birimlerinde forex piyasası gerçekten bir alış ve fiyat sor (insanlar alıp satar) mı yoksa para almak için otomatik bir sistem mi? Bir (kumarhane) olarak, bir rulet çarkında topun düşmemesi gereken yere nasıl düştüğünü gördüm, mıknatıs %100 çalıştı, isterseniz %1000 emin olabilirsiniz. Neden böyle bir soru, fiyat öyle bir yol kat ediyor açıklayayım ki, kendim de dahil kullandığım sistemler para kaybetti, foruma bakılırsa tek ben değilim yani herkesi yapıyor.
Burayı okuyun: http://www.foxbusiness.com/features/2014/11/12/six-big-banks-fined-43b-in-fx-rate-rigging-scam.html
Özellikle şu: "OCC, tüccarların potansiyel olarak müşterilerine zarar verebilecek ancak kendilerine ve bankalarına fayda sağlayacak eylemleri tartıştıklarını ve belirli para birimlerinde ticaret yapmamayı kabul ettiklerini tespit etti."
Fikrinizi sorayım, belirli para birimlerinde forex piyasası gerçekten bir alış ve fiyat sor (insanlar alıp satar) mı yoksa para almak için otomatik bir sistem mi? (Casino) gibi, bir rulet çarkında topun düşmemesi gereken yere düştüğünü gördüm, mıknatıs %100 çalıştı, isterseniz %1000 emin olun. Neden böyle bir soru, fiyat öyle bir yol kat ediyor açıklayayım ki, kendim de dahil kullandığım sistemler para kaybetti, foruma bakılırsa tek ben değilim yani herkesi yapıyor.
Yeni başlayanlar için martingale'yi hiçbir şekilde kullanmayın. :)
Ve fiyatların hareketi (orta vadeli ve uzun vadeli eğilimler) altı çok güçlü banka tarafından bile değil, temel nedenlerle belirlenir - ticaret dengesi, iskonto oranı, fiyat endeksi vb.
SVM, ada, çeşitli ağaçlar.
Boyut azaltma - böyle bir hedef belirlenmedi.
Hedef değişken ile ilgili tahmin ediciler alınır ve tahmin edici seçim algoritması bu küme üzerinde çalıştırılır. Bir sonraki pencerede ne vereceği bilinmiyor: belki tüm tahmincileri, belki bir kısmını bırakacak ....
not
GBM hakkında. Nedense adadan daha iyi sonuç alamadım...
PSPS
Sonuçlarıma göre, Caret'teki en etkili tahminci seçim algoritmaları (rfe, saf, gaf). Ne yazık ki tüm modeller için değil. Bunları kullanma deneyiminiz var mı?
SVM, ada, çeşitli ağaçlar.
Boyut azaltma - böyle bir hedef belirlenmedi.
Hedef değişken ile ilgili tahmin ediciler alınır ve tahmin edici seçim algoritması bu küme üzerinde çalıştırılır. Bir sonraki pencerede ne vereceği bilinmiyor: belki tüm tahmincileri, belki bir kısmını bırakacak ....
not
GBM hakkında. Nedense adadan daha iyi sonuç alamadım...
PSPS
Sonuçlarıma göre, Caret'teki en etkili tahminci seçim algoritmaları (rfe, saf, gaf). Ne yazık ki tüm modeller için değil. Bunları kullanma deneyiminiz var mı?
Karar ormanındaki önem metriğini veya bilgi metriğini (karşılıklı bilgilere dayalı olarak) kullanırım. Genel olarak orman tipi karar modellerinde ön seçim yapılmasına gerek olmadığını düşünüyorum ......
Ve Fomenko vb. ile dikkatli olun ... tavo ve bakın, sizi rastgele bir ormana götürecekler)))
Evet.
Ve Fomenko vb. ile dikkatli olun ... tavo ve bakın, sizi rastgele bir ormana götürecekler)))