L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 937
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
Sì, si possono avere molte classi. Ma raramente ho lavorato con modelli con più di 2 classi, è sempre difficile e problematico, soprattutto se una classe supera le altre. Si può provare, ma non spero in un buon risultato, ad essere onesti.
Ora è un po' complicato - un albero è un filtro che sa dove non puoi andare lungo, un altro albero sa dove puoi andare lungo, e ci sono 2 alberi simili che mancano per gli short. Forse combinando tutte queste informazioni in un albero si superano gli svantaggi di usare tre classi, e il puzzle si compone :)
Sì, si possono avere molte classi. Ma raramente ho lavorato con modelli con più di 2 classi, è sempre difficile e problematico, soprattutto se una classe supera le altre. Si può provare, ma non spero in un buon risultato, ad essere onesti.
Ora è un po' complicato - un albero è un filtro che sa dove non si può andare lungo, un altro albero sa dove si può andare lungo, e ci sono 2 alberi simili che mancano per gli short. Forse combinando tutte queste informazioni in un albero si supereranno gli svantaggi dell'uso di tre classi, e il puzzle funzionerà :)
Sarà interessante vedere il risultato!
Non so, forse dovrei fare nuovi obiettivi con stupidi take profit, allora ci potrebbero essere più entrate. Non è affatto chiaro con gli obiettivi, ora molti di loro (con molte entrate) stanno catturando senza mezzi termini l'inversione, mentre io non vorrei entrare in loro - penso che non c'è certezza di inversione, ma c'è certezza di fine del movimento di tendenza, e ci si può aspettare piatto - cioè abbiamo obiettivi di rumore lì. Dove c'è un file con un piccolo numero di entrate, ci dovrebbero essere obiettivi puliti, ma ci imbatteremo anche in diversi tipi di entrate - fuori dal flat, entrata dopo la correzione per la continuazione del movimento e entrata per l'inversione (per esempio, durante la formazione di pin bar sul TF orario). Inoltre, c'è una sfumatura come "una finestra di entrata aperta" quando l'entrata è permessa durante un numero decente di barre in fila - i rumori degli incidenti possono apparire anche lì. Penso che forse dovrei dividere gli obiettivi per mostrare la stessa immagine.
Avete sperimentato con kfold alglib? migliora i risultati? Ho visto in uno dei tuoi vecchi post che non sembra mescolare il campione. Deve proprio farlo?
Qualche conclusione su cosa sovrallena meno - foresta o mlp? sugli stessi dati. Ho il sospetto che per i compiti di regressione la foresta funziona in modo storto e restituisce errori storti (molto piccoli), per le norme di classificazione.
2. Ho visto persone interessate all'OpCl, si è pensato di riscrivere NS ad esso? Per esempio, ho rinunciato del tutto a GA come un incubo senza senso, tutto è ora addestrato in 1 thread su 1 core. Si potrebbe accelerare su Cl (anche se così veloce). Oppure, se ti alleni su Spark, è comunque parallelo e non ha senso.
3. Più o meno capito cosa si mette sul git e come lo si applica. Grande lavoro interessante, rispetto! :)
Ciao)
Scannerizza il codice e lo mette sulla lavatrice e lo accende per insegnarglielo.
Poi ho cucito il codice sulla macchina da cucire tre volte per allenare la rete neurale in profondità.
Il risultato è che il codice è cambiato oltre il riconoscimento, e ora mi sto chiedendo come usarlo nel commercio...
Il superbot è già pronto?
Ho aspettato per due anni.
Ci sono conclusioni su quale sia meno sovrallenato - la foresta o l'MLP?
In uno dei pacchetti c'è un esemplare demo della NS predittiva (MLP). Un NS relativamente semplice, a proposito. Quindi è addirittura impossibile riqualificarlo. Non importa come lo riqualifichi, tutto funziona.
Quindi, la riqualificazione dipende, prima di tutto, dal compito stabilito per il NS. Bene, e sull'adeguatezza della complessità della MLP al compito.
Sto parlando specificamente di alglib e di test sugli stessi dati da modelli diversi
Un NS è un NS. Non fa differenza, alglib o cosa. Se il NS si riqualifica, significa che è inadeguato al compito stabilito, ed è necessario cambiare o il compito o la struttura del NS. E non preoccupatevi). Come diceva un maresciallo - f... (Non posso dirvi delle foreste, con loro non posso dirlo).
Non posso dire nulla sulla foresta, non ci lavoro.
Cosa succede se addestriamo l'albero su un non-target piuttosto che su un predittore? Saremo in grado di identificare i predittori non significativi, sulla base di una buona formazione? Cioè, se il modello di test riconosce bene i predittori, allora gli altri predittori contengono già abbastanza informazioni e il predittatore è ridondante e può essere scartato. Ma se non si trattasse del predittore ma della ridondanza delle combinazioni uniche stesse?
Per esempio, ho deciso di scegliere il numero dell'ora come obiettivo.
Il risultato sul campione di allenamento
Il risultato sul campione di prova
Puoi vedere che le 10 sono ben previste, possiamo fare l'ipotesi che ci siano condizioni diverse a quell'ora rispetto al resto del campione? Credo di sì. Cercherò di raggruppare il resto delle ore, forse in questo modo possiamo distinguere meglio le peculiarità del comportamento dei prezzi in questi intervalli di tempo.
Cosa succede se addestriamo l'albero su un non-target piuttosto che su un predittore? Saremo in grado di identificare i predittori non significativi, sulla base di una buona formazione? Cioè, se il modello di test riconosce bene i predittori, allora gli altri predittori contengono già abbastanza informazioni e il predittatore è ridondante e può essere scartato. Ma se non si trattasse del predittore ma della ridondanza delle combinazioni uniche stesse?
Per esempio, ho deciso di scegliere il numero dell'ora come obiettivo.
Il risultato sul campione di allenamento
Il risultato sul campione di prova
Puoi vedere che le 10 sono ben previste, possiamo fare l'ipotesi che ci siano condizioni diverse a quell'ora rispetto al resto del campione? Credo di sì. Proverò a raggruppare il resto delle ore, forse mi aiuterà a distinguere meglio le peculiarità del comportamento dei prezzi in quegli intervalli di tempo.
Un giorno probabilmente non è sufficiente). In realtà è una specialità). È stato studiato per anni, anche per una vita attiva.
NS, non ricorda, ma ampiamente utilizzato in DSP. La questione dell'applicazione di NS in DSP è la corretta formulazione del problema per NS. Diciamo che un'applicazione di NS è il filtraggio, incluso il filtraggio adattivo.
A proposito, NS funzionerà bene quando gli darete un compito abbastanza specifico, non portare questo, non so cosa.
Continuo ad entrarci.
Ho studiato questa fic per 5 anni e non potevo nemmeno immaginare che fosse possibile applicarla a un forum.
In breve, NS è un normale filtro adattivo non ricorsivo.
Ci sono molte varietà.
Con un insegnante, senza insegnante, ecc.
I predittori sono coefficienti di filtraggio digitale. È esilarante, perché è elementare, e stai un po' calpestando la scienza... È tutto vecchio come il tempo. (È tutto vecchio come gli anni '50).
Ditemi voi - ne avete già fatto uno alla cieca, o usate input/output con l'allenamento?
//Blind è quando non si sa quale sia l'output e non c'è niente con cui confrontarlo... Dicono che in questo caso l'obiettivo principale è quello di ridurre il rumore.
// E se sei un vedente, la previsione sarà calcolata con un vettore di errore, che sarà filtrato. Ma c'è un ritardo nell'elaborazione, almeno di un tick.