L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1604

 
Scaricalo
 
Dmitry:

Ah, quindi stiamo parlando della differenza di performance della rete nell'addestramento e nel test?

Ci sarà sicuramente una perdita - non c'è modo di evitarla

Ci sono due test, interno, quando viene selezionata una parte del dataset per il controllo, di solito 0,2 ed esterno, quando viene preso solo un pezzo che neuro non ha visto. I risultati del secondo sono il mercato reale, se non lo sono, significa che c'è un errore da qualche parte.
 
Evgeny Dyuka:
Ci sono due test, interno quando una parte del dataset è selezionata per la convalida, di solito 0,2 ed esterno quando basta prendere un pezzo che la neuro non ha visto. Il risultato del secondo è un mercato reale, se non lo è, allora c'è un errore.

Devo deluderti, ma in effetti il tuo "test per testare" fa parte di un campione insegnabile.

 
Dimitri:
Sputa il rospo
Non lo farò. Sono pronto a salvare qualcuno che ora sta sbattendo la testa contro il muro cercando di risolvere un problema particolare. Ci sono passato, e le informazioni che vi darò potrebbero risparmiarvi un mese di vagabondaggio nel buio.
 
Evgeny Dyuka:
Non lo farò. Pronto a salvare qualcuno che ora sta sbattendo la testa contro il muro cercando di risolvere un altro problema specifico. Ci sono passato, le informazioni che do possono salvare un mese di vagabondaggio nel buio.

Va bene, versa le tue "informazioni".

 
Dimitri:

Va bene, versa le tue "informazioni".

Solo la speculazione per il pubblico è nel canale telegram, si può tracciare la storia del lavoro lì. Qui vorrei essere specifico.
 
Evgeny Dyuka:
Ci sono solo speculazioni per il pubblico nel canale Telegram, si può tracciare la storia del lavoro lì. Qui vorrei essere sostanziale.

Ok, sputa il rospo.

 

Finora funziona molto velocemente. Lo collegherò al database, lo vedrò più tardi.

 
Evgeny Dyuka:
Ci sono due test, interno quando viene controllata una parte del dataset, di solito 0,2 ed esterno quando viene presa solo una parte che la neuro non ha visto. Il risultato del secondo è il mercato reale, se non è così, allora c'è un errore.

Eugene Buon pomeriggio, grazie mille, almeno per il fatto che lei è un praticante e non un altro rubbishman di cui ci sono il 95%.... Quello che fai(test su un "terzo" campione) in termini di GMDH si chiama "criterio di potenza predittiva"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune.

Ricordiamo che le prime pubblicazioni sul GMDH sono iniziate da qualche parte nel 1960 e che l'idea del "tuo know-how" con il testsul "terzo" campione ha già 60 anni)))

Ma voglio notare che l'approccio non invecchia mai, quindi consiglio vivamente di leggere le operedi A.G. Ivakhnenko...

Per esempio la regressione MSUA prende in giro la regressione del moderno algoritmo random forest e tutti i tipi di boosting...


Ora riguardo ai link su Telegram... Non ci ho trovato altro che segnali ma è interessante leggere il tuo approccio e il tuo modo di pensare, Dmitry dice giustamente che si dovrebbe pubblicare qui, anche se in una forma apertamente becera...

Метод группового учёта аргументов
  • www.machinelearning.ru
Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) — метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели в МГУА понимается число параметров. Для порождения используется [базовая модель], подмножество элементов которой должно входить в искомую модель. Для выбора моделей...
 
mytarmailS:

Eugene Buon pomeriggio, grazie mille, almeno per il fatto che lei è un praticante e non un altro rubbishman di cui ci sono il 95%.... Quello che fate(test sul "terzo" campione) in termini di GMDH si chiama "criterio di potenza predittiva"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune

Ricordiamo che le prime pubblicazioni sul GMDH sono iniziate da qualche parte nel 1960 e che l'idea del "tuo know-how" con il testsul "terzo" campione ha già 60 anni)))

Ma voglio notare che l'approccio non invecchia mai, quindi consiglio vivamente di leggere le operedi A.G. Ivakhnenko...

Per esempio la regressione MSUA prende in giro la regressione del moderno algoritmo random forest e tutti i tipi di boosting...


Ora riguardo ai link su telegramma... Non ci ho trovato nulla tranne i segnali, ma è interessante leggere il vostro approccio e modo di pensare, Dmitry dice giustamente che è necessario pubblicare qui, anche se in una forma apertamente becera...

JPrediction utilizza il metodo Ivakhnenko di argomentazione di gruppo. Reshetov Yu. ne ha parlato più di una volta... Il metodo in sé è dispendioso in termini di ore macchina, perché scuote a fondo i dati e non richiede grandi campioni per adattarsi alle realtà attuali.

Chi non mi crede si faccia controllare :-)