Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3386
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
Ich werde es von Chabarowsk aus versuchen...
Jedes Modell ist eine bestimmte Summe von Mustern, überspitzt gesagt, kann ein Muster als TS bezeichnet werden.
Stellen wir uns vor, dass ein Modell aus 100 TS besteht.
Es kann sein, dass in Modell Nr. 1 100 TK ein Geschäft abgeschlossen haben.
Es kann sein, dass in Modell #2 ein TS 100 Geschäfte gemacht hat und die anderen 99 keine Geschäfte gemacht haben.
Wie berechnet man die Statistiken für jeden TS?
Wenn das Modell aus den Regeln stammt, ist es einfach und klar zu machen.
Wenn das Modellneuronal ist?
Das Problem ist nicht die Häufigkeit der Verwendung des Modells.
Das Problem besteht darin, dass dasselbe Modell (Baum?) bei denselben Daten in einigen Fällen eine Bezeichnung und in anderen Fällen eine andere Bezeichnung vorhersagt. Dies wird als Klassifizierungsfehler bezeichnet. Zumindest bei uns gibt es keine Prädiktoren, deren Werte streng in Klassen eingeteilt werden können, und alle Probleme mit Blättern, Bäumen usw. ergeben sich aus den Werten der Prädiktoren.
Wenn der Fehler bereits aufgehört hat, abzufallen oder gleich Null ist, können Sie die verbleibenden Beispiele nach einem gewissen Maß an Nähe in Muster unterteilen :) Clustering, zum Beispiel. Und zählen, wie viele übrig sind. Und sogar eine gemittelte Bedingung für jedes Muster/Cluster schreiben (Zentroide der Cluster nehmen), dann erhält man eine Regel in der Ausgabe.
Das ist möglich, aber wo ist die Garantie, dass die Partitionierung entsprechend der internen Partitionierung der Neuronen korrekt ist?
Wenn man clustert, sind es nicht die Beispiele, es ist die letzte Schicht der Neuronen.
Nein, nur Beispiele. Man kann keine Regeln aus den letzten Schichten der Neuronen erstellen.
Lassen Sie mich ein Datenbeispiel erstellen, und jeder wendet seine Methodik an, dann werden wir sehen.
Ich habe diesen Ansatz nicht ausprobiert, sondern nur laut darüber nachgedacht, wie man aus jedem Modell Regeln herausholen kann. Du kannst später damit herumspielen.
Es scheint, dass die Artikel nicht mehr übersetzt werden oder sie haben keine Zeit. Die englische Sektion ist bereits voll von Python-Artikeln und onnx :)) Und ein Artikel über R ist erschienen.
Im Allgemeinen sind die Artikel in Bezug auf TC nutzlos. Ungefähr dasselbe wie auf Medium, sie schreiben, um zu schreiben.
Identifizieren Sie nun alle linear verwandten Regeln und entfernen Sie sie als redundante Regeln
Wie ist diese lineare Kopplung definiert? Können Sie das näher erläutern?
Ich entferne nur Regeln, die sich sehr ähnlich sind. Die Ähnlichkeit wird durch Aktivierungspunkte bestimmt.