Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3128

 

Bedeutet, dass das Deck schlecht gemischt wurde.

Verzerrung - Varianzkompromiss

 
Maxim Dmitrievsky #:

Es bedeutet, dass das Deck schlecht gemischt wurde.

Verzerrung - Varianzkompromiss

Maxim, in Anbetracht Ihrer Aussagen und Ihrer Kenntnis der Märkte möchte ich Ihnen erklären, was der Ausdruck "Der Schwanz wedelt mit demHund " bedeutet.

Ich weiß, dass dies Ihre Wut und Unzufriedenheit hervorrufen wird. Mich schreckt das nicht.

Lassen Sie mich das erklären.

Der Schwanz des Hundes ist die Grafik, die Sie links hinter der Null-Linie sehen, aber genau dieser Hund wird rechts stehen.

Der Hund muss verstanden und respektiert werden wie der Rest des Forums. Dann haben Sie eine Chance auf Erfolg. Lesen Sie Bücher über Psychologie. )))))))

 
Maxim Dmitrievsky #:

Es bedeutet, dass das Deck schlecht gemischt wurde.

Verzerrung - Varianzkompromiss

Genau das ist der Punkt: Sie können die Karten nicht mischen, wenn es eine Datendrift gibt. Man muss sie vorhersagen und möglicherweise Vorzeichen generieren, die sie berücksichtigen, wenn es sich um einen ausgeprägten Vektor und nicht nur um eine Schwankung im Bereich handelt.

Hier habe ich einen interessanten Algorithmus "Isolation Forest" entdeckt, der theoretisch Anomalien/Ausreißer in der Stichprobe für das Training und für neue Daten erfassen kann.

Theoretisch kann er dazu verwendet werden, die ursprüngliche Stichprobe zu filtern und Signale zu ignorieren, wenn neue Daten eintreffen, die sich stark von denen unterscheiden, mit denen das Training durchgeführt wurde.

Möchten Sie zusammenarbeiten, um dies herauszufinden?

Mehr dazu können Sie zum Beispiel hier lesen.

Примечания к машинному обучению Python алгоритм обнаружения аномальных точек - Isolation Forest - Русские Блоги
  • russianblogs.com
Примечания к машинному обучению Python алгоритм обнаружения аномальных точек - Isolation Forest, Русские Блоги, лучший сайт для обмена техническими статьями программиста.
 
Aleksey Vyazmikin #:

Der Punkt ist, dass man die Karten nicht neu mischen kann, wenn es eine Datendrift gibt. Man muss sie vorhersagen und möglicherweise Zeichen erzeugen, die sie berücksichtigen, wenn sie einen ausgeprägten Vektor haben und nicht nur eine Schwankung im Bereich.

Hier habe ich einen interessanten Algorithmus "Isolation Forest" entdeckt, der theoretisch in der Lage ist, Anomalien/Ausreißer in der Stichprobe für das Training und auf neuen Daten zu fixieren.

Theoretisch kann er verwendet werden, um die ursprüngliche Stichprobe zu filtern und Signale zu ignorieren, wenn neue Daten eintreffen, die sich stark von denen unterscheiden, auf denen das Training durchgeführt wurde.

Möchten Sie zusammenarbeiten, um dies herauszufinden?

Mehr dazu können Sie zum Beispiel hier lesen.

In der Phase der Bestimmung der Verzerrung angesichts ihrer Variabilität müssen wir die Karten neu mischen. Zu diesem Zweck wird eine Kreuzanpassung durchgeführt (analog zur Stabilität nach Sanych). Die Variabilität dieser Verzerrung ist möglicherweise überhaupt nicht linear, so dass dieses Problem nicht durch einfache Schlussfolgerungen gelöst werden kann. Ich habe gelernt, es teilweise zu lösen, aber ich möchte immer eine bessere Lösung.

Ich habe auch in die Richtung der Anomalien geschaut, aber bisher ist Kozul interessanter.
 
Maxim Dmitrievsky #:
Verbannt diese Patienten endlich!)
Sie verwandeln das Forum in eine Müllhalde.

Wenn ich es in zwei Beiträgen in eine Müllhalde verwandelt habe, dann haben Sie einen riesigen Mülleimer geschaffen, für den Sie verantwortlich sind.

Dann lassen Sie uns zum Thema kommen.

In welchem Zeitrahmen glauben Sie, dass das Verteidigungsministerium in der Lage ist, Qualitätsprognosen zu erstellen?

 
Maxim Dmitrievsky #:
In der Phase der Definition der Verzerrung im Hinblick auf ihre Variabilität muss man umschichten. Zu diesem Zweck wird eine Kreuzanpassung durchgeführt (analog zur Stabilität nach Sanych). Die Variabilität dieser Verzerrung ist möglicherweise überhaupt nicht linear, so dass dieses Problem nicht durch einfache Schlussfolgerungen gelöst werden kann. Ich habe gelernt, es teilweise zu lösen, aber ich möchte es immer noch besser machen.

Ohne die Ursache zu ermitteln, ist es nicht produktiv, verschiedene gängige Methoden anzuwenden. Deshalb möchte ich die Variabilität von Daten nicht mit Modellen, sondern mit einzelnen Prädiktoren messen, um die Ursache der Veränderung zu verstehen.

 
Maxim Dmitrievsky #:
Halten Sie die Klappe.

Mir ist klar, dass Sie ein Problem mit der Vorhersagefähigkeit haben, aber was bringen Sie den Leuten dann über MO bei?

Sagen wir, in der Automobilindustrie gibt es Straßen, auf die sich MO und Hardware verlassen können, und in den Märkten hinter 0 bar gibt es eine klare Straße zu allen Seiten des Horizonts.

Wenn SIE glauben, dass die Verengung oder Verbreiterung des Hundeschwanzabschnitts Ihnen einen Vorteil verschafft. Weit gefehlt.

 
Aleksey Vyazmikin #:

Ohne die Ursache zu erkennen, ist es nicht produktiv, verschiedene gängige Methoden anzuwenden. Deshalb möchte ich die Variabilität der Daten nicht anhand von Modellen messen, sondern anhand einzelner Prädiktoren, wobei die Ursache der Veränderung bekannt sein sollte.

Wir können jeden einzelnen Prädiktor auf diese Weise messen. Der Phantasie sind dabei keine Grenzen gesetzt. Es ist einfach Matstat und MO, man bekommt, was man anwendet.

Versuchen Sie es mit Anomalien, das ist einfacher. Ich werde denjenigen, die nichts gelesen haben, nicht mehr über Kozul erklären.
 
Aleksey Vyazmikin #:

Ohne die Ursache zu erkennen, ist es nicht produktiv, verschiedene gängige Methoden anzuwenden. Daher möchten wir die Variabilität der Daten nicht anhand von Modellen, sondern anhand einzelner Prädiktoren messen, wobei wir die Ursache für die Veränderung kennen.

Es ist wichtig, den Detektor richtig einzusetzen. Dies ist die Grundlage der Bewegung.

P.S..

Verschiedene Faktoren können als Detektor dienen, nicht unbedingt technischer Natur, sondern auch in Kombination mit FA, Nachrichten, Gerüchten usw.

Wenn Sie daran interessiert sind, gebe ich Ihnen zum richtigen Zeitpunkt einen Hinweis, natürlich kostenlos)))).

 

Wenn ein Benutzer mit einer diskutierten Theorie (oder dem Thema/den Besonderheiten eines Themas) nicht einverstanden ist, und wenn diese Meinungsverschiedenheit mehr als einen/drei Beiträge umfasst, dann empfehle ich dringend Folgendes:

  • Erstellen Sie Ihr eigenes Thema.
  • Legen Sie im ersten Beitrag des Themas die Regeln des Themas fest (was diskutiert wird und was nicht, und wie es diskutiert wird usw.).
  • Wenn alles in Ordnung ist, werden die Moderatoren den Zweig gemäß den Regeln des Zweigs überwachen.

Ich verstehe, dass es einfacher ist, einige Beiträge in einem sehr beliebten und geförderten Thema zu verfassen, als ein eigenes Thema von Grund auf zu erstellen und es populär zu machen.
Aber dies ist die einzige Möglichkeit, verschiedene Aspekte hier zu entwickeln, ohne sich gegenseitig zu "berühren".
--------------------

Für Informationen.