Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 927
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
Programmatisch kann der Baum wie folgt beschrieben werden:
Und es gibt keine genauen Namen für die Prädiktoren - das Bild modifiziert die Namen einfach....
Hier sind die vollständigen Namen:
Ich werde versuchen, dasselbe für mnogoVhodov_02 zu tun. Ich werde das Skript über Nacht arbeiten lassen, morgen Nachmittag werde ich zeigen, was ich habe.
Allerdings ist die Modellgenauigkeit für malovhodov nicht sehr gut, es gibt eine Menge von falschen Einträgen. Ich würde nicht handeln )
Mein Wald für echte und falsche Marken ist durchzogen.
Die gesuchte Klasse ist mehr als die Hälfte in einer anderen Klasse im Test, aber es war gut aufgeteilt in der Ausbildung)
Gutes Ergebnis. Ich benutze nicht den Wald, sondern einen Baum, was wahrscheinlich der Grund ist, warum ich deutlich schlechtere Ergebnisse habe.
Und wie lauten die Ergebnisse des Tests mit den Daten aus einer anderen Datei? (anderes Jahr)
Hier sind die vollständigen Namen:
Ich werde versuchen, dasselbe für mnogoVhodov_02 zu tun. Ich werde das Skript über Nacht arbeiten lassen, morgen Nachmittag werde ich zeigen, was ich habe.
Allerdings ist die Modellgenauigkeit für malovhodov nicht allzu gut, es gibt zu viele falsche Einträge. Ich würde nicht handeln )
Danke für den Vollbildschirm des Baums, ich werde es jetzt mit dem Baum aus dem Programm versuchen.
Ich glaube nicht, dass ich es aus irgendeinem Grund verwenden kann, wenn ich später damit arbeiten werde, habe ich große Hoffnungen für die Wälder, die Ergebnisse sollten etwa 15% mehr sein, was gut wäre.
Und was die geringen Eingaben betrifft, so ist der Filtersatz genau dafür da - er soll die Dinge insgesamt verbessern.Wie lauten die Ergebnisse eines Tests mit Daten aus einer anderen Datei? (anderes Jahr)
Dies sind meine Daten (eine Datei). Der Test liegt bei 25 %.
Hier sind die vollständigen Namen:
Ich werde versuchen, dasselbe für mnogoVhodov_02 zu tun. Ich werde das Skript über Nacht arbeiten lassen, morgen Nachmittag werde ich zeigen, was ich habe.
Allerdings ist die Modellgenauigkeit für malovhodov nicht allzu gut, es gibt zu viele falsche Einträge).
Ich habe den Baum im Programm Deductor erstellt, und keines der Ziele wurde gefunden.
Die Leidenschaften weiter beobachten... In der Zwischenzeit wurde eine Woche lang ein Vergleich zwischen den beiden Netzen angestellt. Ich dachte, warum soll ich dich mit allen möglichen Tests usw. füttern... Die beste Art, ein Problem zu lösen, ist der Kampf, und das Ergebnis ist folgendes...
ELMNN- in R eingebaute Netzwerke haben eine Woche lang so funktioniert...
jPrediction- Reshettes wie dieses....
Es ist schwer zu beurteilen, wer cooler ist. Ich denke, beide Optimierer sind gut. Aber am besten sieht es hier aus.....
Und kein Grund, es der Oma unter die Nase zu reiben!!!!!!!!
Solange Akello nächste Woche nicht wieder ausfällt.
Mir ist aufgefallen, dass meine grundlegenden Strategien schlecht sind. Kann mir jemand einige grundlegende Strategien nennen, die ich bei meinen Agenten verbessern kann?
Versuchen Sie es zunächst mit Malovhodov.
Ich habe versucht, Forest beizubringen, arr_Buy aus 2015 auf der Grundlage von arr_Vektor_Woche, arr_Vektor_Day usw. vorherzusagen.
Die Klassen sind sehr unausgewogen (es gibt 10-mal mehr Beispiele mit Klasse 0 als mit Klasse 1), was den Schwierigkeitsgrad erheblich erhöht.
Dies ist der Baum von 2015, der auf
Die Vorhersage ist in beiden Fällen von geringer Genauigkeit, aber die Genauigkeit liegt in beiden Fällen bei mindestens über 50 %.
Ich habe aufgehört, die Fehler in diesen Tabellen standardmäßig zu zählen.
Meine Argumentation lautet wie folgt: Die ursprüngliche Klasse "0" ergab eine Vorhersage der Klasse "1" = 86118, und die Klasse "1" ergab eine Vorhersage der Klasse "1" = 12256. Das bedeutet, dass wir beim Handel eine falsche Klassenvorhersage = 86118 erhalten, während die richtige Vorhersage = 12256 ist, d.h. Fehler = 86116/(86116+12256) = 87,5%9(!!), wenn Klasse "1" = Einstieg/Position - das ist eine Katastrophe. Aber die Position der Klasse "0" ist sehr gut - die fehlerhaften Nullen bei der Entscheidungsfindung werden nur 5,3 % betragen.