Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1928
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Так чем Ваш метод лучше моего - сбор листьев - это по сути новые предикторы, получившиеся на базе имеющихся данных. Нужно просто строить деревья не только с использованием сравнения но и преобразование и объединения уровней целевой, в общем можно на базе обычного дерева это реализовать и тащить от туда листья.
если ваш метод может генерить такие правила как я написал Максиму то ничем
если ваш метод может генерить такие правила как я написал Максиму то ничем
Мой метод позволят генерировать не рандомно, а осмысленно - больше урожай, так скажем, но на базе обычного дерева.
Я вообще про то, что в алгоритм дерева можно добавить ряд процедур преобразования при обучении, такие как сравнение одного предиктора с другим, умножения, деления, сложения, вычитания, иные действия. Суть в том, что при генетическом построении дерева будет подбираться вариант не случайный, а дающий какое либо описание выборки, что уменьшит период поиска решения. Выкидывая случайно предикторы из выборки мы сможем строить разные деревья с учетом этих преобразований.
Нигде не попадалось исследований как лучше нормировать входы: приращения, вычитать ма, скользящим окном?
Что Вы подразумеваете под "нормировать"? Приведение распределения переменной как можно ближе к нормальному?
Мой метод позволят генерировать не рандомно, а осмысленно - больше урожай, так скажем, но на базе обычного дерева.
Я вообще про то, что в алгоритм дерева можно добавить ряд процедур преобразования при обучении, такие как сравнение одного предиктора с другим, умножения, деления, сложения, вычитания, иные действия. Суть в том, что при генетическом построении дерева будет подбираться вариант не случайный, а дающий какое либо описание выборки, что уменьшит период поиска решения. Выкидывая случайно предикторы из выборки мы сможем строить разные деревья с учетом этих преобразований.
прочитай те то правило которое я привел в качестве примера и попробуйте встроить генератор правил такого рода в дерево
Что Вы подразумеваете под "нормировать"? Приведение распределения переменной как можно ближе к нормальному?
Приведение диапазона переменной к +-1
в продолжении личной беседы
ваш вариант
обычный вариант
как видите значения совсем другие, можете у себя проверить
У меня в модели
n_components = 1
потому только одна колонка, но это не важно на самом деле
===================UPD
Блин они при каждом запуске umap_tranform разные, так же не должно быть
прочитай те то правило которое я привел в качестве примера и попробуйте встроить генератор правил такого рода в дерево
А в чем проблема - создайте компоненты в начале из которых будут складываться правила.
А в чем проблема - создайте компоненты в начале из которых будут складываться правила.
да черт его знает, не могу собраться с мыслями
в продолжении личной беседы
ваш вариант
обычный вариант
как видите значения совсем другие, можете у себя проверить
У меня в модели
потому только одна колонка, но это не важно на самом деле
===================UPD
Блин они при каждом запуске umap_tranform разные, так же не должно быть
не обращал внимание. Давно это было...
в продолжении личной беседы
ваш вариант
обычный вариант
как видите значения совсем другие, можете у себя проверить
У меня в модели
потому только одна колонка, но это не важно на самом деле
===================UPD
Блин они при каждом запуске umap_tranform разные, так же не должно быть