L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1709

Nuovo commento
 
Aleksey Nikolayev:

Non si può fare a meno degli esperimenti. L'idea principale, per quanto ho capito, è semplicemente quella di ridurre significativamente la lista delle sostanze permesse per gli esperimenti. Ecco un link a un resoconto in lingua russa più sensato di questa ricerca, con un'enfasi sulla biologia e senza i dettagli del MO.

Un buon articolo scientifico, senza l'entusiasmo "ribollente" sull'onnipotenza dell'IA e la vicinanza di una panacea. Mostra quanto la natura sia "ingannevole" e quanto si sia ingenui a pensare di averne già trovato la chiave e ora...

Il risultato dell'uso del MO per trovare un'opzione adatta dalle vaste "biblioteche" di composti e dai dati sui loro effetti sui diversi ceppi è stato positivo. Ma è un risultato quasi isolato e non garantisce vittorie simili in futuro. Perché? - Perché il MOE usa un approccio statistico e probabilistico. Altre applicazioni di questa ricerca potrebbero non avere alcun successo.

Mi concentrerei sull'apprendimento dei principi generali della replicazione microbica e sulla creazione di uno strumento per il blocco selettivo in certi ceppi. Questa è la differenza tra un approccio intelligente e uno statistico e probabilistico (cioè, una soluzione unica per tutti contro una soluzione privata).

 
Reuter Konow:

Un buon articolo scientifico, senza l'entusiasmo "ribollente" sull'onnipotenza dell'IA e la vicinanza di una panacea. Mostra quanto sia "astuta" la natura e quanto sia ingenuo l'uomo nel pensare di averne già trovato la chiave e ora...

Il risultato dell'uso del MO per trovare un'opzione adatta da vaste "biblioteche" di composti e dati sui loro effetti su diversi ceppi è stato positivo. Ma è un risultato quasi isolato e non garantisce vittorie simili in futuro. Perché? - Perché il MOE usa un approccio statistico e probabilistico. Altre applicazioni di questa ricerca potrebbero non avere alcun successo.

Mi concentrerei sull'apprendimento dei principi generali della replicazione microbica e sulla creazione di uno strumento per il blocco selettivo in certi ceppi. Questo è ciò che distingue l'approccio intelligente da quello statistico e probabilistico (cioè la soluzione universale contro quella particolare).

A livello di singole molecole di DNA, sono inevitabili gli effetti quantistici, che sono intrinsecamente probabilistici in natura e non possono essere considerati in linea di principio senza un teorico e un matematico. E a tutti i livelli superiori, fino alle prove cliniche dei farmaci, queste scienze sono indispensabili. Pertanto, i metodi come quelli utilizzati in questo studio non sono in alcun modo estranei alla biologia e hanno persino portato a coniare il termine in silico (simile a in vivo e in vitro).

 
Aleksey Nikolayev:

A livello di singole molecole di DNA, sono inevitabili gli effetti quantistici, che sono intrinsecamente probabilistici in natura e non possono in linea di principio essere considerati senza un teorico e un matematico. E a tutti i livelli superiori, fino alle prove cliniche dei farmaci, queste scienze sono indispensabili. Pertanto, i metodi come quelli utilizzati in questo studio non sono in alcun modo estranei alla biologia e hanno persino portato alla nascita del termine in silico (analogo a in vivo e in vitro).

Sì, anch'io ho notato un articolo sullo Zen sulle 'fluttuazioni' quantistiche nel DNA che generano le sue mutazioni. Certamente il MO è un buon strumento in molte aree di ricerca. Ma, personalmente, ho capito - MO, non è AI, e non dovrebbe essere confuso con esso. L'AI cercherà una soluzione assoluta, mentre il MO ne cercherà una privata. Hanno metodi di lavoro assolutamente diversi e MO non "crescerà" in AI.

 
buona sera, qualche consiglio per un principiante...


Se compro un EA (5 copie), tutti gli aggiornamenti successivi saranno disponibili? Saranno gratuiti per tutte e 5 le copie?

 
Aleksey Nikolayev:

Cosa pensa dell'Idea Assoluta di Hegel?)

Non familiare o non ricordo :) Sono più nel cristianesimo ora, risolvendo i puzzle
 
3565832:
buona sera, potete consigliare un principiante...


Se si acquista un EA (5 copie), tutti gli aggiornamenti successivi saranno disponibili? Saranno gratuiti per tutte e 5 le copie?

Sì
 
Maxim Dmitrievsky:
Non mi è familiare o non ricordo :) Sono più nel cristianesimo ora, risolvendo i puzzle

Con Alexander-Toddler si crea una dottrina del Graal)?

 
elibrarius:

Alexei, tu fai analisi delle foglie, apparentemente puoi rispondere... o qualcuno che lo fa.

Ecco una descrizione delle spaccature di un albero profondo quanto 2 di kaboos


Cosa significa "valore"? È la risposta della foglia? Cosa significano i numeri negativi?

Se sì, che valore ha la classificazione multiclasse? Qui sotto ci sono le spaccature di uno degli alberi addestrati su 3 classi.
Ad ogni foglia vediamo un array di 3 valori di valore. Qual è la risposta? Il valore più alto? Allora perché memorizzare due valori ridondanti? Cosa significano i valori negativi?

È interessante notare che la somma dei tre valori è 0.

Sì, nella classificazione binaria questo è il valore di probabilità di appartenere alla classe "principale".

Non ho fatto la multiclassificazione in CatBoost, ma penso che sia la probabilità di appartenere a una classe particolare.

La cifra deve essere trasformata per ottenere il valore reale della probabilità - c'è una funzione logistica.

Le foglie attivate nel modello sono sommate - così, tra l'altro, i segni possono essere con segni diversi - questo è un processo di bilanciamento, solo che può essere diluito dopo che il modello è costruito e le foglie e gli alberi spazzatura possono essere scartati.

 
Aleksey Vyazmikin:

Sì, nella classificazione binaria questo è il valore di probabilità di appartenere a una classe "principale".

Non ho fatto la multiclassificazione in CatBoost, ma penso che sia la probabilità di appartenere ad una classe particolare.

La cifra deve essere trasformata per ottenere il valore reale della probabilità - c'è una funzione logistica.

Le foglie attivate nel modello sono sommate - così, tra l'altro, i segni possono essere con segni diversi - questo è un processo di bilanciamento, solo che può essere assottigliato dopo che il modello è costruito e le foglie e gli alberi spazzatura possono essere scartati.

Grazie. È più o meno quello che pensavo.
Non sono sicuro di come calcolano questo valore.
Per esempio, ho addestrato 1 albero con profondità 1:

    "left": {
      "value": -0.5202020202020202,
      "weight": 384
    },
    "right": {
      "value": -0.0019267822736030828,
      "weight": 507
    },
    "split": {
      "border": 12.587499618530273,
      "float_feature_index": 0,
      "split_index": 0,
      "split_type": "FloatFeature"
    }

Quando richiedo una risposta dall'albero ottengo:

cmodel.predict(X, prediction_type='RawFormulaVal') = -0.520202020202 - questo è il valore dalla descrizione del foglio

cmodel.predict_proba(X)=0.372805 è la probabilità della classe 1
controllato con la formula
x1=-0.52020202
prob=math.exp(x1)/(1+math.exp(x1))=0.3728049958676699

Calcolato correttamente.

Ci sono 891 linee in totale nel set di dati.

Ho contato il numero di occorrenze della 1a classe a
confine < 12.587499618

Ho ottenuto 384 esempi in totale, che corrisponde a pesare dalla descrizione della foglia, di cui 89 sono esempi di classe 1.

La probabilità della classe 1 deve essere
89 / 384 = 0,2317708

Ma il modello dà una probabilità di 0,372805.

Si scopre che lì viene usato qualche altro algoritmo per ottenere la probabilità.

 
elibrario:

Si scopre che lì viene usato qualche altro algoritmo di probabilità.

Sì, i risultati sono strani. Non prendono la probabilità dal campione di prova coinvolto nella formazione? Ma qui sembra esserci un errore.

Quante unità (linee di destinazione) ci sono in totale nel campione?
1...170217031704170517061707170817091710171117121713171417151716...3399
Nuovo commento