Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2830
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
Sie sollten besser schweigen, dann wirken Sie viel klüger oder zumindest besser erzogen.
Sie sollten die Datenbank BASE!!!! studieren.
Was ist lokale Optimierung, globale Optimierung, Arten von Funktionen, Arten von Optimierung, Arten von Optimierung, welche Art von Optimierung auf welche Funktion anzuwenden ist, usw....
Diskrete Optimierung, kontinuierliche Optimierung, multikriterielle Optimierung, usw... was ist der Unterschied, was ist der Zweck, wo kann man das eine anwenden und wo das andere nicht....
Sie haben keine Ahnung von den grundlegenden Dingen!!!
Warum sollte ich schweigen, wenn ich etwas zu dem Thema zu sagen habe, ich bin kein dummer Mensch, der nur etwas sagen will.
Es wurde vorgeschlagen, das Lernen und die Optimierung an einigen repräsentativen Funktionen zu testen, was eine gute Praxis ist.
Wenn Sie glauben, dass neuronale Netze dies perfekt tun, liegen Sie wahrscheinlich falsch.
Es gibt eine spezifische Wahrnehmung auf der Ebene des Kargokults und des Glaubens an das göttliche R, das die Geschenke der Zivilisation bringt.
Ich habe immer mehr Vertrauen in Fachleute, die sich ihr ganzes Leben lang mit einem Problem beschäftigen, hier mit der Optimierung und insbesondere mit dem Gradientenabstieg.
Und das Hauptmerkmal von Amateuren ist es, abschätzig über Profis zu sprechen. R ist eine professionelle Sprache, das Maß aller Dinge in der heutigen Statistik. Es ist an der Zeit, das zu lernen, anstatt allen möglichen Unsinn über "Glauben und Kargokulte" zu schreiben.
Ich habe immer mehr Vertrauen in Fachleute, die sich ihr ganzes Leben lang mit demselben Problem, hier der Optimierung und insbesondere dem Gradientenabstieg, beschäftigt haben.
Und das Hauptmerkmal von Amateuren ist es, abfällig über Fachleute zu sprechen. R ist eine professionelle Sprache, das Maß aller Dinge in der heutigen Statistik. Es ist an der Zeit, dies zu lernen und nicht alles Mögliche über "Glauben und Kargo-Kulte" zu schreiben.
1. Sie glauben sicherlich an Fachleute, aber Sie haben nicht einen einzigen genannt oder eine Liste von Werken zu diesem Thema vorgelegt.
1. Die Frage von Dick ist eine vollkommen berechtigte und korrekte Frage. Ich verwende NS nicht, aber ich weiß mit Sicherheit, dass jede Funktion in jedem R-Paket notwendigerweise einen Verweis auf den Autor des Algorithmus enthält, und bei seriösen Algorithmen einen Verweis auf den Artikel/das Buch, in dem der in R implementierte Algorithmus beschrieben wird. Da Sie mit NS gut vertraut sind, könnten Sie, wenn Sie R verwenden würden, in R nach dem entsprechenden NS-Typ suchen und die entsprechende Referenz finden, in der der entsprechende Algorithmus beschrieben ist, eine Diskussion über den Algorithmus finden, alle Nuancen der Fachleute herausfinden ... und Dick auf höchstem fachlichen Niveau antworten, anstatt etwas Obszönes zu murmeln.
2) R dem Namen nach: die Sprache der Statistik und der Grafik. Das Wesen von R offenbart sich in der Rubrik seines Referenzapparats.
Hier ist eine Liste von Themen, die R-Pakete abdecken. Eines der Themen ist das maschinelle Lernen.
Hier ist eine Liste von Paketen, die sich auf MO beziehen.
Bis vor einigen Jahren konnte man Konkurrenten zu R unter anderen spezialisierten Statistiksprachen finden. Zum Beispiel SPPS, bis heute habe ich keine gefunden. R ist die einzige Statistiksprache geblieben, wird unterstützt und moderiert, hat eine riesige Anzahl von Mirrors, ist in Microsoft Software enthalten.
3. Der Vergleich von R mit Python ist absolut falsch.
R ist eine spezialisierte Sprache. Python ist eine universelle Sprache. Python übertrifft R bei der Zahl der Nutzer bei weitem, aber der Massennutzer von Python ist das Webdesign. Die Tatsache, dass Python über Statistikpakete verfügt, erlaubt es NICHT, es als Statistiksprache zu klassifizieren. Auf dieser Grundlage kann C++, in dem die sowohl von R als auch von Python verwendeten Pakete implementiert sind, als Statistiksprache eingestuft werden. Aufgrund der detaillierten Rubrik und der Verweise auf die Algorithmen der vorgeschlagenen Funktionen kann R für das Studium der Theorie und Praxis der Statistik verwendet werden, Python hingegen nicht.
Ich habe mich mit dieser Frage nicht eingehend beschäftigt. Die Idee scheint einfach zu sein, aber es gibt eine Menge technischer Feinheiten bei der Umsetzung.
Es gibt eine vollständige Suche und es gibt eine Optimierung. Sie wird benötigt, um die Zeit bis zum Finden einer optimalen Lösung zu verkürzen. Da dies so ist, ist es immer ein Kompromiss. Man kann mit der stochastischen Gradientenmethode optimieren und erhält ein besseres Ergebnis als mit Adam, muss aber Zeit opfern. Und man muss sich entscheiden. Bei manchen Aufgaben kann die Genauigkeit wichtiger sein als die Geschwindigkeit, zum Beispiel, um die Erwartung von TC zu erhöhen.
.
Eine wichtige Frage ist, was optimiert werden soll. Ich würde gerne sinnvolle Kriterien optimieren, die mit Gewinn, Drawdown, Volatilität usw. zusammenhängen.
Kompletter Overshoot ist die beste Art der Optimierung) Leider nicht immer anwendbar).
Eine wichtige Frage ist, was optimiert werden soll. Ich möchte sinnvolle Kriterien optimieren, die sich auf Gewinn, Drawdown, Volatilität usw. beziehen.
Vollständige Überschreitung ist die beste Art der Optimierung) Leider nicht immer anwendbar).
Ich würde den Slogan "kämpfen und suchen - finden und verstecken" zitieren.
Sie können jedes beliebige Kriterium als benutzerdefinierte Metrik einstellen, insbesondere diese Standardkriterien. Es wird immer noch nach Logloss optimieren, aber es wird bei diesen benutzerdefinierten Kriterien aufhören, was wahrscheinlich Sinn macht
und in der Tat macht es das, denn das Anhalten im gleichen Bousting basiert immer auf einem Gusskriterium wie Genauigkeit.