Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3385
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
Bueno, en los árboles normalmente se puede calcular la influencia de cada observación de cada rasgo, su contribución al modelo, por ejemplo, mediante valores de forma. Si dejas sólo los útiles y entrenas algo sólo con ellos, obtendrás un análogo aproximado de la búsqueda de reglas. Con neuronas, por cierto, también es posible.
El impacto de cada característica, el impacto de cada observación y el impacto de cada regla son diferentes
Las reglas son los elementos del modelo que vinculan atributos y etiquetas. Lo único es que las redes neuronales no tienen discontinuidad, pero se puede hacer artificialmente.
Lo intentaré desde Khabarovsk...
cualquier modelo es una cierta suma de patrones, exageradamente un patrón puede ser etiquetado como una TS.
Imaginemos que un modelo consta de 100 TS.
Puede ser que en el modelo #1 100 TSs hicieran un trato.
Puede ser que en el modelo #2 una TS hiciera 100 operaciones, y las otras 99 no hicieran ni una sola operación.
¿Cómo calcular las estadísticas para cada TS?
Si el modelo es de reglas, es fácil y claro.
¿Si el modelo esneuronal?
Lo intentaré desde cerca de Khabarovsk.
¿Si el modelo es neuronal?
Bien, tenemos una submuestra donde las neuronas predicen bien. ¿Cómo sabes si es un patrón en esa submuestra, dos o veinte? ¿Realmente no sabes la diferencia?
Por el número de ejemplos que quedan. Hay tantos ejemplos como patrones.
Puede haber 200 ejemplos y sólo 5 patrones.
Lo intentaré desde Khabarovsk...
Cualquier modelo es una cierta suma de patrones, exageradamente, un patrón puede ser etiquetado como un TS.
Imaginemos que un modelo consta de 100 TS.
Puede ser que en el modelo nº 1 100 TS hayan hecho un trato.
Puede ser que en el modelo nº 2 una ST hiciera 100 tratos y las otras 99 no hicieran ningún trato.
¿Cómo calcular las estadísticas de cada ST?
Si el modelo es de las reglas, se puede hacer fácil y claramente.
¿Si el modelo esneuronal?
El problema no es el número de veces que se utiliza el modelo.
El problema es que el mismo modelo (¿árbol?) sobre los mismos datos predice una etiqueta en unos casos y otra diferente en otros. Es lo que se denomina error de clasificación. No hay predictores, al menos con nosotros, cuyos valores puedan clasificarse estrictamente en clases. y todos los problemas con hojas, árboles y demás se derivan de los valores de los predictores.
Si el error ya ha dejado de caer o es igual a cero, puede dividir los ejemplos restantes en patrones según alguna medida de cercanía :) Clustering, por ejemplo. Y contar cuántos quedan. E incluso escribir una condición promediada para cada patrón/cluster (tomar los centroides de los clusters), obtendrás una regla en la salida.