L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 516
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Vérifié et échafaudage - beaucoup plus rapide que NS (4 min.), et le résultat est à peu près le même. Et ce qui est intéressant, c'est que la régression linéaire compte encore plus vite, avec les mêmes résultats.
Comme quelqu'un l'a écrit ici - tout est question de fonctionnalités.
Eh bien, c'est l'essentiel, et le jeu avec différents modèles et sacs ne donnera pas une grande augmentation :)
Là, d'après ce que j'ai compris, vous pouvez définir 1-2 époques, parce qu'il converge presque toujours la première fois... peut-être que c'était une omission ? bien que je ne l'ai pas utilisé depuis longtemps, je pourrais être confus.
Je n'ai pas vu de limite nulle part depuis des millénaires.
fonction mlptrainlm
C'est l'essentiel, et jouer avec différents modèles et sacs ne vous donnera pas un grand coup de pouce :)
Il y en a 2 dans le dernier article de Vladimir.
Régression linéaire, ils vont au contraire s'aggraver.
fonction mlptrainlm
Je pense que l'avantage de NS est de trouver des dépendances non linéaires et de les utiliser.
Le dernier article de Vladimir en compte deux.
La régression linéaire sera, au contraire, dégradée par eux.
L'échafaudage est également utilisé exclusivement pour les modèles non linéaires à l'avance, il ne fonctionne pas sur les modèles linéaires.
C'est juste une valeur recommandée, personne ne vous empêche de mettre 1000, mais cela prendra beaucoup de temps... J'ai regardé dans le code - il y a juste une boucle sur le nombre d'époques (j'ai aussi utilisé 2, d'ailleurs).
L'échafaudage est également utilisé exclusivement pour les modèles non linéaires à l'avance, il ne fonctionne pas sur les modèles linéaires.
Si quelqu'un veut jouer avec, l'échafaudage apprend des incréments et donne une prédiction d'une mesure à l'avance. Dans les paramètres, réglez la profondeur d'apprentissage, le décalage des incréments et le nombre d'entrées (chaque nouvelle entrée est un décalage d'une mesure en arrière). Ensuite, la valeur prévisionnelle est déduite des prix actuels. L'histogramme est dessiné seulement pour chaque nouvelle barre, je l'ai vu dans le visualiseur.
C'est peut-être la raison pour laquelle la forêt dans le graphique de validation est supérieure de 0,4 % à la régression linéaire)). Temps d'apprentissage 36 et 3 min respectivement (à 265 entrées). Je commence à aimer la régression linéaire.
J'ai également comparé - j'ai fait une autorégression BP et j'ai fait la même chose à travers la forêt - les différences sont minimes :) En substance, cela signifie qu'il n'y a pas de modèle normal à cet endroit ou aux alentours.