L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1437
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
Ci è voluto molto tempo per capirlo, ma sembra che sia così. La foresta di Alglib è incline all'apprendimento eccessivo man mano che la dimensione del campione aumenta, poiché è un'abbuffata senza sosta. Quindi, con una dimensione moderata del campione, può dare una buona generalizzabilità, ma con una dimensione del campione più grande, il numero di spaccature è fuori scala e lì, senza potatura, risulta solo una memorizzazione. Quindi la potatura è necessaria per aumentare il campione.
Non ho ancora visto come funziona nella nuova versione sul loro sito web. È possibile che questo difetto sia stato risolto
Ci è voluto molto tempo per capirlo, ma sembra che sia così. La foresta di Alglib è incline all'apprendimento eccessivo man mano che la dimensione del campione aumenta, poiché è un'abbuffata senza sosta. Quindi, con una dimensione moderata del campione, può dare una buona generalizzabilità, ma con una dimensione del campione più grande, il numero di spaccature è fuori scala e lì, senza potatura, risulta solo una memorizzazione. Quindi la potatura è necessaria per aumentare il campione.
Non ho ancora visto come funziona nella nuova versione sul loro sito web. Forse questo difetto è stato corretto.
La potatura dovrebbe controllare la completezza, cioè dovrebbe tagliare non meno dello 0,5-1% di copertura di un campione.
Perché state torturando il software del secolo scorso, sul cyber forum hanno suggerito una variante cinque volte più veloce. L'autore di NeyroPro ha confessato che ha rinunciato alle sue posizioni per un paio di decenni, ora stanno scrivendo un codice più ottimale.
Il multiplayer in C, non male, non male, è il nostro Maxim's per nutrire, stava cercando dove saccheggiare MLP, e qui è puro C 50 linee, anche se non è il suo livello ancora.
Nessun ritorno d'ora in poi, ti ho mandato una mail con il modo migliore, leggila a tuo piacimento )
Va bene, non c'è bisogno di rendimenti o indicatori, IO è in grado di trovare la correlazione nel prezzo netto. Sarò severo ma giusto. Come nella vita reale, o al lavoro in un ufficio e nel rapporto capo-subordinato.
Ci è voluto molto tempo per capirlo, ma sembra che sia così. La foresta di Alglib è incline all'apprendimento eccessivo man mano che la dimensione del campione aumenta, poiché è un'abbuffata senza sosta. Quindi, con una dimensione moderata del campione, può dare una buona generalizzabilità, ma con una dimensione del campione più grande, il numero di spaccature è fuori scala e lì, senza potatura, risulta solo una memorizzazione. Quindi la potatura è necessaria per aumentare il campione.
Non ho ancora visto come funziona nella nuova versione sul loro sito web. Probabilmente, questo inconveniente è stato risolto.
Limita la profondità da solo - imposta un contatore (profondità o numero di esempi nel foglio) e quando viene superato, termina la divisione. Nei miei esperimenti non ha portato a nessun miglioramento dell'OOS, sempre lo stesso 50+-5%.
Almeno in quel processo ho visto sia la stazionarietà che la presenza di mutua informazione con la riga di origine. Ci sono alcuni outlier, che possono anche essere risolti in qualche modo, ma sta a voi decidere
La formula è semplice, l'ho riscritta su mql.
Ho anche riflettuto per qualche tempo sull'uso delle informazioni reciproche, penso che abbia senso, forse anche un graal.
D'accordo, non c'è bisogno di ricorsi o di indicatori, IO è in grado di trovare dipendenze nel prezzo netto. Sarò severo ma giusto, proprio come nella vita reale, o al lavoro in un ufficio, in un rapporto capo-subordinato.
No, Kesha, nella vita reale e qui sul forum non hai abbastanza autorità per condividere qualcosa con te. Lavoraci sopra.
No. Ci sono semplicemente funzioni riscritte, suppongo per la velocità. La profondità c'è ancora per la vincita/ultima divisione.
Limitate voi stessi la profondità - mettete un contatore (profondità o numero di esempi nel foglio) e quando viene superato, finite la divisione. Nei miei esperimenti non ha portato a nessun miglioramento dell'OOS, sempre lo stesso 50+-5%.
Non ho idea di come funzioni, ma dice che produce ordini di grandezza in meno di foresta, cioè di fatto deve riqualificare meno perché il numero di opzioni è inferiore, anche se la profondità è la stessa.
No. Sono solo funzioni riscritte lì, credo per la velocità. La profondità lì è ancora fino alla vincita/ultima divisione.
Limita tu stesso la profondità - metti un contatore (profondità o numero di esempi nel foglio) e quando viene superato, finisci la divisione. Nei miei esperimenti non ha portato a nessun miglioramento dell'OOS, sempre lo stesso 50+-5%.
Quindi devi usare i rendimenti come tutti sono stati desenformati da forex demotivators alyosha e wacky wizard, e i rendimenti sono indipendenti, non c'è più informazione in loro, nessun livello o linea di tendenza, puro SB.
Anch'io sto pensando da un po' di tempo all'uso dell'informazione reciproca, penso che abbia senso, forse anche un graal.
È un modo di pensare molto corretto, almeno ... il lib che ho riscritto con successo da SI è proprio su questo