L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1927
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
aléatoire...
Le dispositif peut être représenté comme une règle de log...
taille de la règle - aléatoire
contenu de la règle - aléatoire
a généré 1000 règles - envoyées au Ministère de la Défense en tant que 1000 fonctionnalités
choisissez 1 à 5 bonnes caractéristiques si vous en avez, sinon, jetez-les toutes.
Les caractéristiques sélectionnées sont jetées dans la "base de données des bonnes caractéristiques".
et de nouveau, générer 1000 fonctionnalités, et ainsi de suite.
lorsque la "base de bonnes caractéristiques" contient plus de 1000 caractéristiques, vous pourrez les utiliser pour entraîner un nouveau modèle et voir ce que vous obtenez.
La génération de règles aléatoires sans frontières revient à courir d'un bord à l'autre dans un champ nu. Il faut des limites raisonnables, ou au moins chercher 1000 règles dans un domaine logique et dimensionnel, un autre millier dans un autre. un hasard complet est de moins l'infini à plus tout de même) Mais l'idée est ok)
Générer aléatoirement des règles sans limites, c'est comme courir d'un bord à l'autre d'un champ ouvert sans limites. Il faut des limites raisonnables, ou au moins chercher 1000 règles dans un domaine logique et dimensionnel, un autre millier dans un autre. Un hasard complet est de moins l'infini à plus, cependant) mais l'idée est ok)
tout ceci est une nuance, vous pouvez faire une sélection des bonnes puces comme la reproduction en génétique, et alors une recherche aléatoire évoluera lentement vers une recherche dirigée ......
Ils sont comme dans la chanson "Je crie, mais il y a le silence".
Tout ceci est une nuance, vous pouvez faire une sélection à partir de bonnes puces comme en génétique, et alors une recherche aléatoire se transformera lentement en une recherche dirigée ......
Karotsche, le frottement peut être autant que tu veux et avec ce que tu veux, mais qui le fera ? Et ici, comme dans la chanson - "Je crie, mais il y a le silence en réponse.
Tout d'abord, ils doivent au moins définir les zones de règles. Tout d'abord, nous devons déterminer les zones de règles. Sur un ou tous les TF, et puis c'est quelques séries et la dimension s'envole. Vous n'avez pas besoin de recherches saisonnières. Il est difficile de commencer sans)
Tout d'abord, définissez au moins les zones de règles. Zones de retard, zones indicatrices non et lesquelles, profondeur et largeur de la recherche. Sur une ou toutes les TF, et ce sur plusieurs rangées, la dimensionnalité s'envole. Vous n'avez pas besoin de recherches saisonnières. Il est difficile de démarrer sans elle)
Vous ne savez pas ce dont vous avez besoin et ce dont vous n'avez pas besoin. Si vous le saviez, vous n'auriez pas à chercher, c'est le but. La machine trouvera des solutions auxquelles vous n'auriez jamais pensé, et si vous la mettez dans votre boîte, vous obtiendrez une autre stochastique.
Je ne connais pas du tout l'algorithme de clustering qui crée les règles.
Lors du regroupement, beaucoup de lignes ont été réparties dans différentes zones, une carte a été formée, qui, je suppose, peut être appelée à travers :
Puis, il a pesé chaque rangée et l'a assignée à l'un ou l'autre centre de cluster. Je ne comprends pas comment se fait la pondération d'une seule ligne...
Je vous l'ai déjà dit, interprétez-le en fonction de l'usage direct de l'outil, et vous essayez de planter des clous avec une fleur...
Oui, je suis comme ça, j'ai déjà les arbres en formation, pour chaque cluster - il y a des feuilles avec une bonne complétude et une précision acceptable - je vais les mettre ensemble dans la soirée et voir ce qui se passe avec les nouvelles données, ce qui sera plus efficace - utiliser un seul arbre ou le diviser en 4.
J'ai décidé d'examiner les renversements significatifs du marché. Des demi-tours significatifs comme cible. Je pensais que ce serait le chaos, mais non.
Quelle est la règle pour classer un revirement dans la catégorie des revirements importants ?
Eh bien, c'est intéressant. Merci pour le conseil.
Pouvez-vous partager un code pour les nuls, peut-être que je vais rejoindre les eRs ?
Merci, j'ai réussi à décharger le clustering.
aléatoire...
Le dispositif peut être représenté comme une règle de log...
taille de la règle - aléatoire
contenu de la règle - aléatoire
a généré 1000 règles - envoyées au Ministère de la Défense en tant que 1000 fonctionnalités
choisissez 1 à 5 bonnes caractéristiques si vous en avez, sinon, jetez-les toutes.
Les caractéristiques sélectionnées sont jetées dans la "base de données des bonnes caractéristiques".
et de nouveau, générer 1000 fonctionnalités, et ainsi de suite.
lorsqu'il y a plus de 1000 bonnes caractéristiques dans la "base de bonnes caractéristiques", vous pourrez les utiliser pour entraîner un nouveau modèle et voir ce qui se passe.
En quoi votre méthode est-elle meilleure que la mienne ? En fait, elle consiste à rassembler de nouveaux prédicteurs sur la base des données existantes. Il suffit de construire des arbres en utilisant non seulement les comparaisons mais aussi la transformation et la combinaison des niveaux de la cible. En général, vous pouvez l'implémenter sur la base d'un arbre simple et en faire glisser les feuilles.
Vous ne savez pas ce dont vous avez besoin et ce dont vous n'avez pas besoin, si vous le saviez, vous n'auriez pas besoin de chercher, c'est le but - la machine trouvera des solutions auxquelles vous n'auriez jamais pensé, mais si vous la mettez dans votre boîte, vous obtiendrez une autre stochastique.
Vous ne pouvez chercher que dans un certain espace, et vous ne pouvez pas le faire sans définir la zone de recherche)))). La machine est stupide malheureusement, mais elle fonctionne).
S'il existe bien sûr des idées de recherche de règles sans règles de certaines régularités dans des séries multidimensionnelles ou au moins unidimensionnelles, nous devons au moins formuler comment aborder l'idée de générer des règles sans règles. Les règles ainsi que les régularités sont infiniment nombreuses par la condition du problème.
Bref, j'ai vissé un catbusta au lieu d'arbres... et... le problème n'était pas les arbres, c'était la tête, comme toujours.
ne fonctionne pas comme prévu.
Vous avez fait l'amour avec la classe d'Aliaksandr Hryshyn ?
En quoi votre méthode est-elle meilleure que la mienne - la collecte des feuilles est essentiellement constituée de nouveaux prédicteurs dérivés de données existantes. Il suffit de construire des arbres en utilisant non seulement la comparaison, mais aussi la transformation et la combinaison des niveaux de la cible. En général, vous pouvez mettre cela en œuvre sur la base d'un arbre ordinaire et faire glisser les feuilles à partir de là.
Question dans la puce / génération de règles de log
La question porte sur la génération de fonctionnalités et de règles de journalisation.
C'est ainsi que les puces seront générées - nous devons préparer un constructeur sous forme de règles de base.
Par exemple, décrivez une fois comment un prix se comporte dans un canal, puis changez de canal et ainsi de suite.