Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 232
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
Estoy de acuerdo, en mi opinión, si una persona puede al menos sólo ejecutar los datos y obtener un logloss por debajo de 0,69300 (al azar) entonces tiene derecho a hablar de la IA y MO aquí, el resto no son rentables
mi resultado https://numer.ai/ai/toxic
https://numer.ai/ai/dr_tr
0,69184 ha acertado :)
Interesante concurso, e interesantes premios.
También me pregunto en qué principio se basan sus predicciones. Normalmente tengo dependencias que se desvanecen con el tiempo, es decir, entrené el modelo en la primera mitad del archivo, y esperaba que el error creciera con el tiempo, como es habitual, en la segunda mitad del archivo. Pero allí... no, todo es tan estacionario, sin degradarse con el tiempo. Aunque prometieron datos relacionados con el comercio. Inusual. Tal vez las filas de la tabla se barajen al azar.
Este hilo se está haciendo muy grande e ilegible. Sugiero iniciar un nuevo hilo "RUserGroup" para discutir sólo la aplicación específica de los modelos de aprendizaje automático en el terminal MT4/5 en los idiomas que lo permiten sin problemas. Conozco dos (R, Python). Deben celebrarse debates con el código proporcionado. Los expertos con experiencia en otros idiomas también son bienvenidos.
Podemos empezar con un ejemplo de red convolucional en posts anteriores.
Buena suerte
¡Estoy a favor de ello! Pero lo destrozarán de todos modos((.
Tengo otra pregunta: ¿cuál es la ventaja real de una red convolucional en comparación con una convencional? en el mercado, por supuesto)
se te dijo hace un par de páginas - tienes una idea, tienes que probarla en 5 minutos (un día, una semana). y no se sabe si tu idea es viable o nació muerta originalmente. ¿qué opción eliges - utilizar un paquete ya hecho, que un estudiante puede resolver en 5 minutos, o escribir una infraestructura completa de nuevo a ti mismo? si la segunda opción, entonces es sadomasoquismo, y la gente normal no va contigo))
Estoy de acuerdo, en mi opinión, si una persona puede al menos sólo ejecutar los datos y obtener un logloss por debajo de 0,69300 (al azar), entonces tiene derecho a hablar de AI y MO aquí, el resto no son rentables
mi puntuación https://numer.ai/ai/toxic
¡Estoy a favor! Pero igual la van a cagar((.
Tengo otra pregunta: ¿cuál es, en su opinión, la ventaja real de una red enrollable sobre una red normal? en el mercado, por supuesto).
Las redes convolucionales se afinan para clasificar datos representados por matrices. No veo ninguna ventaja sobre deep y creo que un modelo más apropiado es LSTM ya que nuestros datos son series temporales.
El ejemplo se ofrece para ser analizado, ya que hay código para comentar, y hay algunos errores fundamentales que sería útil que todos conocieran. Si por supuesto es de interés para el autor.
Buena suerte
mytarmailS:
¡Estoy a favor! Pero igual la van a cagar((.
Tengo otra pregunta: ¿cuál es, en su opinión, la ventaja real de una red enrollable sobre una red normal? en el mercado, por supuesto).
Las redes convolucionales se afinan para clasificar datos representados por matrices. No veo ninguna ventaja sobre el deep y creo que un modelo más apropiado es el LSTM ya que nuestros datos son una serie temporal.
El ejemplo se ofrece para ser analizado, ya que hay código para comentar, y hay algunos errores fundamentales que sería útil que todos conocieran. Si por supuesto es de interés para el autor.
Buena suerte
De hecho todo el mundo está interesado, no sólo el autor...
También he oído que la red convolucional tiene la propiedad de la escalabilidad en el reconocimiento, que es capaz de reconocer un objeto (patrón) incluso si es un poco diferente de tamaño y forma que la muestra de entrenamiento, ¿es cierto?
También me pregunto qué principio utilizan para crear predictores. Normalmente tengo dependencias que se desvanecen con el tiempo, es decir, entrené el modelo en la primera mitad del archivo, y esperaba que el error creciera con el tiempo como es habitual en la segunda mitad del archivo. Pero allí... no, todo es tan estacionario, sin degradarse con el tiempo. Aunque prometieron datos relacionados con el comercio. Inusual. Es posible que las filas de la tabla se barajen al azar.
Lee sus artículos en el blog, no es más de media hora de lectura bastante interesante, cómo ofuscaron los datos, por qué todo esto y demás. Las cadenas se mezclan definitivamente, los atributos y las fuentes de datos se clasifican, además estos atributos se proyectan en una base específica para mezclarlos entre sí hasta un estado de homogeneidad para que no se pueda entender su origen.
De hecho todo el mundo está interesado, no sólo el autor...
También he oído la idea de que la red convolucional tiene la propiedad de la escalabilidad en el reconocimiento, que es capaz de reconocer el objeto (patrón), incluso si es un poco diferente tamaño y forma que la muestra de entrenamiento, ¿es cierto?
Si hablamos de una imagen, sí, es cierto.
Si se trata de la imagen, entonces sí, es cierto.
¿Pero qué pasa con la línea de tiempo?
¿Cuál es la situación de la línea de tiempo?
No obtuve buenos resultados. Necesita predictores (a diferencia de otros modelos) que estén altamente correlacionados.
No he encontrado ninguno que dé resultados aceptables. Pero no he experimentado mucho. No tengo mucho tiempo. Puedes probarlo. La muestra tiene un código totalmente funcional.
Buena suerte
PS. Si lo pruebas, en las matrices de entrada, los predictores deben ser filas y no columnas.