Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 896
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
y déjame decirte que estos modelos funcionan exactamente igual que los de Reshetov en el OOS. Exactamente lo mismo.
es decir, en tu caso, NADA... te diré lo mismo, más calcadito de 3er grado parroquial
es decir, en su caso, NADA... dicen lo mismo, más que una parroquia de 3er grado
No esta vez Maximka, no esta vez....... El mago resultó tener razón. La calidad de los datos ha aumentado en un orden de magnitud, por lo que la calidad del modelo......
Mis dos magos favoritos vuelven a ser amigos. Lo que les espera)))
No.... todavía no se ha disculpado.... aunque no hay nada que disculpar todavía....
No, nunca lo he hecho.
No entiendo muy bien por qué se necesita, porque, por ejemplo, un bosque ya es un clasificador o aproximador universal, y no hay nada que arreglar a mano
y los árboles simples son algoritmos primitivos bastante débiles.
Un árbol es más bien una lógica clara, que se forma después de un análisis, y todo lo demás me parece que encaja hasta ahora.
Me interesaba el árbol como una herramienta conveniente para tener en cuenta diferentes situaciones en el mercado, es decir, es conveniente utilizar un mismo patrón bajo diferentes condiciones y seleccionando estas condiciones se activará el patrón o no. Es una herramienta muy chula para la formación de patrones complejos, que se puede programar fácilmente, pero no hay un programa conveniente.
Y si el árbol, da un resultado en el 90% de los predictores disponibles, esto ya es más que suficiente, entonces ¿para qué sirve el NS o conjunto de árboles? He notado que si el árbol utiliza reglas booleanas (>/</==) para la selección de las áreas de clasificación de los predictores, el resultado es mejor, entiendo que el árbol no busca todos los resultados disponibles o debido al corte de las reglas con poco apoyo se cortan, como resultado se pierde el 5-10% del reconocimiento fiable de la muestra.
Y si el árbol da un resultado del 90% de los predictores disponibles, entonces es más que suficiente, ¿para qué sirve el NS o el conjunto de árboles? Me he dado cuenta de que si el árbol utiliza reglas lógicas (>/</==) para asignar las áreas de clasificación de los predictores, entonces el resultado es mejor, entiendo que el árbol no pasa por todos los resultados disponibles o debido a las reglas de corte con poco refuerzo se cortan, lo que resulta en una pérdida de 5-10% de reconocimiento fiable de la muestra.
la cuestión es que 1 árbol sólo aprende la secuencia, sin posibilidad de adaptarse a los patrones cambiantes (y en el mercado siempre lo harán)
los conjuntos tienen muchos componentes aleatorios que aumentan la solidez de los nuevos datos
sí, cortar el árbol se llama poda
A Maxime el Arlequín le importas un bledo.
No entiende la profundidad de tu alma.
Ayer fue a por el autómata. Cuidado con él))) divertidísimo...
¿Por qué soy un mago? Mis mensajes no desaparecen por arte de magia.
Sólo soy un provocador estadístico.
y no fumo
la cuestión es que 1 árbol simplemente aprende la secuencia, sin posibilidad de adaptarse a los cambios de patrones (y en el mercado siempre lo harán)
los conjuntos tienen muchos componentes aleatorios que aumentan la solidez de los nuevos datos
sí, el corte de árboles se llama poda
¿Cómo podemos saber cómo cambiarán los patrones? ¿Puede la red dividir la muestra en 100 partes e investigar en esos sigmentos no sólo las relaciones de los predictores sino también la naturaleza del cambio en esas relaciones, es decir, los patrones? Si lo hace, entonces sí, puede inferir las reglas para cambiar el patrón, pero todo lo que he leído al respecto parece una clasificación perversa.
Lo que me gusta del árbol es establecer la jerarquía, en el programa en el que estoy trabajando ahora se puede crear una jerarquía básica y luego hacer cálculos automáticos a partir de ella (hasta ahora es un engorro, pero quizás no estoy usando todas las herramientas, porque muchas no las entiendo por su nombre). Por ejemplo, para crear el ATC utilizo este tipo de preguntas, a las que la ST debe dar respuesta para tomar una decisión comercial:
- ¿Dónde estoy? (Descripción del precio)
- ¿Cómo he llegado hasta aquí? (Análisis del movimiento desde el punto condicionalmente opuesto al actual)
- ¿Qué puede pasar? (Cálculo de acontecimientos probables cuando se producen en el futuro)
- ¿Qué hacer? (Análisis de patrones históricos con referencia a la respuesta a las 3 primeras preguntas)
- ¿Merece la pena el riesgo? (Análisis de las posibles pérdidas de entrada y de los posibles beneficios)
Por lo tanto, quiero que la red/árbol/bosque responda a estas preguntas en la misma secuencia cuando decida operar.
¿Cómo podemos saber cómo cambiarán los patrones? ¿Puede la red dividir la muestra en 100 partes e investigar en esos sigmentos no sólo las relaciones de los predictores sino también la naturaleza del cambio en esas relaciones, es decir, los patrones? Si lo hace, entonces sí, puede inferir las reglas para cambiar el patrón, pero todo lo que he leído sobre ello me parece una clasificación perversa.
les hace eso, las redes neuronales con validación cruzada y los conjuntos de modelos subyacentes también
+ varias regularizaciones
Forest lo hace, las redes neuronales con validación cruzada y los conjuntos de modelos básicos también
Sobre NS - tal vez no entiendo algo todavía...
¿Cómo lo hace un bosque? El bosque simplemente toma predictores al azar y busca conexiones entre ellos y luego vota. O bien votará mal/equivocado en la muestra bajo un modelo estacionario dependiendo de la aleatoriedad resultante de la muestra/los predictores, o bien su voto correcto estará sesgado por esa muestra, suponiendo que los patrones de la muestra cambien. Pero, ¿dónde está el análisis del cambio de patrón? Entiendo que el bosque es bueno cuando no se sabe lo buenos que son los predictores, entonces en ausencia de refuerzo mutuo de los predictores dichos predictores no tendrán peso en la votación o su peso no será significativo. ¿O tal vez lo estoy entendiendo mal?