Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 817
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Lo tiré hace tiempo, ahora he vuelto porque hay puntos interesantes (ni siquiera sobre la NS bayesiana en sí, sino en principio)
También hay dos partes. Buscar por autor.
También hay una segunda parte. Búscalo en el autor.
Sí, lo sé.
Sí, ¿por qué no seguimos con la probabilidad si nadie tiene ninguna idea?
Sólo siento que esto es lo último que queda, y si no mejora la ST, el reentrenamiento no puede ser superado en principio
Ya hay algunas ideas interesantes que me guardo por ahora para no excitar las mentes de los "simpatizantes"
aquí hay un artículo interesante
https://habrahabr.ru/post/276355/
es interesante. parece ser bien conocido... pero ayudó a traer algunas ideas frescas a la mente.
Probablemente lo importante no sea el contenido del material, sino la forma en que se presenta
Da igual que sea un marshkas con martin, ML en python o R si algún segurata o dependiente le da vueltas a las perillas en base a su "intuición", el resultado es el mismo, Fa al menos ofrece a sabiendas un GARCH cojo con el precio pasado como mejor predictor del futuro, Fa no está tratando de animar vanamente a la gente, en eso es más honesto.
Por centésima vez:
1. la búsqueda de datos es obligatoria. es obligatorio empezar seleccionando sólo los predictores que tienen influencia en la variable objetivo. Y luego toda la búsqueda de datos.
2. Hay dos modelos:
3. entrenamiento de los modelos con validación cruzada si es posible
4. evaluación de los modelos fuera del archivo de formación
5. Prueba de funcionamiento en el probador.
¡Por enésima vez TODOS los pasos son obligatorios!
Una vez hecho todo esto, se puede suponer que el depo no se agotará inmediatamente.
¡Vamos, hombres! Terminar de pasar el rato en el foro y con tranquila alegría poner en marcha el plan trazado para R.
¡Tres hurras!
Da igual que sea un martin, ML en python o R si algún guardia de seguridad o empleado le da vueltas a la cabeza basándose en su "intuición", el resultado es el mismo, Fa al menos ofrece a sabiendas un GARCH cojo, cuyo precio pasado es la mejor previsión del futuro, Fa no intenta hacer sentir bien a la gente, es más honesto al respecto.
La única persona inteligente aquí es Alyosha...
¿Puede decirme qué algoritmo de red neuronal se puede utilizar para revelar la lógica (neurona) de la columna "Calc"?
Interesante. Parece que todo se sabe desde hace tiempo... pero aportó nuevas ideas.
Probablemente, lo importante no es el contenido del material, sino cómo se presenta
Sí, y el RBM se conoce desde hace mucho tiempo, pero hay un montón de nuevas investigaciones en esta área que aún no he leído
pero la principal diversión es que se puede utilizar para las características de pre-procesamiento, que es lo que necesito
... soy tonto, por lo que en dipling ya utilizado ... lol ... acabo de descubrir por qué :) todo ya estaba inventado antes de nosotros de nuevo
¿Puede decirme qué algoritmo de red neuronal se puede utilizar para revelar la lógica (neurona) de la columna "Calc"?
Es mejor usar un árbol para esto, este modelo creará tal conjunto de reglas:
Escribí el código rápidamente, el modelo da el resultado como texto o imagen
En el artículo se describe cómo hacerlo en R:
https://www.mql5.com/ru/articles/1165
En la pestaña "Modelo", seleccione el árbol. Poner "min split" y "min bucket" a 1. Cree un modelo y luego haga clic en el botón Dibujar para mostrar la imagen. Reglas - mostrar las reglas en forma de texto