Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2361

 
mytarmailS:

Intento algo parecido al "aprendizaje de una sola vez" pero a mi manera, o simplemente, intento buscar patrones complejos...


Doy un rebote y muchos "no rebotes" en la proporción de aproximadamente 1 a 200, así obtengo una especie de entrenamiento con un ejemplo, luego tomo la probabilidad del modelo y miro lo que sucede con el precio con nuevos datos cuando el modelo muestra una mayor probabilidad...

Es casi lo mismo que comparar el precio actual con mi propio patrón y mirar la medida de cercanía, pero aquí miro la probabilidad del modelo...


Sinceramente, a veces es muy bueno, aunque no hay muchos tratos pero es sólo un patrón y puede haber muchos

Aquí hay un patrón exitoso por ejemplo, el primero es una especie de tren, todos los demás son datos nuevos

A mí me parece bien.

¿Cómo se entrena? ¿Supermuestreo? La clasificación por descenso de gradiente no puede manejar 1 de cada 200 muestras.

 
Aleksey Mavrin:

1) ¿Cómo se entrena?

2) ¿Aplica el sobremuestreo?

3) La clasificación por descenso de gradiente no puede manejar una muestra de 1 en 200.

1) bosque

2) no

3) puedes hacerlo con la genética

 
mytarmailS:

1) bosque

2) no

3) la genética puede

Lo tengo. A continuación, es probable que tenga que pedir el aprendizaje activo, los ejemplos más "fallidos" de OOS para añadir al tutorial y terminar el aprendizaje.

 
Aleksey Mavrin:

Lo tengo. A continuación, probablemente deberías pedir un aprendizaje activo, añadiendo los ejemplos más "fallidos" del EOC al tutorial y aprendiendo más.

No...

A continuación, generación de reglas correctas que se adapten a los datos del mercado

Me atrae la regresión simbólica (programación genética) como herramienta, pero consume demasiados recursos, así que sigo pensando...

 
mytarmailS:

No...

A continuación, generar las reglas adecuadas para los datos del mercado

Me interesa la regresión simbólica como herramienta, pero requiere demasiados recursos, así que estoy pensando...

¿No estás cansado de comer cactus? )

Imagina que buscas patrones en SB

 
Maxim Dmitrievsky:

Imagina que buscas patrones en el SB

No en el ojo, sino en el ojo).

Pero necesito aprender matestat aburrido) Pero quiero volar en las alas de la creatividad)

 

Si se entrena un modelo con 10 características primitivas y se quiere describir todo el mercado, está bien.

Y si describo una situación con cien signos y todo un modelo, ¿es SB?

¿Está usted enfermo?

 
mytarmailS:

¿Animando?

Animando por ti. Rompe la parte de atrás del forex, rómpelo completamente.

 
Aleksey Nikolayev:

Anímate. Rompe la parte de atrás del forex, rómpelo completamente.

))

Al menos su sentido del humor es bueno.

 
mytarmailS:

Si se entrena un modelo con 10 características primitivas y se quiere describir todo el mercado, está bien.

Y si describo una situación con cien signos y todo un modelo, ¿es SB?

¿Está usted enfermo?

Todos los signos se derivan del precio.

todo lo que haces es crear un montón de reglas\Nque MO puede hacer mejor que tú

tomar ROCKET y hacer un montón de rasgos, sobre todo porque hay un miniRocket

bueno, o sigue jorobando los cuernos con la esperanza de que todo el mundo esté enfermo y tú seas d'artagnan

MiniRocket: Fast(er) and Accurate Time Series Classification
MiniRocket: Fast(er) and Accurate Time Series Classification
  • Alexandra Amidon
  • towardsdatascience.com
Most state-of-the-art (SOTA) time series classification methods are limited by high computational complexity. This makes them slow to train on smaller datasets and effectively unusable on large datasets. Recently, ROCKET (RandOM Convolutional KErnel Transform) has achieved SOTA of accuracy in just a fraction of the time as other SOTA time...