Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2359
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
¿Puede el Ministerio de Defensa calcular la calidad de las señales por probabilidad? Para luego filtrar los que tienen más del 90% de probabilidad
Ya hay probabilidades en la salida del modelo, pero son pseudo, es decir, no tienen relación con la población.
puede filtrarse a través de un umbralel AutoMO implica recorrer los modelos y elegir el mejor
¿Qué sentido tiene que Catbust gane a todo el mundo en todos los conjuntos de datos?
https://mljar.com/machine-learning/compare-ml-algorithms/
Bueno, aquí está la prueba de que los modelos no resuelven nada, la diferencia entre los modelos es de ~5%...
Sólo los signos y las formas de presentar la información son decisivos...
Pero los tontos creen en los modelos, aman los modelos, rezan por los artículos de ultramar con nuevos modelos, ¿hay algo más fácil que entrenar un modelo con datos "brutos"? :)) No tienes que pensar ni saber nada, simplemente copia el código y serás un genial comerciante de MO en el tema de MO)))
¡¡¡¡DESPERTAR!!!!
Hay tantos signos y métodos de procesamiento que no se tiene la suficiente potencia de cálculo para comprobarlos todos, ¡¡¡incluso un grupo de personas!!!
¿Están sus cerebros tan jodidos que no ven nada más que retornos y fuerza bruta unos cuantos modelos...
Estudiar DSP, modelado de sistemas y etc. ciencia, un MO sin conocimiento, es sólo el accesorio más cool y nada más...
Bueno, aquí está la prueba de que los modelos no resuelven nada, la diferencia entre los modelos es de ~5%...
Sólo los signos y las formas de presentar la información son decisivos...
Pero los tontos creen en los modelos, adoran los modelos, rezan por los artículos de ultramar con nuevos modelos, ¿hay algo más fácil que entrenar un modelo con datos "brutos"? :)) No tienes que pensar ni saber nada, simplemente copia el código y serás un genial comerciante de MO en el tema de MO)))
¡¡¡¡DESPERTAR!!!!
Hay tantos signos y métodos de procesamiento que no se tiene la suficiente potencia de cálculo para comprobarlos todos, ¡¡¡incluso un grupo de personas!!!
¿Están sus cerebros tan jodidos que no ven nada más que retornos y fuerza bruta unos cuantos modelos...
Estudiar DSP, modelado de sistemas y ciencias de la pr, un MO sin conocimiento, es sólo el accesorio más cool y nada más...
¿Y puedes prescindir de hacer el tonto? )))) tiene muchos sinónimos más bonitos)))
De todas formas su ciencia tiene más dinero y por eso no nos adelanta todavía(
El tratamiento de los datos en bruto también es un modelo. Y por supuesto probar un modelo no es entenderlo)
No podemos hacer el tonto))) Tiene muchos sinónimos más bonitos)))
No te ofendas, no es para ti...
Es para los que han leído artículos occidentales y piensan que la "GPT-3" va a destrozar el mercado...
Puedes introducir 10 retornos en una ventana deslizante, no tienes cerebro para más, pero ¿qué más? la red pensará en todo, sí...
En cualquier caso, su ciencia tiene más dinero y por eso aún no estamos por delante(
Eso no es lo que quiero decir...
Hay dos problemas.
1) La "falta de información" en los modelos, son pocos y malos signos
Si quieres predecir el proceso y tienes signos que describen sólo el 5% del proceso debes entrenar al menos 100 capas, 8 veces convolucionales mega-duper-super-ultra-GPT-5
El resultado será la misma predicción con un error del 95%.
Y la gente no lo entiende, pero cae en las arquitecturas, ¿y cómo se pueden llamar?
conclusión la solución del problema no está en el MdD
2) Las características no viven mucho tiempo, pierden sus propiedades útiles y muy rápidamente, ningún MI puede ver la dinámica de la utilidad de sus atributos, usted debe trabajar con su cerebro, no con los modelos.
Conclusión la solución del problema no está en el modus operandi
El tratamiento de los datos en bruto también es un modelo. Y, por supuesto, la prueba de un modelo no es su comprensión).
Bueno, sí, es una cuestión de adecuación...
Cuando un avión vuela sobre mi cabeza y compro el eura también es un modelo...
Mm, parece que hacer ME a veces conduce a un ataque de nervios.
¿tal vez alguien más intente explicar el sagrado significado de AutoML?
Mm, parece que hacer ME a veces conduce a un ataque de nervios.
¿tal vez alguien más intente explicar el sagrado significado de AutoML?
¿puede alguien más intentar explicar el sagrado significado de AutoML?
Por lo visto, es algo así como esos "dos de la caja, idénticos de cara" de los dibujos animados, que lo harán todo por nosotros).
¿puede alguien más intentar explicar el sagrado significado de AutoML?
El marketing.
Es decir, el objetivo es ganar migajas de calidad aumentando significativamente el tiempo de ejecución de los modelos
pero también hay auto preprocesamiento y auto análisis exploratorio