L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2361

 
mytarmailS:

Provo qualcosa come "l'apprendimento one shot" ma a modo mio, o semplicemente, provo a cercare modelli complessi...


Do un rimbalzo e molti "non rimbalzi" nel rapporto di circa 1 a 200, così ottengo una specie di allenamento con un esempio, poi prendo la probabilità dal modello e guardo cosa succede al prezzo con nuovi dati quando il modello mostra una probabilità più alta...

È quasi lo stesso che confrontare il prezzo attuale con il mio modello e guardare la misura della vicinanza, ma qui guardo la probabilità del modello...


Francamente parlando, a volte è molto buono, anche se non ci sono molti accordi, ma è solo un modello e ce ne possono essere molti

Ecco un modello di successo per esempio, il primo è una sorta di treno, tutti gli altri sono nuovi dati

A me sembra buono.

Come si allena? Sovracampionamento? La classificazione a discesa gradiente non può gestire 1 su 200 campioni.

 
Aleksey Mavrin:

1) Come si allena?

2) Applica l'oversampling?

3) La classificazione a discesa gradiente non può gestire un campione di 1 su 200.

1) foresta

2) no

3) si può fare con la genetica

 
mytarmailS:

1) foresta

2) no

3) la genetica può

Capito. Poi probabilmente dovrete chiedere l'apprendimento attivo, gli esempi più "fallimentari" di OOS da aggiungere al tutorial e finire l'apprendimento.

 
Aleksey Mavrin:

Capito. Poi probabilmente dovreste chiedere l'apprendimento attivo, aggiungendo gli esempi più "fallimentari" dall'EOC al tutorial e imparando di più.

No...

Successivamente, generazione di regole corrette che sono adatte ai dati di mercato

Sono attratto dalla regressione simbolica (programmazione genetica) come strumento, ma consuma troppe risorse, quindi sto ancora pensando...

 
mytarmailS:

No...

Poi, generare le regole giuste per i dati di mercato

Sono interessato alla regressione simbolica come strumento, ma sono molte risorse, quindi sto pensando...

Non sei stanco di mangiare cactus? )

Immaginate di cercare dei modelli su SB

 
Maxim Dmitrievsky:

Immaginate di cercare dei modelli sul SB

Non nell'occhio, ma nell'occhio).

Ma ho bisogno di imparare il noioso matestat) Ma voglio librarmi sulle ali della creatività)

 

Se si addestra un modello su 10 caratteristiche primitive e si vuole descrivere l'intero mercato, va bene.

E se descrivo una situazione con cento segni e un intero modello, è SB?

Sei malato?

 
mytarmailS:

Applaudire?

Fare il tifo per te. Rompere la parte posteriore del forex, romperlo completamente.

 
Aleksey Nikolayev:

Tifa per te. Rompere la parte posteriore del forex, romperlo completamente.

))

Almeno il loro senso dell'umorismo è buono.

 
mytarmailS:

Se si addestra un modello su 10 caratteristiche primitive e si vuole descrivere l'intero mercato, va bene.

E se descrivo una situazione con cento segni e un intero modello, è SB?

Sei malato?

Tutti i segni sono derivati dal prezzo.

tutto quello che fai è creare un mucchio di regole che MO può fare meglio di te

prendere ROCKET e fare un mucchio di tratti, soprattutto perché c'è un miniRocket

beh, o continuate a montare le vostre corna nella speranza che il mondo intero sia malato e voi siate d'artagnan

MiniRocket: Fast(er) and Accurate Time Series Classification
MiniRocket: Fast(er) and Accurate Time Series Classification
  • Alexandra Amidon
  • towardsdatascience.com
Most state-of-the-art (SOTA) time series classification methods are limited by high computational complexity. This makes them slow to train on smaller datasets and effectively unusable on large datasets. Recently, ROCKET (RandOM Convolutional KErnel Transform) has achieved SOTA of accuracy in just a fraction of the time as other SOTA time...