交易中的机器学习：理论、模型、实践和算法交易 - 页 3131

新评论
 
Aleksey Vyazmikin #:

你说得部分正确，但我不理解把所有东西都换来换去的哲学--如果没有不可挽回的漂移，比如周期性，这当然可行。

首先，我想对不同类型的漂移进行分类，然后逐一进行处理--如果知道了原因，我们就可以想办法消除它。如果不能消除，那就进行检测（探测）。

随机化可以消除试验和对照之间的偏差，然后再评估预测因子的影响

如果在此之前不消除偏差，那么这将是一种关联关系，而不是因果关系。


 
Maxim Dmitrievsky #:
能不能把这些奇妙的内容放在一个单独的主题里？

我受够了

 
mytarmailS #:

你能给我看看这样的东西吗？

如果真的那么常见的话

有什么难的？在不同尺度之间跳跃是我们以前做过的事 没什么秘密可言我在寻找更复杂的东西，而只有一种交易的画面并不能揭示整个画面的本质。
 
Renat Akhtyamov #:

最后

嗯，有了个开始。

接下来呢？

这是研究的结束))))
 
spiderman8811 #:
这有什么难的？在不同尺度之间跳跃是我们以前做过的事情，这里没有什么秘密。我要找的是更复杂的东西，而一幅只有一笔交易的画根本无法揭示整幅画的本质。

我明白了。

写信并不难

 
mytarmailS #:

我明白了。

当然，拼写并不难。

你看过我的自由职业作品吗？))))

 
spiderman8811 #:

您看过我的自由职业作品吗？))))

在看到自由职业者简介时，可以用什么方法来评估交易的质量？

 
Maxim Dmitrievsky #:

随机化可消除试验和对照之间的偏差，然后估算预测因子的影响

如果不事先消除偏差，偏差将是关联性的，而不是因果性的。


黄金标准

在上一课中，我们了解了关联与因果关系不同的原因和方式。我们还看到了关联关系成为因果关系的必要条件。

E|Y|T = 1] - E[Y|T = 0] = E[Y - Yo|T = 1] + {E[Yo|T = 1] - E[Yo|T = 0]}.调整。

回想一下，如果没有偏差，关联就会变成因果关系。如果 E[Yo T = 0] = E[Yo T = 1]，就不会有偏差。换句话说，如果接受治疗的患者和对照组患者除治疗方法外情况相同或相似，那么两者之间的联系就是因果关系。或者，用更专业的术语来说

以上是图片的翻译。

首先--我不明白你为什么要把样本分成两个子样本。

其次--显然这里有一个特殊的术语，因果关系是对结果的直接影响--也许甚至不再是一种概率模式。关联关系要么是原因的激活剂，要么是关联特征，通常是概率性的。

我不明白这个公式--用人类的语言来说明问题？

但是，这些方法（UpLift）的要点是估算出专门影响目标的因素。我知道影响程度是要评估的。比方说，在我们的案例中，我们不知道这样一个因素，我们通过一切方法--我们得到了一些测量结果作为输出。您建议我们如何处理这些数据？排除不好的指标？
我们如何利用数据的逐渐漂移？

我不排除这个可能性，也许你已经想出了绝妙的办法，但我还没有抓住思路。

 
Aleksey Vyazmikin #:

黄金标准

在上一课中，我们了解了关联与因果关系不同的原因和区别。我们还看到了关联成为因果关系的必要条件。

E|Y|T = 1] - E[Y|T = 0] = E[Y - Yo|T = 1] + {E[Yo|T = 1] - E[Yo|T = 0]}.调整。

回想一下，如果没有偏差，关联就会变成因果关系。如果 E[Yo T = 0] = E[Yo T = 1]，就不会有偏差。换句话说，如果接受治疗的患者和对照组患者除治疗方法外情况相同或相似，那么两者之间的联系就是因果关系。或者，用更专业的术语来说

以上是图片的翻译。

首先--我不明白你在什么时候想把样本分成两个子样本。

其次--显然这里有一个特殊的术语，因果关系是对结果的直接影响--也许甚至不再是一种概率模式。关联关系要么是原因的激活因素，要么是关联特征，通常具有概率意义。

我不明白这个公式--你能用人类的语言给我讲讲它的要点吗？

但是，这些方法（UpLift）的重点是估算对目标产生唯一影响的因素。我知道影响程度是要评估的。比方说，在我们的案例中，我们不知道这样一个因素，我们通过一切方法--我们得到了一些测量结果作为输出。您建议我们如何处理这些数据？
在数据逐渐漂移的情况下如何使用？

我没有排除，也许你已经想出了一些巧妙的办法，但我还没有抓住思路。

如果您不明白其中的任何符号，可以向 chatgpt 寻求公式解码。

Y|T = 1 测试组结果（有三元组）

Y|T = 0 - 对照组（无对照组）

Y--类标签，Y0,Y1--不含三聚氰胺和含三聚氰胺的类标签。

T - 模型中引入或未引入的三元组（包括预测因子）（1;0）

E - 期望值

在任何一点进行拆分，因为您要通过测试和三元组进行分割

如果不进行混合，就会得到有偏差的 ATE+ 偏差估计值

ATE 是暴露的平均治疗效果

困了，我可能在某些地方把字母搞混了，但逻辑应该是清楚的

 

顺便说一句，谷歌的吟游诗人比 Gpt 更合我的胃口。它可以谷歌，而且是免费的。

但它只支持美国或英国的英语和 vpn，在其他国家无法使用。

基本上，谁是 openAI，谁是谷歌。可能是不同的权重类别。
1...312431253126312731283129313031313132313331343135313631373138...3399
新评论