交易中的机器学习：理论、模型、实践和算法交易 - 页 2846

[Aleksey Nikolayev]

Andrey Dik #:

很明显，存在着某种公式，甚至可能是秘密的公式，但如果可以为复数准则的组成部分分配权重....mmm, fabulous.

根据描述，我们可以理解为，首先按照一个标准选出一部分最佳段落，然后再从选出的段落中按照第二个标准选出一部分最佳段落，以此类推。

"它可以让你一步一步地选择最佳通道：首先根据交易次数，然后从这些样本中根据盈利预期，再根据恢复系数，以此类推"。

[Andrey Dik]

Aleksey Nikolayev #:

从描述中可以了解到，首先根据一个标准选出一部分最佳段落，然后根据第二个标准从选出的段落中选出一部分最佳段落，以此类推。

"它允许您一步一步地选择最佳通道：首先根据交易次数，然后从这些样本中根据盈利预期矩阵，然后根据恢复系数等等"。

标准是在每次优化时一次性计算的，而不是在优化结束时分别考虑每次优化的所有结果。

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

我并没有立即看出有什么不同或优势

生成表格数据的新方法。它到底好在哪里？还是 GMM 在竞争中处于下风？

https://github.com/kathrinse/be_great

[[删除]]

Evgeni Gavrilovi #:

生成表格数据的新方法。它到底有多强？还是 GMM 仍在竞争中处于下风？

https://github.com/kathrinse/be_great

我不知道，我不分析表格数据

不适合时间序列

一些 T-gan 可能会更好

⚙️ 时间序列变换生成对抗网络

Github: https://github.com/jsyoon0823/TimeGAN

论文 ： https://arxiv.org/abs/2205.11164v1

股票数据 ： https://finance.yahoo.com/quote/GOOG/history

能源数据 ： http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction

@ai_machinelearning_big_data

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
一些 T-gan 可能会更好

如何检查可信度？分别比较每个序列的真实数据和合成数据的分布？

[[删除]]

Evgeni Gavrilovi #:

如何检查可能性？分别比较每个序列的真实数据和合成数据的分布？

我在某处看到过通过 PCA 进行可视化比较的方法，但一时想不起来了。也许以后会有。

[[删除]]

Evgeni Gavrilovi #:

如何检查可能性？分别比较每个序列的真实数据和合成数据的分布？

https://hackernoon.com/a-gan-approach-to-synthetic-time-series-data-pe2r33fd

[Aleksey Vyazmikin]

可以为直方图发明哪些预测器？

我把它们作为文件附在后面，因为图片不想插入--可能是另一个错误。

[mytarmailS]

Aleksey Vyazmikin #:

我们可以为直方图提出哪些预测因素？

)))))))

直方图和点之间有什么区别？ 我不好意思问，除了可视化之外

[Aleksey Vyazmikin]

mytarmailS #:
)))))))

直方图和点之间有什么区别？ 我不好意思问，除了可视化之外

你可以用点来形象化任何形状。可视化是激发抽象思维的需要，而抽象思维又能激发创意的产生。

事实上，直方图是样本的二进制预测图，红条表示信号消失（零），其高度表示样本中没有信号 "1 "的时间长短。

我认为，样本中信号出现频率分布的不同特征可以用来区分是否在训练中继续使用该预测因子。因此，可以排除该预测因子，或建议仅将其用于构建上根分割。

这就是为什么需要用预测因子来描述直方图。是的，我们也可以为 TP+FP 平衡制作预测器--除了众所周知的预测器之外，描述预测器的想法也很有趣。