L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 929
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Una strategia di base è necessaria SOLO per selezionare il momento (tempo) da analizzare. Può essere statico e non avere parametri di ottimizzazione. Se ottimizziamo la strategia di base, otteniamo un mucchio di modelli. L'ottimizzazione della strategia di base non ha senso. Il caricamento è gestito dall'NS. È sufficiente impostare una strategia di base adatto set di parametri, in termini di numero di offerte al giorno, e treno NS su di esso.
Sì, le strategie di base dovrebbero essere molto semplici... abbiamo bisogno di modificare un po' il quadro e si può aggiungere qualsiasi strategia, abbiamo bisogno di diversificazione.
Dice che sono intelligente e che devo portarla in Australia perché ha un amico lì.
Abbiamo bisogno di un finto matrimonio per questo.
Sei così intelligente... Sarei disposto a passare attraverso un finto matrimonio con un figo come te una volta... buon per te!!!! Date un'occhiata ragazzi, che corsa ........ Questo è quello in cui sei bravo, Maximka. -)))))
Nella previsione degli ovali, è ancora necessario arrotondare (>=0,5 -> 1; <0,5 -> 0) Proverò mnogovhodov, penso che sarà meglio, lì le classi 0 e 1 sono più uguali.
Non capisco, dove due valori maggiori di 0,5, cosa?
Sei così intelligente... Mi piacerebbe avere un finto matrimonio con un figo come te per una volta... buon per te!!!! Guardate, ragazzi, che corsa ........ Questo è quello in cui sei bravo, Maximka. -)))))
La cosa divertente è che se vuoi rovinare il tuo umore e la tua autostima, vai al mercato azionario
È meglio non abusare. Come hobby va bene. Le reti neurali sono interessanti, ma niente di più. Più si complica, più ci si confonde.
Allora entrambi saranno 1 quando vengono arrotondati.
Se non ti importa delle probabilità, puoi abbandonare interi rami se finiscono tutti con la stessa classe dopo l'arrotondamento.
mnogovhodov_02 2016 arr_Buy si è rivelato così:
Non so nemmeno come giudicare i risultati... Mi sembra che l'albero possa ancora essere ramificato, perché c'è ancora una vagonata di predittori. Perché no?
La tabella manca di informazioni sul rinforzo, cioè quante varianti di questo tipo nel campione in percentuale, per esempio si può vedere che il ramo più a destra dà una voce corretta al 77%, il che è molto buono, ma non è chiaro quante volte questo è stato il caso.
Alternativa. Il risultato è immediatamente in classi, senza probabilità. Questo mi sembra peggiore.
Questo ha più senso se il modello è completo, ma quando le probabilità sono 49 a 51, non si tratta davvero di
La cosa divertente è che se vuoi rovinare il tuo umore e la tua autostima, vai in borsa
Quindi è meglio non abusarne. Come hobby va bene. Le reti neurali sono interessanti, ma niente di più... Più si complica, più ci si confonde.
Non ti riconosco. È davvero un bene che tu capisca una semplice verità. "Tutto ciò che è brillante è semplice", anche nel campo dell'apprendimento automatico. Più semplice è la rete e meglio funziona.....
Allora entrambi saranno 1 quando vengono arrotondati.
Se non ti importa delle probabilità, puoi scartare interi rami se finiscono tutti con la stessa classe dopo l'arrotondamento.
E se trovate rami con buone probabilità e li codificate in un predittore, e poi ancora una volta lasciate che l'albero macini, allora l'albero penserà a come migliorare dai risultati trovati (non pensate che ai predittori dovrebbe piacere visto che hanno un'alta percentuale di decisioni corrette)?
Mi sembra che l'albero possa ancora essere ramificato, dato che ci sono ancora un sacco di predittori. Perché no?
Se ci ramifichiamo ulteriormente, l'accuratezza di questi dati aumenterà ovviamente. Ma molto probabilmente diminuirà con i nuovi dati.
Abbiamo raggiunto un certo optimum quando l'albero ha imparato qualcosa, ma non c'è ancora un overfit, quindi possiamo aspettarci risultati simili su nuovi dati.
Non ti riconosco. Ti ha fatto davvero bene imparare una semplice verità. "Tutto ciò che è brillante è semplice", anche nel campo dell'apprendimento automatico. Più semplice è la rete e meglio funziona.....
Beh, una sorta di desiderio di fottere tutti e mostrare che il mercato ha vinto. Naturalmente, il resto è una sciocchezza... )