交易中的机器学习：理论、模型、实践和算法交易 - 页 3386

新评论
 


mytarmailS#:

我从哈巴罗夫斯克试试...


任何模型都是一定模式的总和，夸张地说，一种模式可以被贴上 TS 的标签。


假设一个模型由 100 个 TS 组成。


在模型 #1 中，可能有 100 个 TC 做了一笔交易。

在模型 #2 中，一个 TS 做成了 100 笔交易，而其他 99 个 TS 没有做成任何交易。


如何 计算每个 TS 的统计数据 ？

如果模型来自规则，则可以很容易、很清楚地计算出来。

如果是神经 模型？

问题不在于使用模型的次数。

问题在于同一模型（树？）对同一数据在某些情况下预测出一个标签，而在另一些情况下预测出不同的标签。这就是所谓的分类误差。至少在我们这里，没有任何预测因子的值可以严格划分为不同的类别。

 
Maxim Dmitrievsky #:
如果误差已经停止下降或等于零，就可以通过某种接近程度将剩余的示例划分为不同的模式:)例如聚类。然后计算还剩下多少。甚至为每个模式/聚类写一个平均条件（取聚类的中心点），你就能在输出中得到一条规则。
这样做是可以的，但哪里能保证分区是按照神经元的内部分区正确进行的呢？

如何保证所选的聚类接近度量是正确的？

等等......

对木质模型进行分区不是更简单吗？

 
mytarmailS #:
可以这样做，但如何保证根据神经元的内部分区进行的分区是正确的呢？
如何保证所选择的聚类邻近度量是正确的？
这是一个哲学问题。
 
这就是最后一层神经元的集群位置，而不是例子的集群位置，如果不是例子的集群位置的话
 
mytarmailS #:
如果你要集群，那就不是例子的问题，而是最后一层神经元的问题。
不，是例子。你不能在最后一层神经元上建立规则。
 
Maxim Dmitrievsky #:
不，只是举例而已。你不可能从最后几层神经元建立规则。
让我来创建一个样本数据，然后每个人都运用自己的方法，我们走着瞧。
 
mytarmailS #:
让我创建一个样本数据，然后每个人都应用他们的方法，我们就会知道了。
我还没有尝试过这种方法，只是在想如何从任何模型中获取规则。我们可以稍后再讨论这个问题。
 
Maxim Dmitrievsky #:
我还没有尝试过这种方法，只是在想如何从任何模型中获取规则。你可以稍后再玩。
我也没试过，这是我的理论与你的理论的对比
 

似乎文章已经停止翻译，或者他们没有时间。英文版已经有很多关于 python 和 onnx 的文章了:))还有一篇关于 R 的文章。

总的来说，这些文章在 TC 方面毫无用处。和 Medium 上的情况差不多，他们都是为了写作而写作。

 
mytarmailS #:

现在找出所有线性相关的规则，并将其作为冗余规则删除

如何定义这种线性耦合？能详细说明一下吗？

我只是删除非常相似的规则，相似性由激活点决定。

1...337933803381338233833384338533863387338833893390339133923393...3399
新评论