Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1118
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
Como siempre - no hay nada que hablar)))
Oh, vamos. ¿Cuántos datos necesita para estimarlos?
No necesito nada. Dame al menos 2-3K observaciones.
Fecha, crudo, procesado, objetivo
Por desgracia, no se pueden encontrar tantos en toda la vida. Y entonces, ¿cuánto tiempo funcionará el modelo? Para siempre.
No necesito nada, dame, al menos 2-3K observaciones.
Fecha, crudo, procesado, objetivo.
Tiene IA, este también aprenderá a los 50 años. Tu modus operandi es simplemente débil.
Tiene IA, este también aprenderá a los 50 años. Su IA es simplemente débil.
Exactamente. No necesito la NS para trabajar durante un año después de dicha formación. Si funciona bien al menos los mismos 50 puntos, que serán el 100% del periodo de formación se considerará un éxito. Y qué sentido tiene atiborrarlo de miles de líneas, llenando su cabeza de basura y datos innecesarios????
Lo curioso es que el optimizador de Mishani es bueno en la recuperación de dependencias a partir de pequeñas muestras, lo que de hecho es su fuerte. Lo dice el libro. Y lo capta vagamente con lo que sustituye a su cerebro.
La otra cosa es que hay que probar en una parcela grande de prueba de todos modos.
Y qué sentido tiene atiborrarlo de miles de líneas, llenando su cabeza de basura y datos innecesarios????
Es entonces cuando la NS clasificará algo. Al menos intentará generalizar algo, si es que es posible.
Es entonces cuando la SN clasificará algo. Al menos intentará generalizar algo, si es posible.
Esto es cierto si el área es finita y estática, pero en nuestro caso es infinita y no estacionaria, por lo que el aumento de la muestra conduce a una disminución de la calidad del entrenamiento, y como resultado el modelo funciona mal en los nuevos datos.
Para obtener beneficios en el mercado en igualdad de condiciones, el valor porcentual de las operaciones rentables debe ser superior al 75% y no inferior. Esta es la condición de la igualdad de ganancias y pérdidas. Se entrena la red con 1000 datos y el resultado del aprendizaje es el 60% como ejemplo. ¿Qué sentido tiene utilizar un modelo de este tipo, si se entrena mal???? Estoy seguro de que no se puede obtener un buen resultado en un área grande. Hablo de modelo generalizado, no de modelo reentrenado... IMHO
Tendencia = 100k líneas. En el resto (prueba) se aplica el modelo.
La métrica es logloss. Resultado. Tendencia =... prueba =...
Tomé las primeras 1--líneas de tu archivo y ejecuté el entrenamiento. Si el resultado es superior al mío en 40 casos, consideraré que tus datos son mejores que los míos. Veamos ahora...