文章 "机器学习模型的变量评估和选择"
祝贺您！
实际上，这是一本以该领域最新可用工具为基础的相关参考书。每个人都可以复制，一切都是免费的，维护、开发、记录....
尊重与敬意！
我不想显得无知，也不想贬低作者的功劳，他当然做得很好，但这一切有助于赚钱吗？
这要看情况。
用几个星期的时间就能赚到几百万？不，没用。
那些以交易为生并意识到一个像样的 EA 需要几年时间的人呢？是的。在这里，走正确的道路而不是在森林中徘徊是非常重要的，....。
PS.
证券市场的专业参与者借助什么工具赚钱？不是借助助教吗？毕竟，大学里所有的助教都是在两周内讲完的，都有学分。而证券市场的专业参与者都是拥有 "统计学"、"计量经济学"、"人工智能 "文凭的毕业生 ......。对他们来说，讨论的这篇文章很容易理解，尽管在很多方面都是新的。
PSPS.
我写这篇文章不是为了打击大家的积极性。我们不要看美林证券公司（Merrill Lynch）有 10 万名员工，在所有市场上用所有工具进行交易。
我们谈论的是非常有限的 TS：几个模型，十几种工具。并真正实现每月超过 20% 的回报率。
计划是这样的。
我们把 R.接下来，我们使用 RAttle。任何写过最简单的智能交易系统的人都可以使用。一个小时的工作。我们使用 Excel 准备一个源文件。之后，Rattle 会提供 6 个非常不错的模型，其中三个（ada、随机森林、SVM）非常有前途，其能力远远超过任何指标变体，尤其是神经网络（Rattle 中也有，可以进行比较）。
然后就开始了繁琐的工作，在许多方面都是挖掘输入数据列表的实质性工作。这是 Excel 的整体框架，也是 Rattle 的结果评估。一旦掌握了这些，您就进入了正确的轨道。
在 TA.....您写了一个 Expert Advisor，它似乎带来了利润.....。然后，如果交易者不信任它，想在他的下一个 "圣杯 "泄露之前把它扔掉，那么它肯定会腐烂，这是一种巨大的幸福....。就这样持续一生。经验是无法积累的--理论上是不可能的。
计划是这样的。
我们先放一个 R。接下来，我们使用 RAttle。任何写过最简单的智能交易系统的人都可以使用。一个小时的工作。使用 Excel，我们准备一个源文件。之后，Rattle 会提供 6 个非常不错的模型，其中三个（ada、随机森林、SVM）非常有前途，其能力远远超过任何指标变体，特别是神经网络（Rattle 中也有，可以进行比较）。
它能赚钱吗？那么最富有、最成功的交易者 就是数学家了。在非稳态序列中寻找神话般的规律性就好比掷硬币。
"在非稳态序列中寻找神话般的模式就好比掷硬币"。
这应该被记录为最愚蠢的言论中最傲慢的言论。
而这个问题："它能赚钱吗？"说的是训练水平。
的确："人的思想是有限的，愚蠢是无限的"。
在非稳态数列中寻找神话般的规律性就好比掷硬币。
一般来说，每个人都应该学习统计分析，无论如何，这都不是多余的：)但问题依然存在--输入什么数据，输出什么数据:)
这永远不会是多余的。但是，即使在这个主题的讨论中，他们建议使用 6 个非常合适的模型，输入和输出又有什么关系呢？它们有什么用？预测热流量的消耗--为此目的，它们可以是体面的。这与市场有什么关系？
我不是在评判，当然也不是在争论这种赚钱方法。对我来说，这只是一种兴趣和讨论，仅此而已。至于那些早就创建了超级智能神经网络......却仍在那里..... 的蹩脚虫们跟他们说话根本没意思。
新文章 机器学习模型的变量评估和选择已发布：
本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。多种规范化的方法以及它们的特点都将在此被讨论。在处理过程中 将极大影响模型训练最终结果的环节也将在此探讨。我们将仔细看看，并评估新的及鲜为人知的用于确定输入数据信息量和可视化的方法。
我们将使用“RandomUniformForests”包，计算并分析变量不同值和各种组合的重要概念，预测因子和目标的对应关系，预测因子之间的相互作用，以及将所有重要的方面都考虑在内后预测因子集的最优选取。
我们将使用“RoughSets”包，换一个角度和基于其他概念来探讨预测因子的选择问题。我们将揭示不仅是预测因子集可以被优化，用于训练的样本集也可以被优化。
所有的计算和实验将用R语言来实现，准确的说是用 — Revolution R Open 3.2.1。
图 2. 训练误差取决于树的数量
作者：Vladimir Perervenko