L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2478
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
À mon avis, il s'agit davantage d'un effet de standardisation que d'équilibrage. De plus, l'échantillonnage des distributions permet d'éviter le surentraînement
Ai-je bien compris, plus il y a d'échantillons, plus on se rapproche de la norme ?
Ai-je bien compris, plus il y a d'échantillons, plus les signes sont proches de la normalisation ?
Il est difficile de dire quelle est la taille optimale de l'échantillon, cela dépend probablement du nombre de composantes du mélange gaussien. Un échantillon trop grand, avec un ensemble de données bruitées, conduit à la génération d'échantillons très similaires, c'est-à-dire que la probabilité d'occurrence d'échantillons fréquemment répétés augmente, car les gaussiennes sont utilisées pour l'estimation de la densité et la génération. Donc il est plus probable que ce soit non que oui.
Merci. Je n'ai probablement pas posé la question correctement, je voulais dire qu'il est possible que plus d'échantillons générés donnent un échantillon plus standardisé.
Merci. Je n'ai probablement pas posé la question correctement, je voulais dire qu'il est possible que plus d'échantillons générés donnent un échantillon plus standardisé.
Merci. Je n'ai probablement pas posé la question correctement, je voulais dire qu'il est possible que plus d'échantillons générés donnent un échantillon plus standardisé.
Il est important d'avoir le moins de contradictions possible lors de la constitution de l'échantillon, sinon la formation sera inutile . Imaginons que dans un cas, avec la même valeur du vecteur d'entrée, la cible ait la valeur 1, et que dans le cas suivant, avec un vecteur d'entrée identique, la cible ait la valeur 0. Que doit alors faire l'algorithme ? Comment réagir ? L'augmentation des échantillons d'entraînement n'est donc pertinente que si elle n'entraîne pas une augmentation de la contradiction. C'est une question philosophique. Par exemple, je couvre 3 mois de marché sur M5 sur 100 échantillons d'entraînement. A titre d'exemple...
Avez-vous au moins compris ce que vous avez écrit ?
Mihail Marchukajtes #:
Il est important d'avoir le moins de contradictions possible lors de la constitution de l'échantillon, sinon la formation sera inutile. Imaginons que dans un cas, avec la même valeur du vecteur d'entrée, la cible ait la valeur 1, et que dans le cas suivant, avec un vecteur d'entrée identique, la cible ait la valeur 0. Que doit alors faire l'algorithme ? Comment réagir ? L'augmentation des échantillons d'entraînement n'est donc pertinente que si elle n'entraîne pas une augmentation de la contradiction. C'est une question philosophique. Par exemple, je couvre 3 mois de marché sur M5 sur 100 échantillons d'entraînement. A titre d'exemple...
Je suis d'accord avec vous, si un seul et même exemple décrit plusieurs états, alors lors de la classification par n'importe quel algorithme disponible, nous obtiendrons une probabilité proche de 1/n où n est le nombre d'états.
Mais il n'y a pas d'exemples absolument similaires, ils le sont jusqu'à un certain point. La question est de savoir comment détecter cette "similitude".
100 exemplaires en trois mois sur la M5... Je me demande... Est-ce que vous sélectionnez des échantillons de l'échantillon original selon les règles , que vous utilisez ensuite dans le trading ?
Je suis d'accord avec vous, si le même exemple décrit plusieurs états, nous obtiendrons une probabilité proche de 1/n où n est le nombre d'états lors de la classification par tout algorithme disponible.
Mais il n'y a pas d'exemples absolument similaires, ils le sont jusqu'à un certain point. La question est de savoir comment détecter cette "similitude".
100 exemplaires en trois mois sur la M5... Je me demande... Est-ce que vous sélectionnez des échantillons de l'échantillon original selon les règles , que vous utilisez ensuite dans le trading ?
Si le même ensemble de variables indépendantes dans l'échantillon de formation correspond à une seule variable dépendante, il s'agit alors d'une série déterministe.
Il n'y a rien à classer ici - l'erreur de prédiction est de 0.
Oui, c'est déjà une agonie.
Si le même ensemble de variables indépendantes dans l'échantillon de formation correspond à une seule variable dépendante, il s'agit d'une série déterministe.
Il n'y a rien à classer ici - l'erreur de prédiction est de 0.
Oui, c'est une agonie.
Merci, peut-être que ce n'est pas l'agonie mais mon manque de connaissances fondamentales.
Est-ce également vrai si plusieurs ensembles de variables indépendantes correspondent à la même variable ?