Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2793
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
Es una evaluación de todo el rebaño. Y las ovejas malas son sacrificadas pieza por pieza.
A 500 bares para estimar no es una estadística en absoluto, puede caber cualquier cosa, por la ley de los grandes números
50 fics = 50 valking fovard tests con fics eliminados de 1 en 1. Es largo, pero el resultado lo obtendrá el modelo.
De esta manera se puede obtener el resultado sólo en caso de completa independencia de las características, y no sucede así.
A 500 bares para estimar no es una estadística en absoluto, puede caber cualquier cosa, por la ley de los grandes números
Para evaluar la capacidad de predicción es suficiente. Es posible seleccionar las fichas que dan el error de predicción del maestro hasta un 20% utilizando la tecnología de ventana deslizante.
Con este método sólo se obtienen resultados si se tiene total independencia de rasgos, y no funciona así.
Introduces los mismos datos en tus paquetes. ¿Tampoco consigues nada?
En el preprocesamiento, como paso, elimino las fichas correlacionadas. De 170, quedan unas 50 si la correlación no es superior al 75% (!). Cuando la correlación no es superior al 50%, quedan unas pocas fichas. Pero no me puse como objetivo recoger fichas NO correlacionadas.
En el preprocesamiento, como paso previo, elimino las características correlacionadas. De 170, quedan unas 50 si la correlación no es superior al 75% . Si la correlación no es superior al 50%, quedan unas pocas fichas. Pero no me fijé el objetivo de recoger fichas NO correlacionadas.
Esos 50 son los que se pueden comprobar con el modelo.
¡Así que están correlacionadas! El resultado depende del orden en que se descarten las características.
Para evaluar la capacidad de predicción es suficiente. Es posible seleccionar fichas que ofrezcan al profesor un error de predicción de hasta el 20% utilizando la tecnología de ventanas deslizantes.
Puede ajustar 500 barras, sin duda, si predice para 1 trade. Necesita estadísticas, no creo que predecirá mejor que al azar en promedio. Pero la variante tiene derecho a la vida.
con respecto a la selección de características y multicolinealidad (hice específicamente una pregunta a los desarrolladores de bousting) - tiene sentido seleccionar sólo en caso de concursos, para obtener modelos limpios y en la lucha por fracciones de %. En todos los demás casos casi no tiene sentido hacer tal preprocesamiento. Ellos eliminan la basura perfectamente bien por sí mismos.
Por tanto, ¡están correlacionadas! El resultado depende del orden en que se descarten las características.