L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1118
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
Come al solito - non c'è niente di cui parlare)))
Oh, ma dai! Di quanti dati avete bisogno per stimarli?
Non ho bisogno di niente, datemi almeno 2-3K osservazioni.
Data, Crudo, Elaborato, Obiettivo
Sfortunatamente, non se ne possono trovare così tanti in una vita. E poi per quanto tempo funzionerà il modello? Per sempre?
Non ho bisogno di niente. dammelo, almeno 2-3K osservazioni.
Data, Crudo, Elaborato, Obiettivo.
Ha l'IA, anche questo imparerà entro i 50 anni. Il tuo modus operandi è semplicemente debole.
Ha l'IA, anche questo imparerà entro i 50 anni. La vostra IA è semplicemente debole.
Esattamente. Non ho bisogno che il NS lavori per un anno dopo tale formazione. Se funziona bene almeno gli stessi 50 punti, che saranno il 100% del periodo di formazione questo sarà considerato un successo. Ma che senso ha stipare migliaia di righe, riempiendo la sua testa di spazzatura e dati inutili????
La cosa divertente è che l'ottimizzatore di Mishani è bravo a recuperare le dipendenze da piccoli campioni, che in realtà è il suo forte. Lo dice il libro. E lo cattura vagamente con ciò che sostituisce il suo cervello.
L'altra cosa è che si deve comunque testare su un grande terreno di prova.
E che senso ha stipare migliaia di righe in esso, riempiendo la sua testa di spazzatura e dati inutili????
È allora che la NS classificherà qualcosa. Almeno cercherà di generalizzare qualcosa, se è possibile.
È allora che il NS classificherà qualcosa. Almeno cercherà di generalizzare qualcosa, se possibile.
Questo è vero se l'area è finita e statica, ma nel nostro caso è infinita e non stazionaria, quindi aumentare il campione porta a una diminuzione della qualità dell'addestramento, e di conseguenza il modello funziona male sui nuovi dati.
Per fare profitto sul mercato, a parità di altre condizioni, il valore percentuale delle operazioni redditizie deve essere superiore al 75% e non inferiore. Questa è la condizione di uguale profitto e perdita. Si allena la rete su 1000 dati e il risultato dell'apprendimento è il 60% come esempio. Che senso ha usare un tale modello, se è addestrato male???? Sono sicuro che non si può ottenere un buon risultato su una vasta area. Sto parlando di modello generalizzato, non di modello riqualificato... IMHO
Trend = 100k linee. Sul rimanente (test) si applica il modello.
La metrica è logloss. Risultato. Tendenza =... test =...
Ho preso le prime 1-- righe del tuo file e ho eseguito l'allenamento. Se il risultato è superiore al mio di 40 casi, considererò i tuoi dati migliori dei miei. Vediamo ora...