Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3152

 
Maxim Dmitrievsky #:

du kannst chatgpt um die Dekodierung von Formeln bitten, wenn du irgendwelche Symbole nicht verstehst.

Y|T = 1 Ergebnisse der Testgruppe (mit Tritment)

Y|T = 0 - Kontrollgruppe (ohne)

Y - Klassenbezeichnung, Y0,Y1 - Klassenbezeichnungen ohne und mit dem Tritment

T - in das Modell eingegebenes Tritment (einschließlich Prädiktor) oder nicht eingegebenes Tritment (1;0)

E - Erwartung

Aufteilung an einem beliebigen Punkt, wenn Sie durch Test und Training dividieren

Wenn Sie nicht mischen, erhalten Sie eine verzerrte Schätzung von ATE+Bias

ATE ist der durchschnittliche Behandlungseffekt der Exposition

sleepy, ich habe vielleicht die Buchstaben verwechselt, aber die Logik sollte klar sein.

Ich verstehe immer noch nicht die Idee, an irgendeinem Punkt der Stichprobe zu teilen. Schließlich geht es meiner Meinung nach darum, genau den Punkt zu finden, an dem sich die Wirkung des Faktors verändert hat. Vielleicht ist es notwendig, verschiedene Teile der Stichprobe zu durchlaufen und die Genetik zu nutzen, um den Teil zu finden, der durch den Prädiktor neu beeinflusst wurde?

Vorhin haben Sie andere beschuldigt, nicht die Wahrheit zu sagen, aber Sie selbst machen nicht deutlich, welche Bedeutung diese Aktionen Ihrer Meinung nach für den Handel haben.

Ich habe noch nichts zu diesem Thema getestet, da es schwierig ist, dies in MQL5 zu automatisieren.

 

Leute, können wir sagen, dass MO ein Spezialfall der Optimierung ist?

Ich denke schon.

 
Aleksey Vyazmikin #:

Ich weiß nicht einmal, über welchen Code wir reden.

Ich dachte, ich antworte einem anderen Alexej, ich habe von meinem Telefon aus geschrieben.
 
Aleksey Vyazmikin #:

Ich verstehe immer noch nicht die Idee, an irgendeinem Punkt der Stichprobe zu teilen. Meiner Meinung nach geht es darum, den Zeitpunkt zu finden, an dem sich der Einfluss eines Faktors geändert hat. Vielleicht sollten wir eine Schleife durch verschiedene Teile der Stichprobe ziehen und die Genetik nutzen, um den Teil zu finden, der vom Prädiktor auf neue Weise beeinflusst wurde?

Vorhin haben Sie andere beschuldigt, nicht die Wahrheit zu sagen, aber Sie selbst machen nicht deutlich, welche Bedeutung diese Aktionen Ihrer Meinung nach für den Handel haben.

Ich habe noch nichts zu diesem Thema getestet, da es schwierig ist, dies in MQL5 zu automatisieren.

:)

Du hast genau das gleiche Buch vor dir wie ich. So wie ich es sehe, hast du es auch geschrieben. Frag mordorator, ob er eine Zusammenfassung macht, wenn du es verloren hast.
 

gesperrt, 12 Stunden später wieder freigegeben und dann wieder gesperrt.

Was war das?

 
mytarmailS #:

gesperrt, 12 Stunden später wieder freigegeben, erneut gesperrt.

Was war das?

Ein Monat ist in Ordnung, lass es weiterlaufen, neues Konto.

 

Ich bin auf das Preprocessing-Paket für Rezepte von R gestoßen . Beeindruckende Liste von Vorverarbeitungsschritten aus diesem Paket:

#> [ 1] "step_BoxCox" " step_YeoJohnson "

#> [ 3] "step_arrange" " step_bagimpute "

#> [ 5] "step_bin2factor" " step_bs "

#>  [  7] "step_center"  "  step_classdist " 

#> [ 9] "schritt_corr " " step_count "

#> [11] "schritt_schnitt " " step_date "

#> [13] "schritt_tiefe" " schritt_diskretisieren "

#> [15] "schritt_dummy" "  schritt_dummy_extrahieren " 

#> [17] "schritt_dummy_multi_choice" "schritt_factor2string "

#> [19] "schritt_filter" " schritt_filter_fehlend "

#> [21] "schritt_geodist" " schritt_harmonisch "

#> [23] "step_holiday"  "  step_hyperbolic " 

#> [25] "step_ica" " step_impute_bag "

#> [27] "step_impute_knn" " step_impute_linear "

#> [29] "step_impute_lower" " step_impute_mean "

#> [31] "step_impute_median"  "  step_impute_mode " 

#> [33] "schritt_imput_rolle" " schritt_anzeige_na "

#> [35] "schritt_ganzzahl" " schritt_interaktion "

#> [37] "step_intercept" " step_inverse "

#> [39] "schritt_invlogit"  "  schritt_isomap " 

#> [41] "schritt_knnimpute" " schritt_kpca "

#> [43] "step_kpca_poly" " step_kpca_rbf "

#> [45] "step_lag" " step_lincomb "

#> [47] "step_log "  "  step_logit " 

#> [49] "step_lowerimpute" " step_meanimpute "

#> [51] "schritt_medianimpute" " schritt_modeimpute "

#> [53] "schritt_mutieren" " schritt_mutieren_at "

#> [55] "step_naomit"  "  step_nnmf " 

#> [57] "step_nnmf_sparse" " step_normalize "

#> [59] "step_novel " " step_ns "

#> [61] "schritt_num2factor" " schritt_nzv "

#> [63] "step_ordinalscore"  "  step_other " 

#> [65] "step_pca" " step_percentile "

#> [67] "step_pls " " step_poly "

#> [69] "step_poly_bernstein" " step_profile "

#> [71] "schritt_bereich"  "  schritt_ratio " 

#> [73] "schritt_regex" " schritt_relevel "

#> [75] "schritt_relu" " schritt_umbenennen "

#> [77] "step_rename_at" " step_rm "

#> [79] "step_rollimpute"  "  step_sample " 

#> [81] "schritt_skalieren" " schritt_auswählen "

> [83] "step_shuffle" " step_slice "

#> [85] "step_spatialsign" " step_spline_b "

#> [87] "step_spline_convex"  "  step_spline_monotone " 

#> [89] "step_spline_natürlich" " step_spline_nonnegativ"

#> [91] "step_sqrt" " step_string2factor "

#> [93] "schritt_zeit" " schritt_unbekannt "

#> [95] "schritt_ungeordnet"  "  schritt_fenster " 

#> [97] "schritt_zv"

Meiner Erfahrung nach ist die Arbeitsintensität der Vorverarbeitung um ein Vielfaches geringer (3 bis 5 Mal) als die Arbeitsintensität der Anwendung des Modells selbst

 
СанСаныч Фоменко #:

Das Paket für die Rezepturvorverarbeitung von R gefangen genommen

Hedley Wickham macht keinen Blödsinn

 
Maxim Dmitrievsky #:

:)

Du hast genau das gleiche Buch vor dir wie ich. So wie ich es sehe, hast du es auch geschrieben. Frag mordorator, ob er eine Zusammenfassung macht, wenn du es verloren hast.

Ich sehe, statt Diskussion und Erfahrungsaustausch verfallen wir wieder in irgendwelche emotionalen Reaktionen.

Du hast den zweiten Beitrag gelöscht - ich wollte sagen, dass ich keinen Zusammenhang mit dem von dir angegebenen Link sehe. Dort im Artikel ist es seltsam, dass der Autor nicht die Standard-CB-Funktionen zum Ausgleich der Stichprobe ausprobiert hat. Und Schlussfolgerungen können nicht nur aus den Ergebnissen eines Tests an einem Datensatz gezogen werden.
 
Aleksey Vyazmikin #:

Ich sehe, anstatt zu diskutieren und Erfahrungen auszutauschen, verfallen wir wieder in irgendwelche emotionalen Reaktionen.

Sie haben den zweiten Beitrag gelöscht - ich wollte sagen, dass ich keinen Zusammenhang mit dem von Ihnen angegebenen Link sehe. Dort im Artikel ist es seltsam, dass der Autor nicht die Standard-CB-Funktionen zum Ausgleich der Stichprobe ausprobiert hat. Und man kann nicht nur aus den Ergebnissen eines Tests an einem Datensatz Schlussfolgerungen ziehen.
Erhöhen Sie Ihr Niveau, zumindest um Code zu schreiben und ein grundlegendes Verständnis von Algorithmen, über die in Büchern geschrieben wird. Dann gibt es auch etwas, worüber man reden kann. Andernfalls verursacht Cleverness (ein Versuch, den formalen wissenschaftlichen Stil zu imitieren), mit grammatikalischen und anderen Fehlern, nur ein Lächeln :).

Habe noch nie Modelle durch Gewichte gestimmt, schien interessant. Rein auf der Basis dieses Buches einen gewinnbringenden TS zu schreiben, war bisher nicht möglich. Ich meine Meta-Lerner, die dort beschrieben werden. Tuning durch Gewichte wird dort auch berücksichtigt. Aber als ich einige Elemente zu meiner Arbeit hinzufügte, wurde sie an einigen Stellen besser. Zum Beispiel das Cross-Training, das in einem anderen Artikel beschrieben wird. Ich habe das alles schon hinter mir und bin sozusagen weitergezogen, ich habe keine Lust, die Wagen hinter mir herzuziehen. Sie und Sanych haben zu lange darüber diskutiert, ob es im Handel notwendig ist oder nicht, ohne etwas zu lernen :)
.

Gelöscht, weil ich das zurückgebliebene Forum verlassen habe. Nicht nötig.

Viel Glück, du wirst es brauchen.