L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2647
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
wai !
Je vous comprends, vous avez une formation et une expérience particulières, contrairement aux "activistes" .... (vous avez une formation économique et une expérience professionnelle dans les centres de divorce ?)
mais combien de fois peut-on se moquer d'eux ?
wai !
Je vous comprends, vous avez une formation et une expérience particulières, contrairement aux "activistes" .... (vous avez une formation économique et une expérience professionnelle dans les centres de divorce ?)
mais combien de fois pourras-tu te moquer d'eux ?
Oh, les Stirlitzes/contretirlitzes sont là).
Tout va bien... canal normal avec des courbes et des inclusions étrangères, mais le canal est stable)))).
Il me semble tout à fait normal qu'un algorithme simple ne fonctionne que sur une partie limitée de l'ensemble des prédicteurs.
Vous pourriez retirer pas à pas de l'échantillon ce qui entre dans les "bonnes" cases et appliquer l'algorithme au reste. Essentiellement, cette méthode serait similaire à celle de l'écrêtage. On peut probablement procéder de la même manière qu'avec randomforest - prendre un grand ensemble de prédicteurs et, pour chaque sous-ensemble, trouver plusieurs cases.
Si je comprends bien, l'intérêt de combiner les prédicteurs est d'organiser les boîtes identifiées de manière à ce qu'elles ne se chevauchent pas et, si c'est le cas, qu'elles n'aggravent pas le résultat de manière significative, n'est-ce pas ?
Je me moque de vous, je vous dis les choses telles qu'elles sont .
C'est juste que tu n'as pas vu les coulisses.
;)
vous n'avez pas vu les coulisses.
;)
Si je comprends bien, l'intérêt de combiner les prédicteurs est de disposer les boîtes identifiées de manière à ce qu'elles ne se chevauchent pas et, si c'est le cas, qu'elles n'aggravent pas le résultat de manière significative, n'est-ce pas ?
Je pense que la question de savoir ce qu'il faut faire avec les boîtes détectées est complexe et qu'il est difficile d'établir des règles claires et sans ambiguïté pour tous les cas possibles. Un bon algorithme bien conçu est probablement un "savoir-faire" assez secret.)
Si les cas sont obtenus sur le même ensemble de prédicteurs, leur non-intersection est probablement suffisante. S'il y a une intersection, elle peut être attribuée à une boîte distincte, et ses compléments peuvent être répartis dans plusieurs boîtes. Cependant, un trop grand nombre de boîtes fragmentera trop l'échantillon. Nous pouvons donc généraliser la notion de boîte - dans le langage des règles, cela signifie ajouter les négations et le OU au ET.
Si les boîtes sont obtenues à partir de prédicteurs complètement différents (par exemple, par la méthode randomforest), elles ne peuvent se chevaucher que dans le sens des parties de l'échantillon qui en font partie. Des idées proches du portefeuille sont probablement nécessaires ici.
Si les ensembles de prédicteurs se chevauchent partiellement, il s'agit probablement d'un mélange d'approches, mais il est difficile de le dire avec certitude.
Je ne vois pas très bien comment cela peut être intégré dans un schéma unifié. La méthode standard de construction des arbres de décision contourne simplement et "joliment" ces problèmes, ce qui fait qu'elle ne convient pas tout à fait à nos objectifs. Il est peut-être possible de l'améliorer en sélectionnant un algorithme d'élagage, mais à mon avis, il est préférable de retravailler de manière créative l'algorithme de construction des règles.
Nous nous sommes moqués de votre singe il n'y a pas si longtemps.
C'est logique, même un théâtre de marionnettes a des coulisses).
C'est logique, même le théâtre de marionnettes a des coulisses.)
:D