Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3179
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 por qué pregunto si la conversión de flots a ints es necesaria principalmente para la aceleración en datos muy grandes
La bonificación puede ser una pequeña calibración del modelo para bien o para mal, según la suerte.
simplemente te darán la misma respuesta, así que probablemente tengas miedo de preguntar porque devaluará todos tus años de duro trabajo :)
¿Cómo puede devaluarse mi trabajo por responder a una pregunta si lo juzgo por el resultado?
Sí, el resultado no es súper en términos de crecimiento métrico, pero está ahí, incluso en otras manifestaciones.
Por ejemplo, hay muestras en las que sin un preprocesamiento con mi método no podría obtener en absoluto un modelo rentable con datos nuevos.
Pregunté a los desarrolladores de boost qué hacer con la multicolinealidad y la selección de características (preprocesamiento).
A lo que obtuve una respuesta inequívoca: tío, olvídalo :)
Y si hay mil millones de rasgos, ¿nos olvidamos de ello? ¿O todavía tenemos que seleccionar los que no están correlacionados?
A voluntad
Pregunté a los desarrolladores de boost qué hacer con la multicolinealidad y la selección de características (preprocesamiento).
Obtuve una respuesta inequívoca: tío, olvídalo :)
Hay una funcionalidad de la que poca gente habla, a juzgar por la información sobre ejemplos reales de su aplicación.
Por ejemplo, la posibilidad de agrupar predictores y darles pesos. También veo el potencial para mejorar el modelo, pero no soy capaz de experimentar aquí - que requiere una gran cantidad de búsqueda.
Y no es un hecho que la persona que originalmente mantuvo todo el proyecto en su cabeza todavía está trabajando en ello, es muy posible que hay colegas y otras personas que mejoran el algoritmo en sí en términos de velocidad de ejecución y corregir errores. Bueno y pequeños chips aparecen a veces.
Más bien por necesidad, hay que filtrar, no hay opción
Ahí hay funcionalidades de las que poca gente habla, a juzgar por la información sobre ejemplos reales de su aplicación.
Por ejemplo, la posibilidad de agrupar predictores y darles pesos. También veo potencial para mejorar el modelo, pero no puedo experimentar aquí - requiere mucha búsqueda.
Y no es un hecho que la persona que originalmente mantuvo todo el proyecto en su cabeza todavía está trabajando en ello, es muy posible que hay colegas y otros que mejoran el algoritmo en sí en términos de velocidad de ejecución y corregir errores. Bueno y pequeños chips aparecen a veces.
Probablemente sea más fácil no hacer mil millones de señales en primer lugar.
Para darse cuenta de que un signo es malo hay que comprobarlo, para verlo hay que tener un signo, para tener un signo hay que tenerlo....
Bueno, no puedes tener todos los signos de paz.