Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 850
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
¿Cuántos hay? Hay formas de hacerlo más rápido... La genética... También para llevarlos a la ns...
búsqueda heurística
¿Cuál necesita? De todos modos, lo proceso con un exponente con p=0,5 para obtener el flujo más simple.
Si identificamos el flujo de la garrapata tenemos, por ejemplo, el k=4 de Erlang, pues bien, si descartamos a Cauchy, ¿por qué tenemos que repasarlo con el exponente? ¿Cuándo podemos pasar directamente a Erlang k=5 y así sucesivamente? Alinear más entre ticks en lugar de confundir y alinear primero?
Probablemente, la forma más fiable sea recorrer las combinaciones de predictores. Pero es muy largo(
Al aumentar la complejidad de los modelos en jPrediction nos referimos a incrementar gradualmente el número de predictores. Porque en jPrediction el número de neuronas en la capa oculta es 2^(2*n+1), donde n es el número de predictores. En consecuencia, a medida que aumenta el número de predictores, aumenta la complejidad del modelo (el número de neuronas en la capa oculta). Por lo tanto, al aumentar gradualmente la complejidad del modelo, jPrediction alcanzará tarde o temprano el valor M, tras lo cual un mayor aumento de la complejidad del modelo conducirá a una mayor disminución de la generalizabilidad (aumento de los errores de generalización).
Me encontré con el post de Reshetov sobre el número de neuronas.
Si tengo 10 predictores obtengo 2^21 = 2097152 neuronas.
¿No es demasiado?
Incluso para 3 predictores hay 128 neuronas...
Me encontré con el post de Reshetov sobre el número de neuronas.
Si hay 10 predictores, son 2^21 = 2097152 neuronas.
¿No es mucho?
Incluso para 3 predictores serían 128 neuronas...
N = 2^i - 1
1023 neuronas para 10 entradas es mejor.
Pero a juzgar por los artículos, en la práctica se utiliza mucho menos, por ejemplo n=sqrt(#inputs * #outputs)
Aparentemente N = 2^i - 1 - para la memorización exacta, y fórmulas con menos número - para la generalización.
La selección de predictores más elegante en caret: gafs - selección genética de predictores; rfe - selección inversa de predictores (más rápida); safs - estabilidad simulada de la selección de predictores (annealing) - más eficiente.
Probé rfe en una matriz de 12*6400 - unas 10 horas de lectura con la configuración por defecto (tamaños = 2^(2:4)), no esperé y lo apagué. Pensó en un fallo, reinició de nuevo con tamaños = ncol(x) - ya cuenta una hora.
Actualización: la segunda ejecución con tamaños = ncol(x) terminó el cálculo en 2,5 - 3 horas, los resultados se acercan a los paquetes que tardan 3-5 minutos en procesar los mismos datos.Si rfe es el más rápido, ¿cuánto tiempo esperan los demás?
Los paquetes anteriores que probé no tardaron más de 5 minutos para los mismos datos.
¿Tanto tiempo te llevó?
Ajuste , rfeControl = rfeControl(número = 1,repeticiones = 1) - redujo el tiempo a 10-15 minutos, cambios - 2 pares de predictores intercambiados, pero en general similares.
Probé rfe en una matriz de 12*6400, estuvo unas 10 horas con la configuración por defecto (tamaños = 2^(2:4)), no esperé y lo apagué. Pensó en un fallo, reinició de nuevo con tamaños = ncol(x) - ya cuenta una hora.
Actualización: la segunda ejecución con tamaños = ncol(x) terminó el cálculo en 2,5 - 3 horas, los resultados se acercan a los paquetes que tardan 3-5 minutos en procesar los mismos datos.Si rfe es el más rápido, ¿cuánto tiempo esperan los demás?
Los paquetes anteriores que probé no tardaron más de 5 minutos para los mismos datos.
¿Te ha llevado tanto tiempo?
No lo recuerdo exactamente, fue hace mucho tiempo, pero pasiones como la suya no se me quedan grabadas en la memoria
La matriz es común para mí.
PERO
No lo recuerdo exactamente, fue hace mucho tiempo, pero pasiones como la suya no se me quedan grabadas en la memoria
La matriz es común para mí.
PERO
2 clases
Cargado 1 núcleo
Configurando , rfeControl = rfeControl(número = 1,repeticiones = 1) - redujo el tiempo a 10-15 minutos. Cambios en los resultados - 2 pares de predictores intercambiados, pero en general similares a los predeterminados.