L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2206
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
Ho dei bot che girano in tempo reale. Volete che i commercianti mammoni presuntuosi saltino di nuovo qui dentro? È come la stima della densità, è la stessa cosa (gmm e autocodificatore sono la stessa cosa, per appuntamento medico). È solo che l'encoder si può strappare da qualsiasi cosa, compresi i livelli di ricorrenza, cioè è un modello più avanzato. Se si fantastica, si possono fare analogie con l'essenza, sì
allarme spoiler. L'ho trovato più tardi quando ho cercato di trovare il motivo per cui funziona così. E inizialmente l'ho inventato io stesso :)
Non ci sono pacchetti già pronti per l'apprendimento semi-supervisionato?
Lì, tutto dovrebbe essere pronto per l'uso
Guarda, non ci sono pacchetti di apprendimento semi-supervisionato già pronti ?
Si suppone che ce ne sia uno là fuori.
c'è. Ma non tutto ciò che viene cucinato è sempre commestibile
mangiato. Ma non tutto ciò che viene cucinato è sempre commestibile.
L'avete provato?
Dopo tutto, fanno quello che fai tu, ma sugli automi + è possibile scegliere approcci diversi, non solo dalle distribuzioni per modellare i dati
L'avete provato?
Dopotutto, fanno quello che fate voi, solo che su automatico + si possono scegliere diversi approcci, non solo sulle distribuzioni per modellare i dati
Sto arrivando... o sono in procinto di farlo.
Pensi che scrivo articoli per il gusto di scoprire se stessi, non per vantarmi. Mentre scrivi, lo capirai da solo.
Sto arrivando... o sono in procinto di farlo.
Perché pensa che io scriva articoli? Per capirlo da solo, non per vantarmi. Finché si scrive, ci si rende conto che
Sto cercando di spiegare al mio medico cosa sto facendo, e l'effetto è positivo, si può prendere in considerazione. Il fatto che l'altoparlante sia stonato è tutta spazzatura))))
È un fatto, finché non lo spieghi a qualcun altro, non lo capisci neanche tu, anche il medico del mio amico cerca di spiegargli quello che faccio, e onestamente, ha un effetto positivo, lo capisci da solo. E il fatto che la persona con cui stai parlando non ne abbia idea è tutta una stronzata -))))
è vero ))
ho capito bene nell'articolo.
1) si prende un piccolo pezzo di dati reali, si marcano le etichette
2) Si allena un modello semi...
3) testare il modello semi... su una grande striscia di dati reali
4) e così via in un cerchio fino a trovare un buon modello semi... che risponda adeguatamente aun ampio segmento di dati reali
ho capito bene nell'articolo.
1) si prende un piccolo pezzo di dati reali, si marcano le etichette
2) si allena il modello semi...
3) si testa il modello semi... su un grafico più grande di dati reali
4) e così via in un cerchio fino a quando un buon modello semi. risponde adeguatamente a un ampio segmento di dati reali
Poi guardo di nuovo l'area di riferimento e controllo il numero di modelli buoni in tutti i passaggi. Se ce ne sono molti, è un vantaggio.
Poi guardo anche la sezione di controllo, e vedo il numero di buoni modelli in tutte le corsie. Se ce ne sono molti, è un vantaggio.
Ascoltate! Non credo che sia tutta colpa dei modelli di semi..., è un problema di cattiva etichettatura
il nostro "supervisionare la marcatura" è troppo inadeguato per il mercato, lo rende solo un po' più adeguato e basta...
E se fai un markup adeguato, puoi ottenere risultati ancora migliori...
Quello che voglio dire è, allenarsi non come un problema di classificazione, ma come un problema di ottimizzazione... Insegnare il modello come una ricerca del minimo/massimo
di una funzione, per esempio massimizzazione del profitto + commissione, che sarebbe il leibeling più adeguato...
Pensateci.
Ascoltate! Mi sembra che non sia tutto merito dei modelli semi..., ma il problema della cattiva etichettatura
la nostra "marcatura manuale" è troppo inadeguata per il mercato, la rende solo un po' più adeguata e basta...
E se si fa una marcatura adeguata, si possono ottenere risultati ancora migliori...
Quello che voglio dire è, allenarsi non come un problema di classificazione, ma come un problema di ottimizzazione... Insegnare il modello come una ricerca del minimo/massimo
di una funzione, per esempio massimizzazione del profitto + commissione, che sarebbe il leibeling più adeguato...
Pensateci...
Questo è quello che dice, fare un partizionamento adeguato è costoso e generalmente sconosciuto... quindi l'apprendimento semi-supervisionato può funzionare meglio in molti casi
è stato testato sui SEAL e su molte altre cose, ha dimostrato di funzionare bene. Stesso articolo da dipmind...