交易中的机器学习：理论、模型、实践和算法交易 - 页 1811

新评论
 
Maxim Dmitrievsky:
Discretisation is nonsense, you can use regularisation.在交易过程中对模型进行额外的训练也是无稽之谈，它不会起作用。

这也太激进了吧）））。

 
Valeriy Yastremskiy:

彻底解决问题。）

你不会在这种方式中找到模式，这只是zafit。如何用棉絮把槽塞得更紧
 
马克西姆-德米特里夫斯基：
你无法通过这些方式找到模式，这只是扎菲特。如何用棉絮塞住槽口

Do-learning并不改变搜索的方式，而是为学习增加新的数据。为什么这是一件坏事呢？

分离是比较复杂的，没有直接的逻辑，你怎么能确定？

 
Valeriy Yastremskiy:

Do-learning并不改变你的搜索方式，但它确实为学习增加了新的数据。这为什么是坏事呢？

分离是比较复杂的，没有直接的逻辑，你怎么能确定？

因为它是在滑动窗口中学习，这与再训练完全一样。而且不能在新的数据上进行控制
 
Maxim Dmitrievsky:
因为它是滑动窗口训练，这就像重新训练一样。而且不能在新的数据上进行控制

只通过最后一个窗口估计的事实进行控制，而且只有当某一行的新特征变得显著，我们得到了一个滞后。如果我们是认真的，那么就有必要在所有的数据上进行训练，尽量减少滞后。这只是一个系列的品种。

很有可能，新的数据重复了另一个工具，而这个工具没有参与训练。

 
Valeriy Yastremskiy:

只有当最后一个窗口被评估时，才会进行控制，然后只有当行的新特征变得显著，我们得到了一个滞后。今天有很多数据，如果我们是认真的，我们应该对所有的数据进行训练，尽量减少滞后。这只是一个系列的品种。

很有可能，新的数据重复了另一个没有参与训练的工具。

我看不出在所有数据上训练和在滑动窗口中训练有什么区别。如果系列的特征变化非常平稳，那么它就有意义。但市场上没有这样的东西。
 
Maxim Dmitrievsky:
我看不出在所有数据上训练和滑动窗口之间有什么区别。如果一个系列的特征变化非常平稳，那么它就有意义。但市场上没有这样的东西。

有一本获得特性的圣经才有意义，没有别的。这不可能是一个完整的解决方案，但它确实可以在不同的时间在不同的乐器上找到重复的内容。而且只作为滑动窗口的辅助数据。

 
Valeriy Yastremskiy:

这一点只是在所获得的特征的书目中，仅此而已。这可能不是一个完整的解决方案，但它确实可以在不同的时间在不同的乐器上找到重复的内容。而且只作为滑动窗口的辅助数据。

有什么特点？将会有一个NS权重的数组，它不被解释为
 
Maxim Dmitrievsky:
什么特点？将会有一个不被解释的NS权重阵列

是的，欲望和工具之间存在着不一致。真的，有NS的权重阵列将是不够的。而且几乎不可能从他们那里得到解释)

一个系列的特征是描述它的最简单的数学模型，误差足够小))))。

 

弗拉基米尔-佩雷文科。

...

这是一个很大的错觉，你可以在巨大的过去数据范围内训练一个模型，然后长期使用而不重新训练。

...

长是多长--我有一个模型，至少已经运行了半年的时间，是正数。我在一个月前发现了它，当时我正在翻阅旧的文件档案--我拿了一个模型，它可以工作，但现在我不知道它是如何训练的--CatBoost模型。

另一个例子--也是建立在树叶上，大部分是在2014-2018年的样本上收集的，2020年2月的一棵树，被用作过滤器，这种协同作用在2020年效果很好。

然而，我没有冒险把钱放在这一切上--这是我的错误。

现在被这样的想法困扰着，就在我接近标准的时候，一切都崩溃了。

1...180418051806180718081809181018111812181318141815181618171818...3399
新评论