L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2976
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
Forse, ma non vedo nessun pesce lì. Non uso affatto la quantizzazione. Preferisco esplorare i dati del galleggiamento.
Per quanto ne so, la "quantizzazione" (istogrammi) viene utilizzata nel bousting per velocizzare, in modo che ci siano meno varianti per gli split. Se è così, la soluzione è buona per la sua universalità, ma può essere negativa in un caso particolare - il confine reale può essere perso.
Per quanto ne so, la "quantizzazione" (istogrammi) viene utilizzata nel bousting per velocizzare, in modo che ci siano meno varianti per gli split. Se è così, la soluzione è buona per la sua universalità, ma può essere negativa in un caso particolare - il confine reale può essere perso.
Sì, è corretto. La soluzione è più veloce e può essere attribuita alla regolarizzazione. Ma si perde anche la suddivisione esatta.
Forse, ma non vedo nessun pesce lì. Non uso affatto la quantizzazione. Preferisco esplorare i dati del galleggiamento.
Mi dispiace che non mi crediate.
Posso dimostrarne l'efficacia sul vostro campione, confrontando la curva di apprendimento.
Sì, è così. La velocità è maggiore e può essere attribuita alla regolarizzazione. Ma perde anche la suddivisione esatta.
Una suddivisione accurata sulla storia. Se la natura della distribuzione dei valori predittivi è nota, la quantizzazione può individuare esattamente l'intervallo con un comportamento stabile e caratteristico. Per il trading è solo un aspetto rilevante.
Accurata suddivisione della storia. Se la natura della distribuzione dei valori predittivi è nota, la quantizzazione può individuare esattamente l'intervallo con un comportamento stabile e caratteristico. Per il trading è semplicemente rilevante.
Nella quantizzazione si tratta solo di un contatore + salto dei doppi. La quantizzazione avviene senza alcun controllo sulla funzione target.
.
Se un albero con addestramento sull'obiettivo non dà stabilità (o dà una stabilità molto debole), come può darla un contatore che non ha alcuna relazione con l'obiettivo? Solo segmenti casuali e talvolta casualmente buoni, che col tempo cesseranno di essere tali.
Il compito di cercare intervalli/split è risolto da un albero durante l'addestramento. Almeno c'è una formula significativa che separa le righe rispetto all'obiettivo.
Nella quantizzazione si tratta solo di un contatore + salto dei doppi. La quantizzazione avviene senza alcun controllo sulla funzione obiettivo.
.
Se un albero con addestramento sull'obiettivo non dà stabilità (o dà una stabilità molto debole), come può darla un contatore che non ha alcuna relazione con l'obiettivo? Solo segmenti casuali e talvolta casualmente buoni, che col tempo cesseranno di essere tali.
Le tabelle quantistiche devono essere selezionate per ogni predittore. Supponendo che un random fortunato venga colpito, è questo che voglio identificare. Casuale o meno. Non con un'affidabilità del 100%, ma anche eliminando il 30% di casualità si può migliorare la qualità del modello addestrato.
Sto sviluppando la mia funzione di stima della divisione (algoritmo), che dovrebbe ridurre lo svantaggio degli alberi - l'avidità.
Naturalmente è strano, lavoro su questo argomento da anni, ho fatto molti esperimenti con campioni diversi, ho statistiche sull'efficacia dell'approccio, dico che il metodo funziona, ma incontro diffidenza.
Le tabelle quantistiche devono essere selezionate per ogni predittore. Supponiamo che un colpo fortunato di randomi - questo è ciò che voglio rilevare. Casuale o meno.
Come può essere NON casuale rispetto all'obiettivo se l'obiettivo non è coinvolto nella scelta del punto di quantizzazione? Solo casuale.
Come può essere NON casuale rispetto all'obiettivo, se l'obiettivo non è coinvolto nella scelta del punto di quantizzazione? Solo casuale.
È casuale, ma il modello non è casuale. Vale a dire che persisterà in futuro. La stima tiene conto dello stesso obiettivo.
D'altra parte, nessuno impedisce di suddividere immediatamente e con maggiore precisione il predittore in segmenti quantici che tengano conto dell'obiettivo.D'altra parte, nessuno impedisce di suddividere con maggiore precisione il predittore in segmenti quantici tenendo conto dell'obiettivo.
È compito dell'albero trovare il punto di divisione migliore, in modo da massimizzare la purezza delle classi delle sezioni destra e sinistra del target.
Volete stimare la purezza durante la quantizzazione? Essenzialmente si vuole fare la stessa cosa che l'albero farà in seguito. Disattivando la quantizzazione si ottiene ciò che si desidera. L'albero sceglierà il miglior punto di divisione in base al target.
Il compito dell'albero è quello di trovare il punto di divisione migliore, in modo da massimizzare la purezza delle classi di destra e di sinistra.
Volete stimare la purezza durante la quantizzazione? Essenzialmente si vuole fare la stessa cosa che l'albero farà in seguito. Disattivando la quantizzazione si ottiene ciò che si desidera. L'albero sceglierà il miglior punto di divisione in base all'obiettivo.
Sono stanco di spiegare che "migliore" spesso non è la scelta migliore.
Invece di domande, affermazioni, come se stessimo facendo religione....