Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2832

Neuer Kommentar
 
Aleksey Nikolayev #:

Nun, das erste, was mir einfällt, ist, den Raum durch ein Gitter mit nicht zu großen oder kleinen Zellen zu unterteilen (die Größe wird durch das Rauschmodell bestimmt). Man beginnt mit einer (z. B. zufällig ausgewählten) Zelle - einige Punkte darin bestimmen die Richtung der Steigung der geglätteten Funktion und gehen zur nächsten Zelle usw., bis es keinen Übergang oder keine Schleife mehr gibt. Die Position des Extremwerts wird genau auf die Größe der Zelle abgestimmt, d. h. sie sollte nicht zu groß sein, gleichzeitig aber auch die Möglichkeit der Glättung bieten, d. h. sie sollte nicht zu klein sein. Und wir müssen die Tatsache akzeptieren, dass es im Prinzip keine exakte Position des Extremums gibt, da sie je nach Glättungsmethode variiert.

Das klingt nach viel Arbeit).

 

Die Polsterung zwischen R und dem Stuhl ist einfach zu dünn.

eine weitere unerfüllte Fantasie

 

warum löschst du Beiträge, paranoid? damit du nicht wieder angegriffen wirst, weil du in Schwierigkeiten geraten bist? :)

Wie oft kann man so einen Mist noch bauen?

 
Maxim Dmitrievsky #:

Sie haben also ein großes Projekt in R erstellt und es auf den Server gestellt. Und wer pflegt es? Niemand, denn es gibt keine Spezialisten für diese Menge und niemand will R wegen einer Statistik lernen.

Und für Python kannst du jeden Studenten für eine Stange Wurst anheuern und es wird dir gut gehen.


Wer braucht schon Studenten mit einer Stange Wurst?

Sie brauchen Studenten, die sich mit Statistik und MOE auskennen, wofür man 5 Jahre studieren muss. Und dann ist es immer noch wünschenswert, in einer spezialisierten Organisation zu arbeiten. Und R oder Python kann man in einer Woche lernen, denn alle diese Studenten-Statistiker können C++.

Aber für Leute, die NICHT 5 Jahre lang Statistik studiert haben, ist R viel nützlicher als Python, da in R nur das Nötigste vorkommt, alles andere wird wiedergekäut, dokumentiert....., denn es ist ja eine Fachsprache.

 
СанСаныч Фоменко #:

Wer braucht schon Schüler mit einer Wurststange?

Wir brauchen Studenten, die sich mit Statistik und MOE auskennen, ein Studium, das 5 Jahre dauert. Und dann ist es wünschenswert, in einer spezialisierten Organisation zu arbeiten. Und R oder Python kann in einer Woche gelehrt werden, da alle diese Studenten-Statistiker C++ kennen.

Aber für Leute, die NICHT 5 Jahre lang Statistik studiert haben, ist R viel nützlicher als Python, da in R nur das Nötigste enthalten ist, alles andere wird wiedergekäut, dokumentiert....., da es sich schließlich um eine Fachsprache handelt.

Glauben Sie mir, ein Student lernt Statistik in 5 Tagen für eine Stange Wurst, und viele andere Dinge auch.

Die wichtigste Voraussetzung für den Erfolg ist, dass der Schüler hungrig sein muss.

während wir seit Monaten und Jahren über das Gleiche reden.

 

Warum überhaupt über die Korrektheit der Optimierung diskutieren? Lokal, global - es ist mir egal.


Dicks Frage ist rein theoretisch und hat KEINEN praktischen Wert, denn selbst sehr korrekt gefundene Extrema beziehen sich auf die VERGANGENHEIT, und mit dem Eintreffen eines neuen Taktes wird es fast immer neue, uns unbekannte Extrema geben. Erinnern wir uns an das Prüfgerät. Er findet Extrema. Und was? Ein Optimum des Testers ist wertlos, wenn es keine Überlegungen gibt, dass es in der Zukunft leben wird. Aber die Lebensdauer eines Optimums hat NICHTS mit der Richtigkeit und Korrektheit des Findens dieses Optimums zu tun, worüber Dick schreibt.

 
Maxim Dmitrievsky #:

Glauben Sie mir, ein Schüler lernt Statistik in 5 Tagen für eine Stange Wurst und viele andere Dinge nebenbei.


Statistik wird 5 Jahre lang unterrichtet, und nicht jeder kann unterrichtet werden, sie werden bei den Aufnahmeprüfungen speziell ausgewählt.

 
СанСаныч Фоменко #:

Statistik wird 5 Jahre lang unterrichtet, und nicht jeder kann unterrichtet werden, sondern wird bei den Aufnahmeprüfungen speziell ausgewählt.

Wenn man Details weglässt und ein angewandtes Problem aus der realen Welt angibt, geht der Prozess schneller.

Meistens sind es Dummheiten in der Ausbildung, wenn eine Person nicht versteht, warum es notwendig ist und noch nie in ihrem Leben damit in Berührung gekommen ist. Sie sehen das Endziel nicht.

 

Kann mir jemand sagen, wie man eine benutzerdefinierte Metrik für catboost macht, ich brauche Sharp.

Das Ergebnis des Trainings des Modells mit meiner Version ist fast das gleiche wie mit RMSE, also gibt es irgendwo im Code einen Fehler.

preds und target sind return (a[i]-a[i+1])

class Sharpe(object):
    def get_final_error(self, error, weight):
        return error

    def is_max_optimal(self):
        return True

    def evaluate(self, approxes, target, weight):
        assert len(approxes) == 1
        assert len(target) == len(approxes[0])
        preds = np.array(approxes[0])
        target = np.array(target)
        data = [i if i > 0 else -1*i for i in preds]
        sharpe = np.mean(data)/np.std(preds)
        return sharpe, 0

model = CatBoostRegressor(learning_rate=0.1, n_estimators=2000, eval_metric=Sharpe())
 
СанСаныч Фоменко Lebensdauer eines Optimums hat NICHTS mit der Richtigkeit und Korrektheit des Findens dieses Optimums zu tun, über das Dick schreibt.

Mein Nachname ist nicht dekliniert.
die frage ist nicht, ob sich das globale ändern wird oder nicht (es wird sich zwangsläufig ändern), sondern ob es überhaupt ein globales extremum finden kann. wenn es dich nicht interessiert, kannst du die netzgewichte einfach mit zufallszahlen initialisieren und das war's, denn welchen unterschied macht es, ob es global ist oder nicht? lokal.))
1...282528262827282828292830283128322833283428352836283728382839...3399
Neuer Kommentar