交易中的机器学习：理论、模型、实践和算法交易 - 页 1240

[forexman77]

马克西姆-德米特里耶夫斯基。

我们不是为了钱，而是为了想法。）钱可以通过更微不足道的手段来赚。

是的，这个想法有什么意义。嗯，有机器学习，但奇迹不会发生，它只是一个更复杂的指标，仅此而已。

我想交易一些股票、期货，但我需要更多的钱，这意味着，它不适合我。

我不知道如何使用这些指标，它们可能属于不同的交易类型。

[Maxim Dmitrievsky]

forexman77:

是的，这个想法有什么意义。嗯，有机器学习，但没有奇迹，它只是一个更复杂的指标，仅此而已。

好吧，或股票交易，或期货交易，但我需要更多的钱在那里，所以它不适合我。

我有很多神经和力量，而输出的东西就像蚊子的肉。

我必须让我的屁股保持温暖，然后受苦......或者在这块场地上寻找出租车

[forexman77]

为了使它更简短，想象一下外汇是一座你必须要爬的山。但是，它实际上是一座光滑的山，没有什么可依附的。

而对MO的改进1-2%几乎没有任何作用，那里没有预测因素，只有噪音和所有的东西，剩下的就是再训练，没有别的。

[Forester]

Maxim Dmitrievsky:

简而言之，在alglib分类错误和logloss...logloss一点意义都没有，在训练样本>0.8和oob 0.2的情况下，森林的分类误差下降到零。

这就是为什么我采取了一个小的训练样本，以获得某种误差，但它仍然很小。我不知道如何与Python的比较。

更像是再培训...树可以完全记住输入数据。R可以减少，而且Algibe中似乎没有其他可以调整的地方。例如，在xgboost 中，你可以限制树的深度。
这就是为什么我起初没有使用它们，而改用网格。但电网也有自己的问题。

[Maxim Dmitrievsky]

Vizard_。

幽默风趣...马克西姆卡，这就是为什么他在发呆））））。我没有写任何东西。简而言之--logloss是一种惩罚。用akuarisi改，很容易解释，这就是为什么要用它。

Logloss mona，然后弯曲一点，如果幸运的话，再来几个百分点，就可以把它挤出来了。给Fa看的，R.A.有一本圣经。

我总是忘记一半，然后在一年后惊讶地发现同样的事情。重新计算:)在alglib中有一些废话，不像在严肃的lib中，森林是自制的。

[Forester]

Vizard_。

幽默风趣...马克西姆卡，这就是为什么他在发呆））））。我没有写任何东西。简而言之--logloss是一种惩罚。它很容易解释，这就是为什么它被使用。

Logloss mona然后弯曲一点，更多的百分比对，如果你幸运地挤出来的准确性。我给Fa看了，R里有一本圣经......algib里有什么，我不知道你的设置是怎么回事......

拨浪鼓上的贪婪...

Alglib-e只有r用于正则化。

[forexman77]

我认为你根本不能把acuracu应用于市场，那里的阶层从一开始就不平衡。

如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。最好是看一下混淆矩阵，它显示了类别的划分情况。

[Maxim Dmitrievsky]

elibrarius。
更像是过度训练...另一方面，Treynes可以完全记住输入数据。R可以减少，而且Alglib中似乎没有其他可以调整的地方。例如，在xgboost中，你可以限制树的深度。
这就是为什么我起初没有使用它们，而改用网格。但电网也有自己的问题。

只有树的数量和r是的，如果r大于0.6，几乎总是在托盘上有一个分类错误0.0 :)))在测试中可能有变化，通常在0.5左右。

[Forester]

forexman77:

我认为你根本不能将acuracu应用于市场，那里的阶层从一开始就不平衡。

如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。我宁愿看到混乱矩阵，它具体显示了阶级是如何划分的。

我也不太理解 "准确性"。错误矩阵或分类错误比较清楚，我把它显示在我的屏幕上。

[Maxim Dmitrievsky]

Vizard_:

Nspesh在python中也可以尝试不同的。例如，Cat Boost，即使开箱也没有什么优惠+它在一排吃所有的东西+有一个带圆点的可视器（在切割没有真正改善的时候把它打开）等等......

已经安装好了，明天我就试试，还有GBM，也许还有LightGbm...xgboost的设置很繁琐，要花很长时间才能搞清楚。