L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2407

 
mytarmailS:

Discuter de quel modèle est le meilleur est un jeu d'enfant, j'ai eu ce genre de conneries il y a environ 7 ans.


comment générer de nouvelles fonctionnalités informatives - OUI

comment créer des fonctions de fitness objectives pour le marché - OUI

comment transformer les informations entrantes - OUI

comment créer des fonctions adaptées au marché - OUI

mais discuter de ce qui est mieux NS ou Forrest sur les mêmes données vides est juste FEIS PALM....

la différence d'erreur entre toutes les douzaines d'algorithmes MO différents est de 0,5 - 2%.

2% Carl !!! nous devons discuter de quelque chose qui donne un écart de 20-30%.

Si les signes sont informatifs, alors n'importe quelle AMO fonctionnera bien, le contraire est également vrai !!!!.

Ce sont les mots d'un homme qui ne comprend rien à ce qu'il discute dans ce fil depuis des ANNÉES.

"La différence d'erreur" sur un test avant entre larégression linéaire muette conventionnelle et NS peut être PLUS de 20-30% et ne pas être en faveur du réseau.

Et cela est facile à vérifier et à démontrer.

C'est pourquoi les réseaux sont la solution habituelle

 
Dmytryi Nazarchuk:

Ce sont les mots de quelqu'un qui ne comprend rien à ce qu'il discute dans ce fil depuis des ANNÉES.

"La différence d'erreur" sur un test avant entre unerégression linéaire muette normale et NS peut être PLUS de 20-30%.

Et il est facile à vérifier et à démontrer.

Démontrer
 
mytarmailS:
Demo

Courbe bleue (GBP D1 - GBP LineReg), courbe orange(GBP D1 - GBP NN).

Echantillon d'apprentissage 2009-2020, prévision 2021.

Les variables indépendantes sont les mêmes.


 
Dmytryi Nazarchuk:

Courbe bleue (GBP D1 - GBP LineReg), courbe orange(GBP D1 - GBP NN).

Echantillon d'apprentissage 2009-2020, prévision 2021.

Les variables indépendantes sont les mêmes.


Veuillez m'envoyer les données au format signes, cible, sorties de neurones, sorties de régression, ainsi que les étiquettes, où trace où test.
 
mytarmailS:
Veuillez m'envoyer les données au format des signes, de la cible, des sorties des neurones, des sorties de la régression et des étiquettes, où trace est l'endroit où le test est effectué.

)Non, je ne peux pas réinitialiser les panneaux.

 
Dmytryi Nazarchuk:

)Non, je ne peux pas réinitialiser les panneaux.

Pourquoi ?

Oublie ça, je voulais juste te montrer que si tu as une compréhension, tu peux faire un lin. Le modèle de régression est aussi bon, voire meilleur, que le modèle NS...

Mais il ne s'agissait pas de cela depuis le début, il s'agissait du fait qu'aucune AMO n'a un avantage significatif sur l'autre en utilisant des données standard, la différence de 2% n'est rien quand vous avez besoin de 20-30%.
 
mytarmailS:
Pourquoi ?

Eh bien, c'est déjà mon savoir-faire.

 
Dmytryi Nazarchuk:

Eh bien, c'est mon savoir-faire.

Donc, si vous ajoutez une matrice de caractéristiques prêtes à l'emploi et une cible prête à l'emploi, cela révèle-t-il votre type de savoir-faire en matière de technologie ?

Dmitry, vous êtes un génie ! ))) Je ferais mieux d'aller lire un livre maintenant ...

 
mytarmailS:

Si vous ajoutez une matrice de caractéristiques et une cible toutes faites, cela révélera-t-il votre savoir-faire technologique ?

Dmitry, vous êtes un génie ! )) Je ferais mieux d'aller lire un livre.

Merci !

 
Parfois, les gens ne comprennent pas la différence entre un modèle de régression et un modèle de régression avec activation des tiges f, d'où les conclusions tordues. Par exemple, si vous ne normalisez pas correctement les données pour le second, il y aura une explosion du gradient et il n'apprendra rien.
De plus, ils ne comprennent pas que le premier modèle est un neurone simple sans f-sions d'activation, à partir duquel le second modèle est dérivé.