L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1257

 
Philipp Negreshniy:
le succès dépend de la chance accompagnant les fous, eux seuls peuvent faire ME et le faire paraître prometteur ;)

Vous avez raison, les intelligents sont généralement malchanceux dans la vie, parce qu'ils ont peur du risque, que les imbéciles ne voient tout simplement pas, les intelligents ont parfois besoin d'agir comme un ivrogne, vigoureusement en cachette, comme une option pour prendre des décisions et agir sous influence.

 
Kesha Rutov:

Connaissez-vous ce "quelque chose", cette "stratégie de base (BS)" ?

Prenez n'importe quel BS pour commencer. MO montrera ses performances et son potentiel de développement, s'il y en a un). Ensuite, il faut soit changer la BS, soit la développer.

Tout reste identique à ce qu'il était sans le MOA. MO ne remplace pas la tête.))

 

Sélection decaractéristiques à l'aide d'algorithmes génétiques dans R


Il s'agit d'un article sur la sélection de caractéristiques à l'aide d'algorithmes génétiques dans R, dans lequel nous allons faire un examen rapide de.. :

  • Que sont les algorithmes génétiques ?
  • GA dans ML ?
  • À quoi ressemble une solution ?
  • Le processus GA et ses opérateurs
  • La fonction de fitness
  • Algorithmes de génétique en R !
  • Essayez-le vous-même
  • Relier les concepts
Feature Selection using Genetic Algorithms in R
Feature Selection using Genetic Algorithms in R
  • Pablo Casas
  • www.r-bloggers.com
This is a post about feature selection using genetic algorithms in R, in which we will do a quick review about: What are genetic algorithms? GA in ML? What does a solution look like? GA process and its operators The fitness function Genetics Algorithms in R! Try it yourself Relating concepts Animation source: "Flexible Muscle-Based Locomotion...
 
Yuriy Asaulenko:

Prenez n'importe quel BS pour commencer. Le MoD montrera ses performances et son potentiel de développement, le cas échéant). Ensuite, il faut soit changer la BS, soit la développer.

Tout reste pareil que sans MO. Il n'y a pas de substitut au MO.))

J'ai déjà montré comment cela fonctionne pour moi et suggéré ma cible qui définit les tendances et les flux, dans lesquels vous pouvez trader toutes les stratégies d'impulsion et de canal, respectivement.

 
Les messages ont été supprimés à nouveau...(
Le mauvais exemple est contagieux
 
Elibrarius:
Les messages ont été supprimés à nouveau...(
Le mauvais exemple est contagieux.

c'est "manger" et personne n'en discutera ici de toute façon, alors je l'ai supprimé pour ne pas déranger l'idylle)

 
Maxim, qu'est-ce qu'un arbre bayésien ? Quelle est la différence entre ce produit et un produit normal ?
 
Maxim Dmitrievsky:

personne n'en discutera ici de toute façon, alors je l'ai supprimé pour ne pas perturber l'idylle)

Au moins, gardez des articles intéressants dans votre blog. C'est juste que personne ne supprime ici, ce qui rend difficile de trouver quelque chose d'intéressant.
 
elibrarius:
Au moins, gardez des articles intéressants dans votre blog. Ici, personne ne supprime les déchets, ce qui fait qu'il est difficile de trouver quelque chose d'intéressant.

Pour comprendre les arbres bayésiens, il faut d'abord lire l'algorithme de Metropolis-Gastnigs, algorithme de Monte Carlo sur les chaînes de Markov, par analogie avec les arbres.

le document BART lui-même

http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20June%2008.pdf

le fait est qu'ils ne sont pas réentraînés et donnent une estimation probabiliste de la sortie (postérieure).

 
Maxim Dmitrievsky:

Pour comprendre les arbres bayésiens, il faut d'abord se renseigner sur l'algorithme de Metropolis-Hastnigs, l'algorithme de Monte Carlo sur les chaînes de Markov, l'analogie avec les arbres est la suivante

le document BART lui-même

http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20June%2008.pdf

le fait est qu'ils ne se réentraînent pas et donnent une sortie probabiliste (postérieure).

Beaucoup de formules ((