L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2379
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
Installare correttamente
Grazie, proverò anche questo. Non è chiaro perché non si installino automaticamente su richiesta, se sanno da quale pacchetto proviene la funzione - è un mistero.
Grazie, proverò anche questo. Non è chiaro perché non si installino automaticamente su richiesta, se sapere da quale pacchetto proviene la funzione è un mistero.
La stessa caratteristica (piuttosto il nome) può essere in molti pacchetti. Provate a caricare il pacchetto dplyr per esempio. Vedrete molti conflitti nei nomi delle funzioni.
Grazie, proverò anche questo. Non è chiaro perché non abbiano fatto un'installazione automatica on-demand, se sanno da quale pacchetto proviene la funzione - un mistero.
Prendete il pacchetto mlpack. Ha praticamente tutto ciò di cui avete bisogno. È una biblioteca molto buona.
Buona fortuna
La stessa funzione (piuttosto il nome) può essere in molti pacchetti. Provate a scaricare il pacchetto dplyr per esempio. Vedrete molti conflitti nei nomi delle funzioni.
Ho provato il tuo metodo, ma non funziona:
Insegnate la regressione a uno e zero?
Per quanto ho capito, c'è un tentativo di trasferire l'idea della regressione lasso a un problema di classificazione nel modo più sconsiderato possibile).
Bene, devi imparare ad aggiungere diverse penalità (devi scoprire quali) alla funzione obiettivo già usata nel problema di classificazione e vedere come cambiano i risultati. Altrimenti otteniamo qualcosa di strano - insegniamo un modello, ma selezioniamo le caratteristiche per esso da uno completamente diverso - solo perché abbiamo già un pacchetto pronto in R)
Beh, o ho sbagliato tutto)
Per quanto ho capito, c'è un tentativo di trasferire l'idea della regressione lasso al problema della classificazione nel modo più sconsiderato possibile).
Bene, dobbiamo imparare ad aggiungere diverse penalità (dobbiamo capire che tipo di penalità) alla funzione obiettivo già utilizzata nel problema di classificazione e vedere come cambiano i risultati. Altrimenti otteniamo qualcosa di strano - insegniamo un modello, ma selezioniamo le caratteristiche per esso da uno completamente diverso - solo perché abbiamo già un pacchetto pronto in R)
Beh, o ho sbagliato tutto).
Qui c'è una situazione paradossale che anche se accidentalmente la si azzecca, nessuno la apprezzerà.
perché non ci sono criteri di valutazione)Cosa significa questa linea?
?
Creare un vettore con indici da 1 a 1300 per allenare il modello
Oh, capisco, hai inviato le prime 200 righe - giusto?
Ma pensavo che facessero parte della formazione.
non i primi 200, ma l'ultima "coda"
è la data del test
prendere gli indici da 1 a 1300
E non puoi prenderli tutti e sottrarre gli ultimi n pezzi - è più conveniente, perché il numero di colonne qui è molto diverso per i diversi campioni.
Non puoi prenderli tutti e sottrarre gli ultimi n pezzi - è più conveniente, perché il numero di colonne qui è molto diverso per i diversi campioni.
Cosa vuoi dire?
c'è una traccia, c'è un test
Se tutti i dati sono definiti come una tripletta, come possono essere testati?
Cosa vuoi dire?
c'è una pista c'è un test
Se tutti i dati sono definiti come una traccia, come possiamo testarli?
Ho pensato erroneamente che si trattasse di colonne.
Ancora, non possiamo fare tutto l'addestramento sul file di esempio e testare su un file diverso?