交易中的机器学习：理论、模型、实践和算法交易 - 页 1927

新评论
 
mytarmailS:

随机...

该夹具可以被表示为一个日志规则...

规则大小 - 随机

规则内容 - 随机

生成1000条规则--作为1000个特征发送到国防部

如果你有的话，选择1-5个好的功能，如果没有的话，就把它们都扔掉。

选定的特征会被扔进 "好的特征数据库"。

并再次生成1000个特征，以此类推。


当 "优秀特征库 "包含1000多个特征时，你就可以用它们来训练一个新的模型，看看你能得到什么。

没有边界的随机规则生成就像在一片光秃秃的土地上从边缘跑到边缘。需要合理的界限，或者至少在一个逻辑和维度领域寻找1000条规则，在另一个领域寻找另1000条规则。一个完全的随机性是从负无穷到正无穷都一样）但想法是可以的)

 
Valeriy Yastremskiy:

随机生成没有边界的规则就像在一个没有边界的空地上从边缘跑到边缘。你需要合理的界限，或者至少在一个逻辑和维度领域寻找1000条规则，在另一个领域寻找另1000条规则。完全的随机性是从负无穷到正无穷，虽然如此）但想法是可以的)

这都是一个细微的差别，你可以像遗传学中的育种一样，从好的芯片中进行选择，然后随机搜索会慢慢演变成有方向的.....。

他们就像歌里唱的那样，"我大喊大叫，但却一片寂静"。

 
mytarmailS:

这都是一个细微的差别，你可以像遗传学中那样从好的芯片中进行选择，然后随机搜索会慢慢发展成一个定向的.....。

Karotsche，摩擦可以是你想要的，也可以是你想要的，但谁来做呢？ 而在这里，正如歌曲中所说的--"我大声喊叫，但回应的是沉默。

首先，他们必须至少界定规则的区域。首先，我们必须确定规则的区域。在一个或所有的TF上，然后就是几个系列，维度就飞走了。你不需要季节性的搜索。没有它，就很难开始工作)

 
Valeriy Yastremskiy:

首先，至少要定义规则区。滞后区，指标区没有，哪些指标，搜索的深度和宽度。在一个或所有的TF上，而这是几个然后行，维度就飞走了。你不需要季节性的搜索。没有它就很难启动)

你不知道你需要什么，也不知道你不需要什么。 如果你知道，你就不必去寻找，这就是重点--机器会找到你从未想过的解决方案，如果你把它放到你的盒子里，你会得到另一个随机的

 
mytarmailS:

我根本不知道创建规则的聚类算法。

在聚类的时候，很多行都分布在不同的区域，形成了一张地图，我想这是可以调用的。

k$centers

然后对每一行进行称重，并将其分配到一个或另一个集群中心。我只是不明白单行的加权是如何进行的......


我已经告诉过你，要根据工具的直接用途来解释，而你是想用花来敲打钉子

是的，我是这样的，我已经有了训练中的树，对于每一个群集--有完整度很好的叶子和可接受的准确性--我将在晚上把它们放在一起，看看新的数据会发生什么，什么会更有效--使用一棵树还是分成4棵。


我决定看一下市场的重大逆转。以重大调头为目标。以为会出现混乱，但没有。

让一个支点变得重要的规则是什么？


嗯，这很有趣。谢谢你的提示。

你能为傻瓜分享一个代码吗，也许我会加入eRs？


谢谢你，我成功地卸下了集群。

 
mytarmailS:

随机...

该夹具可以被表示为一个日志规则...

规则大小 - 随机

规则内容 - 随机

生成1000条规则--作为1000个特征发送到国防部

如果你有的话，选择1-5个好的功能，如果没有的话，就把它们都扔掉。

选定的特征会被扔进 "好的特征数据库"。

并再次生成1000个特征，以此类推。


当 "优秀特征库 "中有超过1000个优秀特征时，你就可以用它们来训练一个新模型，看看会发生什么。

那么，为什么你的方法比我的好呢？ 实际上，它是在现有数据的基础上收集新的预测因素。你只需要建立树，不仅使用比较，还需要转换和组合目标的层次，一般来说，你可以在一个简单的树的基础上实现，并从中拖动叶子。

 
mytarmailS:

你不知道你需要什么，也不知道你不需要什么，如果你知道，你就不必去寻找，这就是重点--机器会找到你永远想不到的解决方案，但如果你把它放到你的盒子里，你会得到另一个随机的

你只能在某一空间进行搜索，如果不定义搜索区域，你就无法做到这一点))))。不幸的是，这台机器很愚蠢，但它是有效的）。

如果当然有在多维数列或至少在一维数列中寻找没有规则的一些规律性的想法，我们至少必须制定如何接近产生没有规则的规则的想法。规则以及规律性是由问题的条件决定的，是无限多的。

 
Maxim Dmitrievsky:

总之，我拧上了一个catbusta，而不是树......和......。问题不在树上，而是在头上，一如既往。

方法并不像预期的那样工作。

与阿里克桑德-赫里辛班 拧在一起了？

 
Aleksey Vyazmikin:

那么，你的方法怎么会比我的好呢--收集叶子基本上是由现有数据得出的新预测器。你只需要建立树，不仅使用比较，还需要转换和组合目标的层次，一般来说，你可以在普通树的基础上实现，并从那里拖动叶子。

芯片/日志规则生成中的问题

 
Valeriy Yastremskiy:

这个问题是关于生成特征/日志规则的。

这就是芯片的生成方式--我们需要以基本规则的形式准备一个构造器。

例如，描述一次价格在渠道中的表现，然后就改变渠道，如此反复。

1...192019211922192319241925192619271928192919301931193219331934...3399
新评论