L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3387
![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
Comment cette relation linéaire est-elle définie ? Pouvez-vous préciser ?
Je supprime simplement les règles qui sont très similaires, je détermine la similarité par les points d'activation.
J'ai posté le code.
J'espérais que vous pourriez décrire le processus avec vos propres mots.
D'accord, voici le traducteur :
"
Détails
La décomposition QR est utilisée pour déterminer si une matrice a un rang complet, puis pour identifier les ensembles de colonnes qui sont impliqués dans des dépendances.
Pour les "résoudre", les colonnes sont supprimées de manière itérative et le rang de la matrice est revérifié.
La fonction trim.matrix du package subselect peut également être utilisée pour atteindre le même objectif.
"
La description n'est pas très claire, pour commencer, la question est de savoir de quelle matrice nous parlons et comment elle est obtenue.
Si les règles de la feuille ont été exécutées, il s'agit de l'activation de la feuille, ce qui signifie que la feuille est utilisée pour former la réponse finale du modèle. Un tableau est construit à partir du nombre de feuilles et chaque ligne est étiquetée comme activée, si elle l'est - "1", si elle ne l'est pas - "0".
J'ai esquissé quelques thèses de base sur le kozul, pour ceux qui ont des difficultés à lire les livres en anglais. Et un exemple en python, comment cela fonctionne le mieux, selon ma version. Voulez-vous l'article ?
J'ai esquissé quelques thèses de base sur le kozul, pour ceux qui ont du mal à lire les livres en anglais. Et un exemple en python, comment cela fonctionne le mieux, selon ma version. Vous voulez l'article ?
Je vous en prie.
Je termine juste un autre livre pour ajouter à la théorie.
parce qu'il est dit qu'il n'y a rien de plus pratique qu'une bonne théorie.
1. Je ne m'interroge pas sur la décomposition, mais sur l'origine de la matrice.
2. Cela semble être une affirmation sans fondement. À mon avis, ma méthode permet d'enlever plus que ce dont on a besoin.
1. Je ne m'interroge pas sur la décomposition, mais sur l'origine de la matrice.
2. Il semble que cette affirmation ne soit pas étayée. À mon avis, ma méthode peut supprimer plus de choses que nécessaire.
1 matrice de caractéristiques
1. Comment cette matrice est-elle obtenue ? Quels sont les nombres qui y figurent ?
2. Je parle de règles. Dans mon approche, je ne me soucie pas de savoir comment et à partir de quoi la règle est dérivée, mais si la réponse est similaire à une autre dans l'échantillon de formation, elle n'apporte pas d'informations supplémentaires.
Pourquoi un grand nombre de signes sont-ils maléfiques ? Graphique intéressant tiré d'un livre sur le kozul.
La probabilité de trouver le même exemple dans l'échantillon d'apprentissage, en fonction du nombre de caractéristiques.
Si vous avez plus de 14 (ou même 10) caractéristiques, vous obtenez un grand nombre de règles que vous ne pouvez pas réduire sans perte.