Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2554
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
No se trata de resolver un problema
Me refiero a lo mismo, se ponen tareas y luego intentan heroicamente no resolverlas ))). Entiendo que cuanto más difícil sea la tarea, más excusas para un resultado negativo, llantos, simpatía y amonestaciones para proyectos aún más difíciles ))).
A eso me refiero, a que se fijan objetivos y luego intentan heroicamente no resolverlos )))). Entiendo que cuanto más difícil sea la tarea, más excusas para un resultado negativo, exclamaciones, simpatía y amonestaciones para proyectos aún más difíciles ))).
Recuerdo...
Tengo una idea ligeramente diferente...
Si puedes predecir cualitativamente la distribución de las cotizaciones futuras para, por ejemplo, 50 velas por delante, entonces a partir de esa distribución puedes montecarlo unos cuantos miles de filas y entrenar el modelo, de esa manera el modelo funcionará adecuadamente en las nuevas 50 velas en teoría...
Pero si la clase se predice incorrectamente, entonces montekarlo no ayudará
Puedes jugar con el tamaño de la ventana, mirar la calidad de la generalización en diferentes. Existe la posibilidad de entrar en algunos ciclos
Pero si la clase se predice incorrectamente, entonces montecarlo no ayudará
puedes jugar con el tamaño de la ventana, mirar la calidad de la generalización en diferentes Existe la posibilidad de entrar en algunos ciclos.
¿Qué quieres decir con "a veces"?
O bien hay algún tipo de canalización que se ha probado, o es sólo una especulación ociosa.
Hacer del ruido una clase separada no mejora, en teoría, el modelo (el ruido se queda dentro del modelo y no va a ninguna parte).
sobre la deriva - es lo básico, es una compensación de sesgo-varianzaA veces significa que, dependiendo del modelo, los predictores utilizados y las transformaciones. Y hay una canalización que ha demostrado su eficacia.
Teóricamente puede no mejorar el modelo, pero en la práctica mejora el resultado (el ruido se queda dentro del modelo y no desaparece)¿Qué significa eso?
Sobre la deriva - eso es lo básico, el equilibrio entre sesgo y variación - no se trata de eso en absoluto. Si no lo entiendes, no escribas. Léelo, estúdialo.
Sé modesto, sé modesto...
A veces esto significa que depende del modelo, de los predictores utilizados y de las transformaciones. Y hay una tubería que se ha probado.
Teóricamente puede que no mejore el modelo, pero prácticamente mejora el resultado (el ruido se queda dentro del modelo y no va a ninguna parte) ¿De qué se trata?
Sobre la deriva - eso es lo básico, el equilibrio entre sesgo y variación - no se trata de eso en absoluto. Si no lo entiendes, no escribas. Léelo, estúdialo.
Humilde, humilde...
¿pones el ruido en la 3ª clase para no comerciar? Es más fácil predecir la aparición del ruido que predecir la marca de la clase para comprar o vender.
esto es exactamente lo que quiero decir.
Vladimir parece intentar combatir la no estacionariedad lanzando ejemplos que (presumiblemente) pertenecen a una distribución no interactiva.
El equilibrio entre el sesgo y la varianza se busca asumiendo una distribución constante (distribución conjunta de los predictores y la salida)
Vladimir parece intentar combatir la no estacionariedad lanzando ejemplos que (presumiblemente) pertenecen a una distribución no interactiva.
El equilibrio entre el sesgo y la varianza se busca asumiendo una distribución constante (distribución conjunta de los predictores y la salida)
Eliminar los valores atípicos no es luchar contra la no estacionalidad...
La eliminación de las emisiones no es una lucha contra la inestabilidad...
Depende de la naturaleza de su origen.
Vladimir parece intentar combatir la no estacionariedad lanzando ejemplos que (presumiblemente) pertenecen a una distribución no interactiva.
El equilibrio entre el sesgo y la varianza se busca asumiendo una distribución constante (distribución conjunta de predictores y resultados)
Asumiendo que en el futuro el modelo debería funcionar también ) los errores de todo tipo (incluyendo el ruido) siempre estarán presentes , el problema es encontrar un equilibrio. Por lo tanto, estamos hablando de lo mismo, en esencia.
En realidad, yo estaba resolviendo este problema de una manera diferente, por eso estoy escribiendo preguntas dirigidas