Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 519
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Also, was gibt's? Alle Helfer?????
Welches Thema???? Kumpel... Wer sind Sie?
Denn vielleicht bist du neu hier und kennst mich nicht. Ich bin auch eine Art von KI-Typ, ..... Was machst du... Sie sind von hier. :-)
Obwohl ich im Prinzip nett bin und alles, was Sie hier tun, NUR dann funktioniert, wenn die Daten der Grund für den Preis sind. Dann funktioniert jeder TS einwandfrei, auch wenn er 1 Balken oder 15 Balken vor der Vorhersage liegt (15 ist natürlich schlechter als 1, aber darum geht es nicht). Darum geht es nicht... Der Punkt ist... RTS-Index, der OI hat. Da die Bedeutung von volume.... Und das Problem ist LÖSUNG. ALLES, egal ob es sich um eine Vorhersage oder eine Klassifizierung handelt.
Und was wollten Sie mit Ihrem Satz sagen, dear.....
:D
Jetzt möchte ich dir sagen, dass du dich selbst ficken kannst. Mein lieber Freund. Ich danke Ihnen.
Genau, du hast weder letztes noch dieses Mal etwas gesagt, als ob du ins Leere furzt...... Wir brauchen Leute wie Sie nicht, die mit uns reden. Entschuldigung....
Paradoxerweise ist die Klassifizierung dasselbe wie die Regression.
Nur bei der Regression ist die Ausgabe ein realer Wert, während sie bei der Klassifikation eine Wahrscheinlichkeit ist.
Regressionsziele sind kontinuierliche Kurven, während Klassifikationsziele (0, 1) oder (-1,+1) Impulse sind.
Diese Ausgabe wird dann in die entsprechende Klasse übersetzt (ifelse(y > 0,5, 1, 0).
2) Was ist, wenn ich 3 Klassen habe -1,0,1 (kaufen, verkaufen, warten). Geht es über 0,5 (k=0;wenn(y<-0,5)k=-1; wenn(y>0,5)k=1; die Mitte zwischen den Klassen, aber die Wahrscheinlichkeit der Klasse 0 wird doppelt so hoch sein wie 1 oder -1) oder über 0,33 (k=0;wenn(y<-0,33)k=-1; wenn(y>0,33)k=1; also sind alle Klassen gleich wahrscheinlich)?
Eine gute Klassifizierung wird so vorgenommen. Jeder Klasse wird ein eigener Ausgang zugewiesen. Es wird eine Kreuzentropie-Lernverlustfunktion verwendet. Während der Ausbildung kann nur eine Klasse einer Klasse zugeordnet werden. Es ist notwendig, für die Klasse ohne Signal zu sorgen. Zum Beispiel: kaufen, verkaufen, nichts tun. Es handelt sich um getrennte Klassen. Es ist ineffizient, alle Werte an einen Ausgang zu leiten, da ein Neuron möglicherweise nicht lernt, wie man z. B. 10 Klassen aufteilt.
Die Ableitungen zeigen die Richtung des Trends an. Die Ableitungen von 2 MAs und die Differenz zwischen ihnen beschreiben den Zustand des Systems vollständig (Sie haben den Thread selbst gestellt).
Aber das ist eine Frage des eigenen Geschmacks).
Die Ableitungen von 2 Maischen und deren Differenz hängen nur von 4 Balken ab, sie können den Zustand des Systems in keiner Weise gut beschreiben
1) Erfolgt der Übergang zu einer Klasse immer über die Mitte des Bereichs?
2) Und wenn 3 Klassen -1,0,1 (verkaufen, warten, kaufen). Übertragung durch 0,5 (k=0;wenn(y<-0,5)k=-1; wenn(y>0,5)k=1;in der Mitte zwischen den Klassen, aber die Wahrscheinlichkeit der Klasse 0 wird doppelt so hoch sein wie 1 oder -1) oder durch 0,33 (k=0;wenn(y<-0,33)k=-1; wenn(y>0,33)k=1;so dass alle Klassen gleiche Wahrscheinlichkeiten haben)
In R sind in der Regel verschiedene Ergebnisse für die Klassifizierung möglich:
Sie stellen den Modus "Klassenwahrscheinlichkeit" ein und berechnen die Klasse unabhängig, z.B. in der Hälfte oder 30/70. Oder Sie können dies so machen: weniger als 30% eine Klasse und mehr als 70% eine andere Klasse, und die Lücke dazwischen als NA.
1) Erfolgt der Übergang zu einer Klasse immer über die Mitte des Bereichs?
2) Und wenn 3 Klassen -1,0,1 (verkaufen, warten, kaufen). Übertragung durch 0,5 (k=0;wenn(y<-0,5)k=-1; wenn(y>0,5)k=1;in der Mitte zwischen den Klassen, aber die Wahrscheinlichkeit der Klasse 0 wird doppelt so hoch sein wie 1 oder -1) oder durch 0,33 (k=0;wenn(y<-0,33)k=-1; wenn(y>0,33)k=1;also haben alle Klassen die gleiche Wahrscheinlichkeit)?
Wir sprechen von zwei Klassen. Kontinuierliche Klassifizierungsergebnisse können mithilfe eines Schwellenwerts in Klassenbezeichnungen umgewandelt werden:
Zwei Ergebnisse sind möglich:
Normalerweise haben Klassifikatoren eine kontinuierliche numerische Variable (Unterstützungsgrad) als Ausgabe. Der Grad der Unterstützung für eine gegebene Eingabe X kann auf verschiedene Weise interpretiert werden, wobei die beiden häufigsten die Gültigkeit der vorgeschlagenen Bezeichnungen und die Schätzung möglicher Wahrscheinlichkeiten für Klassen sind. Klassenwahrscheinlichkeiten sind durch Modelle schlecht gegeben, so dass sie in der Regel kalibriert werden müssen. Siehe calibrate::CORElearn. Die Ausgaben nach Softmax-Aktivierungsfunktionen kommen den Klassenwahrscheinlichkeiten am nächsten.
Viel Glück!