L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 956

 

Un autre livre utile sur le sujet

Bonne chance

Флах П. - Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных [2015, PDF, RUS] :: RuTracker.org
  • rutracker.org
Автор : 2015 : Флах П.: ДМК Пресс : 978-5-97060-273-7 : Русский: PDF : Отсканированные страницы : 402: Перед вами один из самых интересных учебников по машинному обучению - разделу искусственного интеллекта, изучающего методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения. Автор воздал должное невероятному...
 

Ni la démo, ni le réel n'ont fonctionné jusqu'à présent pour personne.

En résumé, ce ne sont que des jouets, de l'amusement et des jeux...

 
Renat Akhtyamov:

Ni la démo, ni le réel n'ont fonctionné jusqu'à présent pour personne.

Le résultat - ce ne sont que des jouets, du divertissement et du plaisir...

Le fils de Napoléon a reçu un hochet en aluminium pour son anniversaire. L'aluminium n'était pas bon pour autre chose).

 

YOOOOOOOOOOOOO !

Quelque chose dans les deux sens a utilisé la forêt. Lors de la formation, toutes les classes sont devinées, un peu moins dans les données de test. Dans les données de test, un peu plus de 50% tombent dans la classe recherchée et les données de la classe négative y tombent également (à hauteur d'environ 50% de la classe recherchée).

Au mieux, il y a peu d'exemples et un peu moins de la classe négative dans la classe de recherche.

Je doute que les données puissent être divisées du tout, du moins par une petite marge qui aura un effet significatif sur le commerce.

Ou pas ?

 

Résultats intermédiaires des expériences sur les arbres

Ce rapport concerne l'année 2017 - les données sont générées par la condition TC, sans application de filtres, mais avec un support de position.

Tout est identique, mais l'entrée est générée par l'arbre entraîné sur 2015 et 2016.

Et voici l'entrée par le signal ATS avec les filtres


Et voici l'entrée par Tree avec les mêmes filtres


Oui, les filtres ont été optimisés pour 2016-2017, donc c'est presque un prdrong, mais pourquoi l'arbre ne peut pas les aligner est un mystère. D'autre part, nous pouvons voir que là où les filtres ont éliminé les entrées, l'arbre est entré et vice versa, ce qui est tout aussi intéressant. Et ce qui est intéressant, c'est que l'arbre ne tient pas compte du résultat financier exact lorsqu'il décide de bifurquer, alors que l'optimisation sur l'historique est axée sur les indicateurs financiers.

 
forexman77:

YOOOOOOOOOOOOO !

Quelque chose dans les deux sens a utilisé la forêt. Dans la formation, toutes les classes sont devinées, dans les données de test un peu moins, dans les données de test un peu plus de 50% tombent dans la classe recherchée et les données de classe négative y tombent également (à hauteur d'environ 50% de ce qui est recherché).

Au mieux, il y a peu d'exemples et un peu moins de la classe négative dans la classe de recherche.

Je doute que les données puissent être divisées du tout, du moins par une petite marge qui aura un effet significatif sur le commerce.

Ou pas ?

La forêt est une décharge en Afrique si elle est jonchée de déchets, et vous avez fourni la preuve la plus concrète que vous n'avez AUCUN prédicteur pertinent pour la variable cible.

 
SanSanych Fomenko:

Une forêt est une décharge si vous la remplissez de déchets, et vous avez donné la preuve la plus concrète que vous n'avez AUCUN prédicteur qui soit pertinent pour la variable cible.

C'est comme s'ils devaient diviser par la cible ? :DDDD

Montrez-moi un graphique de test et de traçage où la relation est présente.

je ne sais pas pourquoi il ne me l'a pas montré... comme ce fxsaber qui m'a récemment banni... au moins il sait de quoi il parle... il n'a certainement pas écrit sur la recherche de prédicteurs à travers la forêt et autres paquets parce que le ratio ne peut pas être trouvé sur le marché en utilisant ces méthodes

 
SanSanych Fomenko:

Une forêt est une décharge si vous la remplissez de déchets, et vous avez fourni la preuve la plus concrète que vous n'avez AUCUN prédicteur pertinent pour la variable cible.

Voilà. Beaucoup d'exemples montrent quand train=>validation. Et il faut former=>valider=>tester (données de test, que l'algorithme ne voit pas du tout, mais seulement prédire par le modèle formé, sur la formation, la validation).

Ainsi, ces exemples où les résultats du train sont montrés, puis la validation ne dit rien. J'ai de nombreux exemples où la validation vous permet d'atteindre 95 % de la cible.

Et ils utilisent le contrôle croisé pour le K-10. Tout de même, je fais du surentraînement.

 
forexman77:

J'ai de nombreux exemples où je peux deviner 95% de mes cibles.

l'a trouvé, a trouvé où j'ai écrit :

M. Gunter. Axiomes d'un spéculateur boursier :

Axiome auxiliaire n°5. Méfiez-vous du piège des parallèles historiques.
Axiome auxiliaire n°6. Attention à l'illusion de la répétition des chiffres.
Axiome auxiliaire n° 7. Méfiez-vous de l'illusion selon laquelle la corrélation et la causalité existent.

hmm, pas un mauvais match avec Gunther ? ))))

 
Igor Makanu:

l'a trouvé, a trouvé où j'ai écrit :

hmmm, pas un mauvais match avec Gunther ? ))))

Je le sais depuis longtemps. Je crois que je l'ai vécu en troisième année. Pas surpris))))