mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[0:rand], full_pr[full_pr.columns[0]].iloc[0:rand]) сравниваем фичи и цены в момент предсказания
mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[0:rand*2], full_pr[full_pr.columns[0]].iloc[0:rand*2]) сравниваем на глубину предсказания вперед + назад
mi = mutual_info_regression(full_pr[full_pr.columns[1:]].iloc[rand:rand*2], full_pr[full_pr.columns[0]].iloc[rand:rand*2]) только вперед
mi = mutual_info_regression(full_pr.iloc[0:rand], full_pr[full_pr.columns[0]].iloc[rand:rand*2])текущие цены и фичи в момент предсказания VS будущие цены
처음 25개 막대에는 2개의 변형만 있었습니다. 그리고 2개의 오류는 작은 오류입니다. 그리고 이것은 수천 개의 차트 중 하나의 변형일 뿐입니다. 다른 경우에는 상황이 다를 수 있습니다. 전략을 세우고 (공식화하지 않은) 새로운 데이터의 균형선을 지켜봐야합니다 (Maxim은 그의 아이디어를 끝까지 가져 왔고 모든 것이 한 번에 명확 해졌습니다).
그렇다면 100개의 예측 라인 중 어떤 것을 예측해야 할까요? 평균이 가장 확실한 해결책입니다.
글쎄요, 50개의 예측이 50개씩 올라가고, 평균을 내고, 수평 예측을 얻었다고 가정해 보겠습니다.)
그게 다입니다. 어떤 옵션이 있나요?
100개의 예측 라인 중 어떤 라인을 예측해야 할까요?
"유익한" 마크업의 변형인 펜 테스트입니다:
내 기사에서와 같이 일련의 부호를 취하고 레이블을 마크 업하지만 거래를 시작하기 전에 부호 집합의 n- 문자열과 미래 가격의 n- 문자열 사이의 상호 정보 (회귀 유형)를 고려합니다.
상호 정보가 임계값보다 낮으면 거래하지 않는 것으로 표시합니다.
그런 다음 2019년부터 신호와 거래/거래하지 않음에 대해 2개의 모델을 학습시켰습니다.
Res:
이 접근 방식으로는 별다른 성과를 얻지 못했습니다.
제안을 보지 못했습니다.)
논리적으로 할 수 있는 일은 다른 옵션을 시도하는 것이었습니다:
모든 옵션은 아무것도 생성하지 않습니다.
제 게시물, 마지막 사진을 다시 읽어보세요.
처음 25개 막대에는 2개의 변형만 있었습니다. 그리고 2개의 오류는 작은 오류입니다.
그리고 이것은 수천 개의 차트 중 하나의 변형일 뿐입니다. 다른 경우에는 상황이 다를 수 있습니다. 전략을 세우고 (공식화하지 않은) 새로운 데이터의 균형선을 지켜봐야합니다 (Maxim은 그의 아이디어를 끝까지 가져 왔고 모든 것이 한 번에 명확 해졌습니다).