交易中的机器学习：理论、模型、实践和算法交易

Maxim Dmitrievsky 2019.01.16 14:41 #12571

elibrarius。

大量的公式((

嗯）有一个R包的链接。我自己不使用R，我了解这些公式。

如果你使用R，可以试试 )

Forester 2019.01.16 15:09 #12572

马克西姆-德米特里耶夫斯基。

嗯）有一个R包的链接。我自己不使用R，我了解这些公式。

如果你使用R，可以试试 )

今天上午的文章仍然开放：https://towardsdatascience.com/bayesian-additive-regression-trees-paper-summary-9da19708fa71

最令人失望的事实是，我找不到这种算法的Python实现。作者创建了一个R包（BayesTrees），该包有一些明显的问题--主要是缺乏 "预测 "功能--另一个更广泛使用的实现，名为bartMachine。

如果你有实现这一技术的经验，或者知道一个Python库，请在评论中留下链接

所以第一套方案是没有用的，因为它不能预测。
第二个链接又有公式。

这里有一棵普通的树，很容易理解。一切都很简单，符合逻辑。而且没有公式。

Forester 2019.01.16 16:09 #12573

马克西姆-德米特里耶夫斯基。

也许我还没有接触到解放军。树只是一个巨大的贝叶斯主题的一个特例，例如，这里有很多书籍和视频的例子

我根据Vladimir的文章，用贝叶斯法优化NS的超参数。它的效果很好。

但是，如果有很多变量需要优化，那就太长了。

马克西姆-德米特里耶夫斯基。

像什么树......有贝叶斯的神经网络

出乎意料的是!
NS使用数学运算+和*，可以在其内部构建从MA到数字滤波器的任何指标。
但树是通过简单的if(x<v){left branch}else{right branch}分成左右两部分。
还是说如果(x<v){左分支}else{右分支}？

Maxim Dmitrievsky 2019.01.16 16:16 #12574

elibrarius。
但如果有很多变量需要优化，那就会很漫长。

出乎意料的是!
NS使用数学运算+和*，可以在里面构建任何指标--从MA到数字滤波器。
树通过简单的if(x<v){left branch}else{right branch}分为左右两部分。
或者说，白岩松NS也是if(x<v){左分支}else{右分支}？

是的，很慢，所以从那里拉出有用的知识，到目前为止，对一些事情有了一个了解。

不，在贝叶斯NS中，只是通过对分布中的权重进行抽样优化，而输出也是一个包含一堆选择的分布，但有一个平均值、方差等。换句话说，它某种程度上捕捉了很多实际上不在训练数据集中的变体，但它们是先验的，是假设的。越多的样本被送入这样的NS，它就越接近于正常的收敛，也就是说，贝叶斯方法最初是用于不是很大的数据集。这是我目前所知的情况。

也就是说，这样的NS不需要非常大的数据集，结果会收敛到传统的数据集。但训练后的输出将不是一个点估计，而是每个样本的概率分布。

Кеша Рутов 2019.01.16 16:25 #12575

马克西姆-德米特里耶夫斯基。

是的，很慢，所以从那里拉出有用的知识，到目前为止，对一些事情有了一个了解。

不，在贝叶斯NS中，只是通过对分布中的权重进行抽样优化，而输出也是一个包含一堆选择的分布，但有一个平均值、方差等。换句话说，它某种程度上捕捉了很多实际上不在训练数据集中的变体，但它们是先验的，是假设的。越多的样本被送入这样的NS，它就越接近于正常的收敛，也就是说，贝叶斯方法最初是用于不是很大的数据集。这是我目前所知的情况。

也就是说，这样的NS不需要非常大的数据集，结果会收敛到传统的数据集。但训练后的输出将不是一个点估计，而是每个样本的概率分布。

你像速度一样到处跑，一件事，另一件事......而这是没有用的。

你似乎有很多空闲时间，像一些绅士一样，你需要工作，努力工作，争取职业发展，而不是急于从神经网络到基础知识。

相信我，在任何正常的经纪公司，没有人会因为科学的言语或文章而给你钱，只有被世界主要经纪人确认的股权。

Кеша Рутов 2019.01.16 16:31 #12576

马克西姆-德米特里耶夫斯基。

我不急于求成，但我坚持从简单到复杂的学习。

如果你没有工作，我可以提供给你，比如说，用mql重写一些东西。

我和大家一样为地主工作，你不工作很奇怪，你自己是地主，是继承人，是金主，一个正常人如果在街上3个月就失去了工作，6个月就死了。

Кеша Рутов 2019.01.16 16:34 #12577

马克西姆-德米特里耶夫斯基。

如果交易中根本没有关于MO的内容，那就去走走吧，你会认为你是这里唯一的乞丐)

我在IR中给他们都看了，说实话，没有幼稚的秘密，没有废话，测试中的误差是10-15%，但市场在不断变化，交易没有进行，喋喋不休接近零

Кеша Рутов 2019.01.16 16:36 #12578

马克西姆-德米特里耶夫斯基。

总之，走开，瓦夏，我对抱怨不感兴趣。

你所做的只是抱怨，没有结果，你在水中挖叉子，仅此而已，但你没有勇气承认你在浪费时间

你应该参军，或者至少在建筑工地上和男人一起做体力活，你会改善你的性格。

Forester 2019.01.16 16:39 #12579

Maxim Dmitrievsky:

它很慢，这就是为什么到目前为止我从它身上拔出了一些有用的知识，它让人们了解了一些事情。

不，在贝叶斯NS中，只是通过对分布中的权重进行抽样优化，而输出也是一个包含一堆选择的分布，但有一个平均值、方差等。换句话说，它某种程度上捕捉了很多实际上不在训练数据集中的变体，但它们是先验的，是假设的。越多的样本被送入这样的NS，它就越接近于正常的收敛，也就是说，贝叶斯方法最初是用于不是很大的数据集。这是我目前所知的情况。

也就是说，这样的NS不需要非常大的数据集，结果会收敛到传统的数据集。

是不是像例子中那样把贝叶斯曲线投射10个点，然后从这个曲线上取100或1000个点，用它们来教授NS/森林？
下面是来自https://www.mql5.com/ru/forum/226219 对Vladimir关于贝叶斯优化的文章的评论，它是如何在多个点上绘制曲线的。但后来他们也不需要NS/森林了--你可以直接在这条曲线上寻找答案。