Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2476
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
Evgeniy Ilin #:
снизить потребность в вычислительных мощностях при грамотном подходе.
Возьмите какую нибудь библиотеку по численным методам и будет прирост в мощностях, возможно даже на gpu
Возьмите какую нибудь библиотеку по численным методам и будет прирост в мощностях, возможно даже на gpu
Идея не плохая, но насколько я знаю на видюху надо писать код очень странным образом, так как все немного иначе работает, готовая библиотека вряд ли подойдет, скорее всего придется писать самому. Кстати может быть и дойдут руки когда-нибудь.
в общем, как всегда всё дифференцирование сводится к МНК... а всё предсказание будущего к целевой функции, которую надо вывести по этому МНК... спасибо за картинки...
я пока спрос-предложение подумаю, как оценить (фактическая ликвидность для меня пока важнее, чем невыявленные мной закономерности, выявление которых я ещё не готова отдавать на откуп машине, ради статстической вероятности)...
но про ответственность разработчика - выбрать важные для него признаки - запомню ... а дальше по шаблону: нормировать входные, просчитать вероятности, наверно, кластеризовать (если оч. много данных), построить градиент, найти все впадины (по МНК) , нормализовать все впадины и свести в общую функцию... как и говорила "до посинения"... но машинными силами быстрее...
В идеале прямая лучший вариант, но можно для оценки отклонений использовать семейство степенных функций как раз такого вида как я описал выше. Нужно только задать во сколько раз конечная производная может быть больше стартовой.
превращается ли семейство степенных функций в лог-нормальное распределение Или отражает ли оно его?.. извините, если вопрос глупый
вопрос снят, ответ - вероятно, нет
На самом деле я почти ничего не понял. Давайте так:
1) Что такое целевая функция и зачем она вам нужна ?
2) Зачем вам логнормальное распределение и почему вы решили что оно вам вообще пригодится ?
3) Не совсем понимаю как "семейство" функций может превращаться в один прототип функции пусть даже логнормального распределения.
4) Логнормальное распределение чего ? Что выступает случайной величиной у вас в этом распределении ?
5 ) Что такое МНК ?
Попробуйте простым языком задать вопрос, и получите простой ответ ) извините если что )
На самом деле я почти ничего не понял. Давайте так:
1) Что такое целевая функция и зачем она вам нужна ?
2) Зачем вам логнормальное распределение и почему вы решили что оно вам вообще пригодится ?
3) Не совсем понимаю как "семейство" функций может превращаться в один прототип функции пусть даже логнормального распределения.
4) Логнормальное распределение чего ? Что выступает случайной величиной у вас в этом распределении ?
5 ) Что такое МНК ?
Попробуйте простым языком задать вопрос, и получите простой ответ ) извините если что )
1) output - функция для прогноза (в данном контексте, а не для уровней нейросети)
2) потому что есть ассиметрия (вносимая %rate*time и самими покупателями продавцами)
3) ... ведь они однотипные - почему прототип должен быть разный?.. да и ладно, вижу, что степенное распределение - это показатель обратной зависимости
4) цена- случайная величина
5) метод наименьщих квадратов
вопрос был изначально (у меня в голове) "определить накапливающийся дисбаланс Дебита-Кредита" (тоже извините за выражение) в Range (и на отрезке времени) -- тут пока без обучения считать надо... но за напоминание про мат. моделирование спасибо - я не физ-мат, я эколог - у нас проще (без функций и мат.моделирования, но с распределениями, фактами и вероятностями; мы экосистему не предсказываем, хотя оценивать риски тоже не помешает, наверно, иногда; теор.вер глубоко не копали) -просто интересно было, что с этими вероятностями потом сделать можно (с пользой)
На самом деле я почти ничего не понял. Давайте так:
1) Что такое целевая функция и зачем она вам нужна ?
2) Зачем вам логнормальное распределение и почему вы решили что оно вам вообще пригодится ?
3) Не совсем понимаю как "семейство" функций может превращаться в один прототип функции пусть даже логнормального распределения.
4) Логнормальное распределение чего ? Что выступает случайной величиной у вас в этом распределении ?
5 ) Что такое МНК ?
Попробуйте простым языком задать вопрос, и получите простой ответ ) извините если что )
1) целевая или фитнес функция это количественная ценка работы вашего алгоритма
если тренируешь регресию например то целевой функией будет функция/формула по которой ты считаешь ошибку для алгоритма , тоже самое и с генетическим алгоритмом или любым другим который что то минимизирует/максимизирует те практически любой алгоритм МО
https://ru.wikipedia.org/wiki/%D0%A6%D0%B5%D0%BB%D0%B5%D0%B2%D0%B0%D1%8F_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F
5) метод найменьшых квадратов
- поняла - оптимизировать любую ТС на любых индюках (обучив за любой период по выбору разработчика)... - получить условия для входа с min-ошибкой в своего индюка...
(хоть это и др. вероятности, чем те о которых я думала, как эколог, оценивая среду и условия)
Кому интересно, прикладываю скрипт для балансировки классов при решении задачи классификации.
Балансировка основана на ресемплинге исходной выборки при помощи модели гауссовых смесей. Советую юзать, так как в местных датасетах редко метки классов сбалансированны.
Сэкономит много времени и нервов.
Кому интересно, прикладываю скрипт для балансировки классов при решении задачи классификации.
Балансировка основана на ресемплинге исходной выборки при помощи модели гауссовых смесей. Советую юзать, так как в местных датасетах редко метки классов сбалансированны.
Сэкономит много времени и нервов.
А разве нету стандартных библ. в питоне для этого?