L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1695
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
Oui, c'est un moyen raisonnable, un oiseau dans la main, pour ainsi dire, au diable les grues, c'est gênant)). Mais IMHO il est plus facile de trouver un emploi que de voler un tout petit simplet en lui vendant de fausses "pelles", nous savons tous deux que personne ne vendrait les vraies pelles))).
Mais je ne juge pas, en principe je respecte même la fraude, mais grande, pas mesquine.
Super ! Votre réponse capture l'essence de la position de beaucoup. Vous devez vous convaincre que les autres ont des pelles à pelleter, sinon vous devrez quitter votre zone de confort.
A propos de l'emploi, je suis d'accord, la ressource que j'ai dépensée pour ce projet sous forme de salaire m'aurait apporté davantage.
Kesha Rutov:
Mais je ne juge pas, en principe je respecte même la fraude, mais grande, pas mesquine.
Il y aurait tricherie même si :
- on créait un conseiller expert qui montre le travail du réseau neuronal en temps réel, sur le marché réel ;
- on envoyait des signaux du réseau neuronal à un canal public Telegram ;
- on écrivait un article décrivant les étapes de la résolution d'un problème qui a 6 000 vues.
Oui, c'est un moyen raisonnable, un oiseau dans la main, pour ainsi dire, au diable les grues, c'est gênant)). Mais IMHO il est plus facile de trouver un emploi que de voler un tout petit simplet en lui vendant de fausses "pelles", nous savons tous deux que personne ne vendrait les vraies pelles))).
Mais je ne juge pas, en principe je respecte même les arnaques, mais les grosses, pas les petites.
Kesha, j'ai été impressionnée par votre réponse sur la tendance et le plat et je n'arrive toujours pas à me le sortir de la tête.
Je n'arrive pas à me le sortir de la tête. Et j'ai enfin trouvé la réponse.
Pourquoi pensez-vous qu'il y a une tendance et un plat, et comment initier l'apparition de l'un ou l'autre ?
A en juger par votre poste et vos intentions, vous ne savez pas...Les gars, excusez-moi, mais il s'avère que je suis tellement stupide. La force majeure avec la mise à jour de Rstudio et ses paquets est arrivée, et après la mise à jour le script a commencé à donner une erreur féroce, que je ne peux pas surmonter. Toutes parce qu'à l'origine, elles étaient écrites de manière incorrecte, il y a donc eu une sélection naturelle. :-( J'ai donc pensé que si le moment était venu, je m'amuserais avec des matrices, des vecteurs, etc. et j'organiserais le script de manière à ce qu'il enregistre le fichier d'entraînement sans passer d'un Exel à l'autre. Comme le dit le proverbe, la bête est plus grande que l'attrapeur. En conséquence, j'ai lu la documentation, codé un exemple concret tiré du tutoriel, mais avec mes propres paramètres, et je continue à obtenir des erreurs. Je n'ai pu appliquer aucun exemple à mes données. Par conséquent, si vous possédez le lien vers de bons tutoriels, à savoir des commandes de répertoires géographiques étendus. Ce qui est un livre de référence, mais pour les nuls, ne le gardez pas pour vous. Partager !!!!!!
Matrice élémentaire de vecteurs je ne peux pas créer, non pas parce que je ne comprends pas les bases, mais parce que c'est ce qu'il n'aime pas cela. Je reçois des erreurs tout le temps..... Je suis très triste :-(
Et le principal est que je commence à jurer sur une des variables, je vois qu'elle n'est pas de ce type. Il était de ce type avant et soudainement il n'est plus de ce type. Bien que R utilise la conversion automatique des données. Qu'est-ce que je peux dire à ce sujet :-(
Que puis-je dire :-(.
lamer ))
J'ai étudié CatBoost, je vais donc en parler.
La profondeur de l'arbre est recommandée de 4 à 6 fentes. C'est la profondeur que j'essaie en général.
La division du prédicteur est effectuée par trois algorithmes différents parmi lesquels vous pouvez choisir. Une "grille" est créée.
Les résultats du fractionnement sont intéressants à tirer et à voir par vous-même. Et pourquoi AlgLib divise-t-il les prédicteurs en parties égales lorsqu'il construit un arbre pour une forêt ?
J'ai trouvé un moyen de visualiser les arbres en python https://github.com/catboost/tutorials/blob/master/model_analysis/visualize_decision_trees_tutorial.ipynb.
Mais j'ai quelques problèmes avec le module graphviz, apparemment le module graphviz n'est pas à jour.
Vous pouvez consulter le site JSON https://github.com/catboost/tutorials/blob/master/model_analysis/model_export_as_json_tutorial.ipynb
Cela fonctionne comme suit pour un arbre symétrique de profondeur 2
" splits " : [
{
{"border" : 4.550000190734863,
"float_feature_index" : 12,
"split_index" : 15,
"split_type" : "FloatFeature".
},
{
{"border" : 2.423949956893921,
"float_feature_index" : 7,
"split_index" : 7,
"split_type" : "FloatFeature".
}
lamer ))
Voici comment vous pouvez regarder les arbres sur un python
C'est magnifique. Mais je suis intéressé de voir une grille de fourchettes de prédicteurs, qui sont encore plus ramifiées.
C'est magnifique. Mais je suis intéressé de voir la répartition par grille des plages de prédicteurs, qui font l'objet d'une recherche plus poussée.
Une autre rancune du jour, pour ceux qui attendent 2000 sur la RTS :-)