Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2560
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
Creo que entiendo lo que necesito - la capacidad de establecer un archivo flash personalizado. Pero esta función HMMFit() no admite esta posibilidad, porque implementa un Baum-Welch con LLH incorporado. Sólo se pueden establecer algunos parámetros Baum-Welch
Se necesita otro paquete en el que se pueda configurar un f.f. definido por el usuario.
Lo curioso es que no he visto ningún paquete de AMO en el que se pueda utilizar un FF personalizado...
O bien se establece X,Y (fecha, objetivo) o sólo X (fecha).
Pero siempre es posible meterse en las "tripas" de AMO y allí moverlas y ver qué pasa en términos de f.f..
Yo entreno las neuronas de esta manera, también lo hace Forrest, ahora quiero hacer más SMM.
Lo curioso es que no he visto ningún pacto de este tipo con AMO en el que puedas usar tu ff...
O bien se establece X,Y (fecha, objetivo) o sólo X (fecha)
Pero siempre es posible meterse en las "tripas" de AMO y allí moverlas y ver qué pasa en términos de f.f..
Que es lo que hago, es mi tipo de hack de vida, entrené neuronas de esta manera, forrest también, ahora quiero hacer más SMM.
En LightGBM se puede establecer el propio, pero la mayoría de las veces no existe esa posibilidad.
En LightGBM se puede establecer el propio, pero lo más frecuente es que no exista esa opción.
¿Quiere que le diga otra vez qué métricas utilizo y con qué criterios selecciono los modelos?
Al fin y al cabo, esto es lo más importante en MO, la cuestión fundamental :-)
Quizás debamos volver a las definiciones simples generalmente aceptadas.
En cuanto a la definición de estacionariedad, se trata claramente de una abstracción, ya que o bien se trata de un punto único sin fluctuaciones y entonces la ventana de medición es irrelevante, o bien se trata de una fluctuación con una ventana mínima o con un rango de ventanas para medir.
La regularidad, por otra parte, puede generar igualmente estacionariedad, ya que se trata del estado de un solo punto y no de su ventana de medición.
En consecuencia, la estacionariedad afecta directamente a la previsibilidad, y por tanto al aprendizaje, si esa estacionariedad tiene información sobre el objetivo.
Como he escrito antes, estoy utilizando precisamente el enfoque de seleccionar predicciones a través de la estimación de su estacionariedad con una ventana de medición dada.
En LightGBM se puede establecer el propio, pero la mayoría de las veces no existe esa posibilidad.
El xgboost también puede hacerlo, pero es difícil escribir su propia función. Hay que dar salida a las fórmulas.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6º párrafo.
En cuanto a la definición de estacionariedad, se trata claramente de una abstracción, ya que o bien se trata de un punto único sin fluctuaciones y entonces la ventana de medición es irrelevante, o bien sigue siendo una fluctuación con una ventana mínima o con un rango de ventanas para medir.
La regularidad, por otra parte, puede generar igualmente estacionariedad, ya que se trata del estado de un solo punto y no de su ventana de medición.
En consecuencia, la estacionariedad afecta directamente a la previsibilidad, y por tanto al aprendizaje, si esa estacionariedad tiene información sobre el objetivo.
Como he escrito antes, ahora estoy utilizando el enfoque de seleccionar los precursores a través de la estimación de su estacionariedad con una ventana de medición dada.
no lo entiendo en absoluto
statinoir debe ser el ruido después de la construcción del modelo, no es necesario en cualquier otro lugarNo entiendo nada en absoluto.
¿Quieres entenderlo?
¿Estás seguro de que no estás confundiendo el ff con las métricas personalizadas?
No lo creo - el ejemplo está en python.
el ruido estadístico debe ser después de la construcción del modelo, no es necesario en ningún otro lugar
Correcto, esa es exactamente la relación entre el predictor y el objetivo a la que me refiero.
Ahora bien, no conozco un método para construir un modelo que dé una estimación de la "estacionariedad" en diferentes intervalos de la muestra con división o algún otro mecanismo para combinar predictores. Todos los modelos hacen un ajuste a las parcelas de la muestra, estimando sólo una medida cuantitativa de mejora, pero necesitamos estimarla a través de intervalos, entonces el modelo puede ser más robusto.