L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2627

 
elibrarius #:
Stavo confrontando diversi modi di valutare l'importanza degli attributi. Ho preso come punto di riferimento il più dispendioso in termini di risorse: imparare il modello rimuovendo gli attributi uno per uno.
I metodi veloci non coincidono con il benchmark. Non corrispondono nemmeno l'uno all'altro. fselector è ancora più veloce, penso che non corrisponderà a nulla.
Fico...
Ora calcola la tua importanza per i dati di mercato, con 500 righe e 1000 attributi...
Tra 20 anni, ditemi cosa avete.

E cosa c'entra questo con il problema del cambiamento degli attributi nel tempo?
 
mytarmailS #:

L'importanza dei segni nella finestra mobile (indicatori e prezzi)

In un momento l'indicatore può essere importante al 10% e in un altro momento può essere importante allo 0,05%, questa è la verità della vita)

Se pensate che la valutazione incrociata risolva tutto, dovreste arrossire, è il momento...

Non è chiaro cosa c'entri la convalida incrociata?
I dati nella finestra scorrevole sono utilizzati per ogni modello.
La validazione incrociata è usata per abbinare i risultati dell'addestramento di più modelli addestrati su diversi pezzi di dati.
I modelli su dati di finestre non scorrevoli possono anche essere addestrati su diversi pezzi di quei dati e ottenere anche una convalida incrociata.
 
elibrarius #:
Non è chiaro, cosa c'entra la convalida incrociata?
I dati nella finestra scorrevole sono usati per ogni modello.
La convalida incrociata è usata per fissare i risultati dell'addestramento di più modelli addestrati su diversi pezzi di dati.
I modelli su dati di finestre non scorrevoli possono anche essere addestrati su diversi pezzi di quei dati e ottenere anche una convalida incrociata.

L'idea qui è che una finestra scorrevole con la stessa larghezza non risolve il problema. La buona idea è quella di aumentare le corse per dimensione, cambiando la larghezza della finestra ad ogni passo. Ecco di nuovo la maledizione)))

 
elibrarius #:
Cosa c'entra la convalida incrociata?
I dati nella finestra scorrevole sono utilizzati per ogni modello.
La validazione incrociata è usata per abbinare i risultati dell'addestramento di più modelli addestrati su diversi pezzi di dati.
I modelli su dati di finestre non scorrevoli possono anche essere addestrati su diversi pezzi di quei dati e ottenere anche una convalida incrociata.
Non sei ancora sveglio?))
Se si capisce che l'importanza degli attributi è molto variabile, allora non ha senso la validazione incrociata, così è scritto, cosa non è chiaro?
 
mytarmailS #:
Fico...
Ora calcola la tua importanza per i dati di mercato, con 500 righe e 1000 attributi...

Tra 20 anni, ditemi cosa avete.
Un test su piccoli dati mostra che i metodi veloci non funzionano bene.
Qual è lo scopo del punteggio di importanza? In modo che rimuovendo quelli non importanti, è possibile addestrare il modello più velocemente in futuro, senza perdere qualità. Si tratta solo di mettere a punto i dati e il modello che già funzionano. E né tu né io (come presumo) abbiamo ancora qualcosa da accordare.

Quindi basta insegnare il modello. Il modello userà quelli importanti e non quelli non importanti.

 
mytarmailS #:
Non sei ancora sveglio?))
Se si capisce che l'importanza dei segni è molto variabile, allora non ha senso la crosvalidazione, lo dice, cosa c'è da non capire
Awake)
Non sono d'accordo.
La validazione incrociata è la capacità di buttare fuori un modello che ha successo su un pezzo di storia. Testandolo su alcuni pezzi di storia, potrebbe mostrare che non funziona lì.
Solo la convalida incrociata mostra che i segni e il modello sono fluttuanti.
Questo "galleggiante" vi è mostrato con un altro metodo, la convalida incrociata per me.
 
Io stesso non uso la pura convalida incrociata, ma il valving in avanti. Cioè, non in un cerchio, ma solo spostamenti in avanti.
 
Valeriy Yastremskiy #:

L'idea qui è che una finestra scorrevole con la stessa larghezza non risolve il problema. La buona idea è quella di aumentare le corse per dimensione, cambiando la larghezza della finestra ad ogni passo. Dannazione di nuovo)))

Dannazione, il sole è fuori, è ora di mettere il costume da bagno e andare in giardino

 
elibrarius #:
Il test su piccoli dati mostra che i metodi veloci non funzionano bene.
Qual è lo scopo del test d'importanza? In modo che rimuovendo quelli non importanti si possa addestrare il modello più velocemente in futuro, senza perdere qualità. Si tratta solo di mettere a punto i dati e il modello che già funzionano. E né tu né io (come presumo) abbiamo ancora qualcosa da accordare.

Quindi insegno semplicemente il modello. Il modello stesso userà quelli importanti e non userà quelli non importanti.

E se volessi creare un neurone che genera caratteristiche di qualità in uscita?
Sono sicuro che questo non ti è nemmeno venuto in mente, ma tu hai già tratto tutte le conclusioni per me.
 
mytarmailS #:
E se volessi creare un neurone che genera un output qualitativo?
Sono sicuro che non ti è mai venuto in mente, ma hai già tratto tutte le conclusioni per me
Non mi è venuto in mente. Traggo conclusioni solo dopo aver condotto i miei esperimenti. Buona fortuna con i tuoi esperimenti.
Per quanto riguarda la convalida incrociata (valving in avanti), non hai ancora spiegato perché è un male. I miei esperimenti mostrano che è un metodo che funziona per eliminare i cattivi modelli/idee.