L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1952
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
où est-il ?
la grille devrait donner une sortie. il y a aussi quelque chose comme les valeurs shap (paquet séparé), mais il semble que ce soit seulement pour les représentants des arboretums.
cherchez un bot dans le mart top pour mt5 qui trade de façon saisonnière
Et réfléchissez à la façon de faire une marche arrière. Ça ne marche pas aussi bien pour moi, mais le thème fonctionne.
J'ai la première grille sur mon blog sur ce thème
J'ai la première grille sur mon blog à ce sujet
L'avez-vous fait fonctionner dans un testeur ?
Si vous comparez votre meilleure grille avec un boosting ou une forêt aléatoire, vous comprendrez que les MLP n'ont pas beaucoup d'intérêt.
le seul avantage est que le temps de réponse pour recevoir un signal sera plus court. Eh bien, c'est une fraction de seconde.1) Quelque chose me dit que ça n'aidera pas beaucoup. C'est la compression de l'information. Si vous comprimez des déchets, ce seront des déchets comprimés.
2 ) Si vous ajoutez 1 bon jeton à 2500 déchets, l'algorithme ne le remarquera pas beaucoup, et son effet sur le total sera, s'il est supérieur à 1/2500, peu important. Supposons que même 1/100, vous ne pouvez pas le voir sur le graphique.
3) La seule chose à laquelle je m'attends est que les caractéristiques fortement corrélées se fondent en quelque sorte en une seule.
1) Eh bien "semble" est un argument de poids ;))
2) Qui vous empêche de passer au crible les morceaux inutiles avant la compression ? Même si je ne le fais pas de cette façon, mais... il faut réfléchir, il faut décider, et ne pas philosopher...
3) Les algorithmes de réduction de la dimensionnalité peuvent être utilisés de différentes manières, pour différentes tâches, y compris, mais sans s'y limiter, la compression.
Avez-vous couru dans un testeur ?
Comparez votre meilleure grille avec un boosting ou une forêt aléatoire, vous verrez que les MLP n'ont pas beaucoup d'intérêt.
Le seul avantage est que le temps de réponse du signal de réception sera plus court. Eh bien, c'est une fraction de seconde.Pourront-ils travailler simplement par paliers ? Sans former ou sélectionner des caractéristiques ?
Pourront-ils travailler simplement par paliers ? Sans former et sélectionner les caractéristiques
Pas besoin de normalisation ici, sinon les caractéristiques sont les mêmes que pour MLP.
aucun rationnement n'est nécessaire ici, sinon tous les signes sont les mêmes que pour MLP
Je recommande catboost, j'ai un parseur d'un modèle entraîné en python en code mql (pour la classification binaire seulement).
merci https://www.mql5.com/ru/users/greshnik1aucun rationnement n'est nécessaire ici, sinon tous les signes sont les mêmes que pour MLP
Je comprends comment la grille fonctionne, j'ai quelques idées sur ce qu'il faut faire ensuite, mais le boosting est une forêt obscure pour moi.
Je suis dans le noir à propos du boosting.
heureusement que ce n'est pas aléatoire )
Heureusement que ce n'est pas aléatoire.)
C'est ce que je voulais écrire en premier).