交易中的机器学习：理论、模型、实践和算法交易 - 页 2832

新评论
 
Aleksey Nikolayev #:

那么，我首先想到的是用一个网格来划分空间，网格的单元格不能太大也不能太小（单元格的大小由噪声模型决定）。从某个（例如随机选择的）单元格开始--其中的几个点决定平滑函数的梯度方向，然后移动到下一个单元格，如此反复，直到没有过渡或循环为止。极值的位置是根据单元格的大小精确设定的，因此不能太大，但同时也要考虑到平滑的可能性，因此也不能太小。我们必须承认，极值的位置原则上是不准确的，因为它会随着平滑方法的不同而变化。

听起来工作量很大）。

 

R 和椅子之间的垫子太薄了。

另一个未实现的幻想

 

你为什么要删帖，偏执狂？ 这样你就不会因为惹麻烦而再被戳脊梁骨了？:)

你能这样搞砸多少次？

 
Maxim Dmitrievsky #:

你用 R 语言做了一个大项目，把它放在服务器上，谁来维护它呢？没有人，因为没有这方面的专家，也没有人愿意因为一个统计数据而学习 R 语言。

至于 Python，随便雇个学生，一根香肠就能搞定。


谁需要香肠学生？

他们需要的是懂统计、MOE 的学生，这需要5 年 的学习时间。然后，最好还能在专业机构工作。而 R 或 Python 可以在一周内学会，因为所有这些学生--统计学家都会 C++。

但对于没有学过 5 年统计学的人来说，R 语言比 Python 有用得多，因为在 R 语言中只有需要的东西，一切都会被啃掉，文档.....，因为它毕竟是一门专业语言。

 
СанСаныч Фоменко #:

谁需要有香肠棒的学生？

我们需要的是懂统计学、教育学的学生，这需要5 年 的学习时间。然后最好能在专业机构工作。而 R 或 Python 可以在一周内学会，因为所有这些学生--统计学家都会 C++。

但对于没有学过 5 年统计学的人来说，R 语言比 Python 有用得多，因为在 R 语言中只有需要的东西，一切都会被啃掉，文档.....，因为它毕竟是一门专业语言。

相信我，一个学生用 5 天时间就能学会一根香肠的统计学，而且还能学会很多其他东西。

成功的主要条件是学生必须如饥似渴。

我们几个月来一直在谈论同一件事。

 

为什么还要讨论优化的正确性？局部的、全局的--我不在乎。


迪克的问题纯粹是理论性的，没有任何实用价值，因为即使是非常正确的极值，也是指过去的极值，而随着新棒的出现，几乎总会 出现新的、我们不知道的极值。 让我们记住测试仪。它能找到极值。什么？如果不考虑它在未来的寿命，那么测试仪得出的最佳值就毫无价值。但是，最佳值的寿命 与迪克所写的寻找最佳值的正确性和正确性毫无关系。

 
Maxim Dmitrievsky #:

相信我，学生在 5 天内就能学会统计，只需一根香肠，沿途还能学到很多其他东西。


统计学要教 5 年，不是每个人都能教的，他们都是在入学考试中被特别选拔出来的。

 
СанСаныч Фоменко #:

统计专业的学制为 5 年，不是每个人都能学习统计，他们是在入学考试中经过特别选拔出来的。

如果省略细节，给出一个现实世界中的应用问题，这个过程会更快。

培训中的哑巴多半是不明白为什么要培训，而且在生活中从未遇到过。他们看不到最终目标。

 

谁能告诉我如何为catboost 自定义指标，我需要 Sharp。

用我的版本训练模型的结果与用 RMSE 几乎一样，所以代码中的某个地方出错了。

preds 和 target 返回 (a[i]-a[i+1])

class Sharpe(object):
    def get_final_error(self, error, weight):
        return error

    def is_max_optimal(self):
        return True

    def evaluate(self, approxes, target, weight):
        assert len(approxes) == 1
        assert len(target) == len(approxes[0])
        preds = np.array(approxes[0])
        target = np.array(target)
        data = [i if i > 0 else -1*i for i in preds]
        sharpe = np.mean(data)/np.std(preds)
        return sharpe, 0

model = CatBoostRegressor(learning_rate=0.1, n_estimators=2000, eval_metric=Sharpe())
 
СанСаныч Фоменко 寿命 与迪克所写的最优值的正确性和正确性毫无关系。

我的姓氏没有去掉。
问题不在于全局最优是否会改变（它必然会改变），而在于它是否能找到全局最优。如果你不在乎，你可以用随机数初始化网络权重，因为全局最优与否又有什么区别呢？因为全局与否又有什么区别呢？）
1...282528262827282828292830283128322833283428352836283728382839...3399
新评论