Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2647
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
wai!
Ich verstehe Sie, Sie haben eine spezielle Ausbildung und Erfahrung, anders als die "Aktivisten" .... (Sie sind Wirtschaftswissenschaftler und haben Berufserfahrung in Scheidungszentren?).
aber wie oft kann man sich noch über sie lustig machen?
wai!
Ich verstehe Sie, Sie haben eine spezielle Ausbildung und Erfahrung, anders als die "Aktivisten" .... (Sie sind Wirtschaftswissenschaftler und haben Berufserfahrung in Scheidungszentren?).
aber wie oft kann man sich noch über sie lustig machen?
Oh, die Stirlitzes/Gegenstirlitzes sind hier.)
Es ist alles in Ordnung... normaler Kanal mit Biegungen und Fremdeinschlüssen, aber der Kanal ist stabil)))).
Es scheint mir ganz normal zu sein, dass ein einfacher Algorithmus nur für einen begrenzten Teil der Prädiktoren funktioniert.
Man könnte schrittweise aus der Stichprobe entfernen, was in die "guten" Felder fällt, und den Algorithmus auf den Rest anwenden. Im Grunde genommen wäre das ähnlich wie Bousting. Wahrscheinlich kann man es ähnlich wie bei randomforest machen - man nimmt eine große Menge von Prädiktoren und findet für jede Teilmenge mehrere Boxen.
Wenn ich es richtig verstehe, geht es bei der Kombination von Prädiktoren darum, die ermittelten Boxen so anzuordnen, dass sie sich nicht überschneiden, und wenn doch, dann verschlechtern sie das Ergebnis nicht wesentlich, oder?
Ich verarsche Sie nur, ich sage, wie es ist.
Du hast nur noch nicht gesehen, wie es hinter den Kulissen zugeht.
;)
Sie haben nur noch nicht gesehen, wie es hinter den Kulissen zugeht.
;)
Wenn ich es richtig verstehe, geht es bei der Kombination von Prädiktoren darum, die ermittelten Felder so anzuordnen, dass sie sich nicht überschneiden, und wenn doch, dann verschlechtern sie das Ergebnis nicht wesentlich, oder?
Ich denke, die Frage, was mit den erkannten Kästchen zu tun ist, ist komplex und hat kaum klare, eindeutige Regeln für alle möglichen Fälle. Ein guter, gut durchdachter Algorithmus ist wahrscheinlich ein ziemlich geheimes "Know-how")
Wenn die Fälle auf der gleichen Menge von Prädiktoren basieren, reicht es wahrscheinlich aus, wenn sie sich nicht überschneiden. Wenn es eine Überschneidung gibt, kann sie einem separaten Feld zugeordnet werden, und ihre Ergänzungen können auf mehrere Felder aufgeteilt werden. Eine zu große Anzahl von Boxen würde die Stichprobe jedoch zu sehr fragmentieren. Daher können wir den Begriff des Kästchens verallgemeinern - in der Sprache der Regeln bedeutet dies, Negationen und ODER zu UND hinzuzufügen.
Wenn die Boxen auf der Grundlage völlig unterschiedlicher Prädiktoren gebildet werden (z. B. durch die Random-Forest-Methode), dann können sie sich nur in Bezug auf die Teile der Stichprobe überschneiden, die in sie fallen. Hier sind wahrscheinlich einige portfolionahe Ideen gefragt.
Wenn sich die Prädiktoren teilweise überschneiden, ist es wahrscheinlich eine Mischung aus verschiedenen Ansätzen, aber es ist schwer zu sagen.
Es ist mir nicht klar, wie dies in ein einheitliches Schema gebracht werden kann. Die Standardmethode zur Konstruktion von Entscheidungsbäumen umgeht diese Probleme einfach und "schön", was sie für unsere Zwecke nicht ganz geeignet macht. Es mag möglich sein, ihn durch die Wahl eines Pruning-Algorithmus zu verbessern, aber meiner Meinung nach ist es besser, den Regelkonstruktionsalgorithmus kreativ zu überarbeiten.
Ich habe es gesehen. Wir haben vor nicht allzu langer Zeit über deinen Affen gelacht.
Es macht Sinn, auch ein Puppentheater hat eine Hinterbühne).
Macht Sinn, auch das Puppentheater hat eine Hinterbühne)
:D