交易中的机器学习：理论、模型、实践和算法交易 - 页 2833

[Aleksey Nikolayev]

Evgeni Gavrilovi catboost 自定义指标吗？

用我的版本训练模型的结果与 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])

我不太了解 python 或 katbusta，但我会问 一些愚蠢的问题。）

1) 数据是什么，为什么平均值不是来自 preds？

2) 似乎梯度剔除需要指定更多的梯度和 hessian 公式？

[Evgeni Gavrilovi]

Aleksey Nikolayev #:

我对 python 和 katbusta 都不太了解，但我会问一些 愚蠢的问题）。

1) 数据是什么，为什么平均值不是来自 preds？

2) 似乎梯度波形需要指定梯度和 hessian 公式？

显然是的，我漏掉了一些东西。我使用了官方网站https://catboost.ai/en/docs/concepts/python-usages-examples 上的模板。

data - 生成的模型预测列表，我将负值转换为正值，以计算它们的算术平均值（夏普平均值

[Aleksey Nikolayev]

Evgeni Gavrilovi #:

数据 - 生成模型预测列表，将负值转换为正值，以计算其算术平均值，得出夏普平均值

为什么？对夏普而言，计算的是带有原始符号的平均值。

[Evgeni Gavrilovi]

Aleksey Nikolayev #:

为什么？对于夏普来说，考虑的是与原始符号的平均值。

为了将卖单也考虑在内，假设有两个准确的预测-0.002（20 点）和+0.003（负-空头，正-多头）。

利润为 +0.005，平均值为 0.0025，如果不改变符号，则为 0.0005。

事实证明，自定义指标需要有自己的损失函数，类比 类RmseObjective(object)

[Aleksey Nikolayev]

Evgeni Gavrilovi #:

显然是的，我漏掉了一些东西。我使用了官方网站https://catboost.ai/en/docs/concepts/python-usages-examples 上的模板。

有两种度量 loss_function 和 eval_metric。你可能需要第一种，请看这里 https://catboost.ai/en/docs/concepts/python-usages-examples#user-defined-loss-function。

但我可能说错了。这里有比我更好的 Python 专家和 Python 赞美者）也许他们能帮到你更多。

[Aleksey Nikolayev]

Evgeni Gavrilovi #:

为了将卖出订单也考虑在内，假设有两个准确的预测-0.002（20 点）和 +0.003（负 - 空头，正 - 多头）。

利润 +0.005，平均值为 0.0025，如果不改变符号，则为 0.0005。

这就不是夏普了。此外，也许有必要不只取模块，还要乘以预测的符号（如果卖出则减一，如果买入则乘一）。

[Maxim Dmitrievsky]

Evgeni Gavrilovi catboost 自定义指标吗？

用我的版本训练模型的结果与 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])

打印得到的值，并与其他指标进行比较。每次迭代都同时打印这两个值。在 catbust 早期停止时，不要忘记加入自定义标准的最大值和 "使用最佳模型=True"。你可以直接打开 "详细 "选项，它会在每次迭代时自行打印度量值。

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
打印得到的数值，并与其他指标进行比较。每次迭代都同时打印两个值。在 catbusta 早期停止时，不要忘记启用最大用户条件和 "使用最佳模型=True"，你可以只启用 "详细"，它会在每次迭代时打印指标值。

出于研究目的（尽管相当复杂），通过自定义损失函数进行计算会很有趣。这是有 可能实现的（如果你跳转到页面开头，需要在最下方找到用户自定义损失函数部分）。

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

出于研究目的（尽管相当复杂），制作一个自定义损失函数会很有趣。这是 有可能实现的（如果你跳转到页面开头，应该会在最下面找到用户自定义损失函数部分）。

让我们稍后尝试一下

[mytarmailS]

Aleksey Nikolayev #:

出于研究目的（尽管相当复杂），制作一个自定义损失函数会很有趣。这是有 可能实现的（如果你被抛到了页面的开头，你需要在最下面找到用户自定义损耗函数部分）。

我在使用 xgboost.... 时没有成功

或者说，它起作用了，但训练没有起作用，你需要和梯度交朋友，你需要让拟合函数梯度化，而遗传学要简单得多