交易中的机器学习：理论、模型、实践和算法交易 - 页 2632

[Aleksey Nikolayev]

elibrarius #:

树通过对每一列进行排序来寻找拆分。
显然，你应该尽可能多地抽取一些列，在那些没有使用的行中填入NAN。如果该模型能够处理NAN。

或者用别的方法：-INF, 0, +INF......这样在排序时所有未使用的行都在同一侧。

这或多或少是可以理解的。我希望能有一些更有创意的方法或东西。有很多新任务，如处理不同长度的视频场景等。

[Aleksey Nikolayev]

mytarmailS #:
你是什么意思？描述问题

例如，我想给分类器输入的价格块不是以条为单位的固定长度（或以之字形图案的链接），而是从某个重要时刻开始。

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

例如，我想把不是固定长度的条形（或人字形的链接）的价格块输入到分类器中，而是从某个重要时刻开始。

递归网是合适的，像多对多的

[mytarmailS]

Aleksey Nikolayev #:

例如，我想给分类器输入的价格块不是以条为单位的固定长度（或以之字形图案的链接），而是从某个重要时刻开始。

关联规则 应该是可以的，我举一个例子

set.seed(123)
li <- list()
for(i in 1:100){
 li <- append(li,  
               list(c(letters[sample(1:10,sample(5:10,1))] ,   sample(c("buy","sell"),1)))
              )}

head(li)

数据以列表的形式出现，每一行都是一个带有任意长度的观察值的向量。

head(li)
[[1]]
[1] "c"    "b"    "f"    "j"    "e"    "d"    "i"    "sell"

[[2]]
[1] "j"    "e"    "c"    "h"    "a"    "sell"

[[3]]
[1] "i"   "c"   "h"   "b"   "g"   "buy"

[[4]]
 [1] "c"   "d"   "f"   "a"   "j"   "e"   "i"   "h"   "b"   "g"   "buy"

[[5]]
[1] "i"   "g"   "c"   "d"   "e"   "buy"

[[6]]
 [1] "f"   "i"   "b"   "e"   "g"   "d"   "c"   "a"   "h"   "buy"

以关联规则的形式搜索模式的代码

library(arules)
model  <- apriori(li, parameter=list(support=0.2, 
                                     confidence=0.6,
                                     minlen=4,
                                     maxlen=5), 
                 appearance = list(rhs=c("buy","sell"), default="lhs"))
inspect(model)                 

规则

inspect(model)
      lhs          rhs   support confidence coverage lift     count
[1]   {e,f,j}   => {buy} 0.23    0.6764706  0.34     1.166329 23   
[2]   {e,i,j}   => {buy} 0.21    0.6176471  0.34     1.064909 21   
[3]   {b,e,j}   => {buy} 0.23    0.6216216  0.37     1.071761 23   
[4]   {a,e,j}   => {buy} 0.24    0.6857143  0.35     1.182266 24   
[5]   {e,h,j}   => {buy} 0.22    0.6111111  0.36     1.053640 22   
[6]   {c,e,j}   => {buy} 0.26    0.6666667  0.39     1.149425 26   
[7]   {e,g,j}   => {buy} 0.23    0.6571429  0.35     1.133005 23   
[8]   {e,f,i}   => {buy} 0.24    0.6153846  0.39     1.061008 24   
[9]   {b,e,f}   => {buy} 0.22    0.6666667  0.33     1.149425 22   
[10]  {a,e,f}   => {buy} 0.25    0.6756757  0.37     1.164958 25   
[11]  {c,e,f}   => {buy} 0.24    0.6486486  0.37     1.118360 24  
...
...
..
..
.

该算法寻找元素之间的关联，无论其顺序如何...

有秩序意识的算法，但它们是贪婪的。

或者如果你想要更多，有一个叫推荐人实验室 的推荐人系统，但我没有进入它。

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

递归网络是合适的，多对多的类型

谢谢，我会看看的。

当然，我希望能有一些关于这个问题的评论文本，对各种方法进行描述和比较（愿望无妨）。理论上，应该在某个地方有这样的文本，但到目前为止，我还没有找到它。

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

谢谢，我会看看的。

当然，我希望能有一个关于这个主题的评论文本，对各种方法进行描述和比较（愿望无妨）。从理论上讲，应该在某个地方有这样的文本，但到目前为止我还没有找到。

我只看到过关于这种网络中可变长度的输入-输出，这纯粹是评论，没有深入研究。

用于文字处理、翻译

[Aleksey Nikolayev]

mytarmailS #:

关联规则 应该是有效的，我给你举个例子

数据为一个列表，每一行是一个向量，有任意长度的观察值。

以关联规则的形式搜索模式的代码

规则

该算法寻找元素之间的关联，无论其顺序如何...

有秩序意识的算法，但它们是贪婪的。

或者如果你想要更多，有一个叫推荐人实验室 的推荐系统，但我没有研究过。

谢谢，我会看看的。

不过，对我们来说，秩序确实很重要。例如，你总是可以通过随机混合增量来获得SB。

我还记得，我想你前段时间在这里写过关于序列模式挖掘和序列对齐问题的文章，在那里产生了。这似乎也是解决问题的方法之一。虽然，序列属于一个类别并不一定意味着它们的相似性。

[mytarmailS]

Aleksey Nikolayev #:

谢谢，我会看看的。

不过，对我们来说，秩序确实很重要。例如，总是有可能通过随机洗刷增量来获得SB。

我还记得，你曾经在这里写过关于序列模式挖掘和序列排列问题。这似乎也是解决问题的方法之一。虽然，序列属于一个类别并不一定意味着它们的相似性。

那么， arulesSequence 包

[mytarmailS]

从市场上引发了一个黄金战略 ))

我的测试器中的资本曲线。

把它扔到tslab中以获得更好的外观

看起来是个不错的搭配。

我看了看这些交易。

我使用了我的手动交易器，我不明白他的交易算法。

福雷斯特当然无法识别任何东西，但它很有趣，而且信息量很大 ))

[Dmytryi Voitukhov]

Maxim Dmitrievsky #:

递归网络是合适的，多对多的类型

可能是有用的...我有一个没有复发的多对多。而且没有卷积层。而我是在分析了神经网络机制后选择这个模型的。我们在这里寻找一个共同点，不是吗？争 论。