Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 934
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
Und in R selbst sind die Grafiken nichts Besonderes. Und die Grafikpakete sind auch nicht gut.
Heute habe ich einen Tag dem Studium von DSP gewidmet.
Das erinnert mich an NS.
Filterkoeffizienten und ähnliches, fast wie Prädiktoren
)
Heute habe ich den Tag damit verbracht, DSP zu studieren.
Es ist ein bisschen wie bei NS.
Filterkoeffizienten und so weiter, fast wie Prädiktoren.
)
Ich glaube nicht, dass ein Tag genug ist.) Das ist eigentlich eine Spezialität). Sie haben sich jahrelang damit beschäftigt, sogar ihr ganzes Berufsleben lang.
NS, nicht erinnernd, aber weit verbreitet in DSP. Die Frage der Anwendung von NS in DSP ist die richtige Formulierung des Problems für NS. Eine Anwendung von NS ist beispielsweise die Filterung, einschließlich der adaptiven Filterung.
Übrigens, NS wird gut funktionieren, wenn Sie ihm eine ganz bestimmte Aufgabe geben, nicht bringen diese, ich weiß nicht, was.
Ein Tag ist wahrscheinlich nicht genug). Das ist eigentlich eine Spezialität). Sie wird seit Jahren, ja sogar ein Leben lang, untersucht.
NS, nicht erinnernd, aber weit verbreitet in DSP. Die Frage der Anwendung von NS in DSP ist die richtige Formulierung des Problems für NS. Eine Anwendung von NS ist beispielsweise die Filterung, einschließlich der adaptiven Filterung.
Übrigens, NS wird gut funktionieren, wenn Sie ihm eine ganz bestimmte Aufgabe geben, nicht bringen diese, ich weiß nicht, was.
Spezialität entspricht
Der Tag ist kurz, da stimme ich zu.
Filter_02 2016 arr_Buy
Dort übersteigt die Klasse "1" sogar die Zahl der "0", so dass es weniger Fehleingaben gibt als zuvor. Versuchen Sie bitte diesen Baum im EA? Ich bin selbst gespannt, was die Gewinntabelle zeigen wird.
Die Klasse "1" ist ein reiner Kauffilter und die Klasse "-1" ein Verkaufsfilter, so dass es idealerweise besser wäre, sowohl einen Verkaufs- als auch einen Kauffilter zu programmieren. Ich habe nur Werte alle int, ich verstehe, dass, wenn die Verzweigung Wert im Baum ist 2,5, dann habe ich 3, richtig? Und in Ovalen bedeutet es mehr oder gleich 0,50, dann ist es 1, sonst ist es Null? Es ist nur so, dass es nur 4 Ausgänge zu Null gibt, dann prüfe ich sie einfach, wenn es nicht 0 ist, dann ist es 1.
Klasse "1" ist ein reiner Kauffilter und Klasse "-1" ist ein Verkaufsfilter
Ich verstehe nicht. arr_Buy==1 bedeutet "nicht kaufen"?
Idealerweise wäre es besser, einen Filter sowohl für den Verkauf als auch für den Kauf zu programmieren.
Und wie berechnet man einen Zielwert aus zwei arr_Buy und arr_Sell?
Es wäre gut, wenn es in einer Zielspalte nur zwei Klassen -1 und 1 (Kaufen und Verkaufen) gäbe, und zwar etwa gleich viele von beiden. In diesem Fall können wir mit dem Modell stabilere Ergebnisse erzielen.
Ich habe nur Werte alle int, ich verstehe, dass, wenn die Verzweigung Wert im Baum ist 2,5, dann habe ich 3, richtig? Und in Ovalen bedeutet es mehr oder gleich 0,50, dann ist es 1, sonst ist es Null? Es ist nur so, dass es nur 4 Ausgänge zu Null gibt, dann überprüfe ich sie einfach, wenn nicht 0, dann ist es 1.
Ja, das ist richtig.
Die Klasse "1" ist ein reiner Kauffilter und die Klasse "-1" ein Verkaufsfilter, so dass es idealerweise besser wäre, sowohl einen Verkaufs- als auch einen Kauffilter zu programmieren. Ich habe nur Werte alle int, ich verstehe, dass, wenn die Verzweigung Wert im Baum ist 2,5, dann habe ich 3, richtig? Und in Ovalen bedeutet es mehr oder gleich 0,50, dann ist es 1, sonst ist es Null? Es ist nur so, dass es nur 4 Ausgänge gibt, die auf Null gesetzt werden können, dann werde ich sie einfach überprüfen, wenn nicht 0, dann 1.
Machst du den Baum selbst?
Ein Wald reicht aus, um ausgebildet zu werden, und eine weitere Optimierung ist sinnlos - es ist einfacher, einen neuen Wald zu schaffen.
Für volle Kompatibilität mit MQL5 habe ich https://github.com/Roffild/RoffildLibrary/blob/master/Experts/Roffild/Alglib_RandomForest.mq5 Run only on local agents erstellt. Der Code kann mehrere Dateien mit einer unterschiedlichen Anzahl von Prädiktoren erzeugen und sie im Optimierer ausführen. Wenn Ihnen der Arbeitsspeicher ausgeht, sollten Sie auf Spark umsteigen...
Ich verstehe nicht. arr_Buy==1 bedeutet "nicht kaufen"?
Ja - nicht kaufen, es ist ein Filter, d.h. er sucht nach schlechten Einstiegspunkten für den Kauf und für den Verkauf. Es geht darum, Markteintritte zu finden und sie mit dem Filter zu kombinieren.
Und wie berechnet man einen Zielwert aus zwei arr_Buy und arr_Sell?
Es wäre schön, wenn es nur zwei Klassen -1 und 1 (Kaufen und Verkaufen) in derselben Zielspalte gäbe, und zwar etwa gleich viele von beiden. In diesem Fall könnten Sie mit dem Modell stabilere Ergebnisse erzielen.
In diesem Fall sollte der Einstieg bei jedem Balken erfolgen - Kauf oder Verkauf, aber der Markt bietet nicht so viele Trendbewegungen, und das Ziel für Kauf und Verkauf ist ein Trend, so dass die Signale nicht kombiniert werden können. Der Filter überwacht alle Verluste, d. h. es gibt mehr Informationen - mehr Wohnungen - und sollte sie daher abfangen.
Es wurde schon oft geschrieben: Rauschprädiktoren sind viel modellfreundlicher - es gibt immer Werte im Rauschen, die das Lernergebnis verbessern. Der Prozess ist also umgekehrt - die Rauschprädiktoren erhalten mehr Gewicht, nicht wie Sie vorschlagen. Dies ist besonders auffällig bei kleinen Stichproben, die weniger als 1000 Beobachtungen umfassen. Stichproben mit mehr als 5000 Beobachtungen sind nicht so stark betroffen, aber Sie müssen trotzdem eine Vorauswahl der Rauschprädiktoren treffen
Wie identifiziere ich "Rauschprädiktoren"? Ich habe versucht, nach Bedeutung auszuwählen und auf diese Weise zu entfernen, aber das Ergebnis ist schlechter.
Ich ziehe es vor, die Ergebnisse des Random Forest auf dem Diagramm selbst zu überlagern.
Zum Beispiel der Vergleich zweier Random-Forest-Modelle:
Ich ziehe es vor, die Ergebnisse des Random Forest auf dem Diagramm selbst zu überlagern.
Zum Beispiel der Vergleich zweier Random-Forest-Modelle:
Es ist nicht klar, wie Ihr Indikator zu lesen ist.