L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2749
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
Anche gliarticoli di Vladimir hanno un errore intorno al 10-20%, ma la linea di bilancio non è incoraggiante.
questo può dipendere anche dall'interpretazione "a-post" della formazione....
aggiunto nel post precedente
#299
qualcuno ha cancellato i miei post in cui ho postato il video... non so come possa accadere.
Qualcuno ha cancellato i miei post in cui ho pubblicato il video... non so come possa accadere.
Bene, bene, bene, ti stai mettendo in mostra molto, credo.
Eccone uno sulla modellazione del legno.
#4469
#4467
Per quanto riguarda la ricerca di catbusters? 😄 che ha iniziato il thread
Bene, bene, bene, devi metterti in mostra molto spesso.
ecco la modellazione del legno
#4469
#4467
Riguardo alla ricerca di catbusters? 😄 che ha iniziato il thread
Guarda che il legno non è affatto un argomento da trattare.... Il 95% dei tutorial del MdC inizia con il legno, è la prima cosa che un principiante impara a conoscere, non sei tu che te ne occupi.
Guarda, il legno non è affatto un argomento... Il 95% dei tutorial della MdC inizia con il legno, è quello che un principiante impara per primo, non è colpa tua.
In passato qui c'erano soprattutto NS, mi sono chiesto perché non gli alberi. Ho fatto dei test e ho scoperto che non sono peggiori. Non ho mai visto queste informazioni qui, altrimenti non avrei fatto questa domanda.
Poi sono passato a bousting, ho trovato la lib di katbust e ho iniziato a replicarlo qui
In precedenza erano stati discussi soprattutto i NS, e mi sono chiesto perché non gli alberi. Ho fatto dei test ed è risultato che non sono peggiori. Non ho mai visto queste informazioni qui, altrimenti non avrei posto questa domanda.
e gli alberi, tra l'altro, possono essere una valida alternativa al clustering e al fs - "2 in uno".
Poi sono passato a bousting, ho trovato la lib di katbust e ho iniziato a replicarlo qui
e gli alberi, tra l'altro, possono essere una valida alternativa a clustering e fs.
sull'algoritmo: matematicamente fornisce un'altra seconda derivata (o la media dei residui - statisticamente) -- MA in che modo aiuta nell'addestramento e in quali casi?... a parte i luoghi comuni standard nelle pubblicità "catboost darà risultati migliori e più accurati".... perché non sempre la precisione dei punti è importante, a volte la capacità generativa del modello può essere più importante?Esistono anche modelli in legno per l'inferenza causale, ma non ho ancora avuto il tempo di scoprirli.
Il bousting riduce il bias e la varianza, mentre Forest solo la varianza, credo. Si tratta di vantaggi comprovati, si può cercare su Google. E la libreria stessa è stata sviluppata, è conveniente lavorarci.
Non è del tutto chiaro per quanto riguarda i generativi, forse a volte sono più importanti. Ma i generativi NS non funzionano bene nel Forex, se parliamo di generare dati sintetici.
se si tratta di generare dati sintetici.
no - si tratta di generalizzare... sì, sbagliato, esprimerlo.... Mi dispiace.
Penso che si tratti di distinguere l'ambiente risk-on/risk-off -- sto ancora pensando a come generalizzare questa divisione... tutto secondo i miei pensieri (sul forum per caso)...
grazie per la risposta!
no - si tratta di generalizzare..... sì, sbagliato, espresso.... Mi dispiace
Penso che si tratti di distinguere l'ambiente risk-on/risk-off -- sto ancora pensando a come generalizzare questa divisione... tutto secondo il mio pensiero (sul forum per caso)...
grazie per la risposta!
provalo, catbusta ha un sacco di funzioni diverse, mi piace.
C'è un arresto anticipato basato sull'errore del campione di validazione, prima dell'addestramento. La generalizzazione non è peggiore di quella di NS, che inoltre deve scrivere le proprie funzioni per interrompere l'apprendimento.
E apprende rapidamente, senza dover aspettare ore.
Mi sto solo chiedendo se il MO può simulare funzioni primitive del JA
c'è una matrice, ogni riga della matrice è un esempio di addestramento.
Dobbiamo trovare il massimo di ogni riga, la dimensione del campione è di 20k righe.
risolvere il problema attraverso la regressione
arrotondato per chiarezza
abbastanza bene, solo pochi errori nel test su 50 nuove righe
Ma i dati della matrice X sono molto semplici, solo 5 valori unici da 1 a 5 e solo 5 colonne, ma ci sono già degli errori.
Anche se penso che se facessimo una classificazione, non ci sarebbero errori, in ogni caso potete verificarlo.
Beh, sì, è così, ma se stiamo cercando il massimo nei dati allora la classificazione non è adatta perché la dispersione dei valori può essere enorme....
Torniamo quindi alla regressione e complichiamo i dati.
otteniamo questo risultato.
In linea di principio non è male, ma la solita funzione mach() lo farà meglio e potrà sostituire tutto questo modello....
A proposito, mi chiedo come funzioneranno gli altri modelli, se saranno in grado di creare la funzione mach() senza alcun errore