混乱中有规律可循吗？让我们试着找出它！以特定样本为例进行机器学习。 - 页 15

新评论
 
Maxim Dmitrievsky #:
你想要什么，了解一个无限的世界还是什么？

我想，我需要把我的知识传授给机器。没有明确的算法，只有一组符号，所以我给出它们，以显示在不同情况下的统计优势。我不能自己动手交易--我破坏了规则--我很情绪化。

不，有新的模式当然是好事，尤其是在不同的工具上。

但是，即使是 4 个指标也足以记住一个微不足道的样本--我认为修修补补的风险很大。

在您的案例中，训练时历史上有多少条/多少个样本？您是否只对一组指标训练一次，还是存在过度播种的情况？树的深度是多少，上述模型中有多少个？量化拆分的次数是默认设置的吗？

 
Renat Akhtyamov #:

分支问题当然是一个有趣的问题....

这就是我想知道的原因。

也许可以找出一种模式。

我建议连续分析几个条形图，例如 3-4 条。

然后从这 3-4 个小节的样本开始移动一个小节，再次进行分析。

就像在一个样本上叠加另一个样本一样。

可以找到一种模式

像这样


从本质上讲，您建议寻找下一个条形图的结果，即固定时间间隔后价格将如何变化。然后利用模型的结果，采取一些措施，再次进行训练，将模型分类的结果添加到预测因子中。

 
Aleksey Vyazmikin #:

从本质上讲，您建议从当前栏搜索下一栏的结果，即在一个固定的时间间隔内价格将如何变化。然后利用模型的工作结果，采取一些措施，再次进行训练，将模型的分类结果添加到预测因子中。

对。

也就是说，计算出主要模式，向交易系统解释相邻柱状图之间的关系，尽量减少混乱。

 
Renat Akhtyamov #:

是啊

我的意思是，要找出潜在的模式

你可以尝试输入不同的样本，继续学习新数据。我觉得 CatBoost 也能做到这一点。它还知道如何合并模式，但我还没研究过。

 
Aleksey Vyazmikin #:

您可以尝试输入不同的样本，继续学习新数据。即使是 CatBoost 似乎也能做到这一点。它还知道如何合并模型，但我还没研究过。

如果你指的是完全不同，那就不是这个意思了。

在相同数据上进行时移，这就是不同。

目标是确定相邻条形图之间的关系

 
Aleksey Vyazmikin #:

我想，我需要把我的知识传授给机器。没有明确的算法，但有一套标志，所以我给它们在不同情况下识别统计优势。我不能自己动手交易--我破坏了规则--我很情绪化。

不，当然，如果有新的模式，特别是那些在不同工具上的模式，那是很好的。

然而，即使是 4 个指标也足以记住一个微不足道的样本--我认为修修补补的风险很大。

在您的案例中，训练时历史上有多少条/多少个样本？您是只训练一次一组指标，还是有一个种子集？树的深度是多少，上述模型中有多少个？量化拆分的次数是默认设置的吗？

在正常情况下，种子几乎没有影响，重要的是算法。如果你不得不使用种子，那么数据就已经是垃圾了

检查新数据的解法，如果只有 10 个符号，而不是 1000 个，就可以在一定程度上确定。

我认为默认深度是 6，除了临界值外，它也不会有太大影响。

学习深度的影响不同，取决于历史变异性。

 
Renat Akhtyamov #:

是啊

那就是计算一个基本模式，向交易系统解释相邻条形图之间的关系，尽量减少混乱。

燃烧自己。

 
Maxim Dmitrievsky #:

自焚

你还没冷静下来，是吧？

你真是个恶霸。

;)))

 
Renat Akhtyamov #:

你没有冷静下来，是吗？

你真是个恶霸

;)))

烧吧

 
Maxim Dmitrievsky #:

就烧

;)

1...8910111213141516171819202122...32
新评论