L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3152

 
Maxim Dmitrievsky #:

Se non si capisce qualche simbolo, si può chiedere a chatgpt di decodificare la formula.

Y|T = 1 risultati del gruppo di test (con tritolo)

Y|T = 0 - gruppo di controllo (senza)

Y - etichetta di classe, Y0,Y1 - etichette di classe senza e con il tritolo

T - tritolo inserito nel modello (incluso il predittore) o non inserito (1;0)

E - aspettativa

Dividere in qualsiasi punto quando si divide per test e training

Se non si effettua la miscelazione, si ottiene una stima distorta di ATE+bias

L'ATE è l'effetto medio del trattamento dell'esposizione.

Sonnolento, forse ho confuso le lettere, ma la logica dovrebbe essere chiara.

Continuo a non capire l'idea di dividere in qualsiasi punto del campione. Dopo tutto, il punto, mi sembra, è trovare proprio il punto in cui l'effetto del fattore è cambiato. Forse è necessario scorrere diverse parti del campione e usare la genetica per trovare quella che è stata influenzata di recente dal fattore predittivo?

Prima ha accusato gli altri di non dire la verità, ma lei stesso non chiarisce il significato di queste azioni, come vede, ai fini del trading.

Non ho ancora testato nulla al riguardo, poiché è difficile automatizzarlo in MQL5.

 

Ragazzi, possiamo dire che il MO è un caso speciale di ottimizzazione?

Io credo di sì.

 
Aleksey Vyazmikin #:

Non so nemmeno di quale codice stiamo parlando.

Pensavo di rispondere ad un altro Alexei, stavo scrivendo dal mio telefono.
 
Aleksey Vyazmikin #:

Continuo a non capire l'idea di dividere in qualsiasi punto del campione. Il punto, a mio avviso, è trovare il momento in cui l'influenza di un fattore è cambiata. Forse dovremmo scorrere le diverse parti del campione e usare la genetica per trovare quella che è stata influenzata dal predittore in un modo nuovo?

Prima ha accusato gli altri di non dire la verità, ma lei stesso non chiarisce il significato di queste azioni, a suo avviso, ai fini del trading.

Non ho ancora testato nulla al riguardo, poiché è difficile automatizzarlo in MQL5.

:)

Hai davanti a te lo stesso identico libro che ho io. Per come la vedo io, l'ha scritto anche lui. Chiedi a mordorator di fare un riassunto se l'hai perso.
 

bannato, 12 ore dopo non bannato e poi bannato di nuovo.

Che cosa è stato?

 
mytarmailS #:

bannato, 12 ore dopo non bannato e poi di nuovo bannato.

Che cosa è stato?

Un mese va bene, lascia che vada avanti, nuovo account.

 

Mi sono imbattuto nel pacchetto di preelaborazione delle ricette in R. Un elenco impressionante di passi di pre-elaborazione da questo pacchetto:

#> [ 1] "step_BoxCox" " step_YeoJohnson "

#> [ 3] "step_arrange" " step_bagimpute "

#> [ 5] "step_bin2factor" " step_bs "

#>  [  7] "step_center"  "  step_classdist " 

#> [ 9] "step_corr " " step_count "

#> [11] "step_cut " " data_passo "

#> [13] "step_depth" " step_discretize "

#> [15] "step_dummy" "  step_dummy_extract " 

#> [17] "step_dummy_multi_choice" "step_factor2string "

#> [19] "step_filter" " step_filter_missing "

#> [21] "step_geodist" " step_harmonic "

#> [23] "step_holiday"  "  step_hyperbolic " 

#> [25] "step_ica" " step_impute_bag "

#> [27] "step_impute_knn" " step_impute_linear "

#> [29] "step_impute_lower" " step_impute_mean "

#> [31] "step_impute_median"  "  step_impute_mode " 

#> [33] "step_impute_roll" " step_indicate_na "

#> [35] "step_integer" " step_interact "

#> [37] "step_intercept" " step_inverse "

#> [39] "step_invlogit"  "  step_isomap " 

#> [41] "step_knnimpute" " step_kpca "

#> [43] "step_kpca_poly" " step_kpca_rbf "

#> [45] "step_lag" " step_lincomb "

#> [47] "step_log "  "  step_logit " 

#> [49] "step_lowerimpute" " step_meanimpute "

#> [51] "step_medianimpute" " step_modeimpute "

#> [53] "step_mutate" " step_mutate_at "

#> [55] "step_naomit"  "  step_nnmf " 

#> [57] "step_nnmf_sparse" " step_normalize "

#> [59] "step_novel " " step_ns "

#> [61] "step_num2factor" " step_nzv "

#> [63] "step_ordinalscore"  "  step_other " 

#> [65] "step_pca" " step_percentile "

#> [67] "step_pls " " step_poly "

#> [69] "step_poly_bernstein" " step_profile "

#> [71] "step_range"  "  step_ratio " 

#> [73] "step_regex" " step_relevel "

#> [75] "step_relu" " step_rename "

#> [77] "step_rename_at" " step_rm "

#> [79] "step_rollimpute"  "  step_sample " 

#> [81] "step_scale" " step_select "

#> [83] "step_shuffle" " step_slice "

#> [85] "step_spatialsign" " step_spline_b "

#> [87] "step_spline_convex"  "  step_spline_monotone " 

#> [89] "step_spline_natural" " step_spline_nonnegative"

#> [91] "step_sqrt" " step_stringa2fattore "

#> [93] "step_time" " step_unknown "

#> [95] "step_unorder"  "  step_window " 

#> [97] "passo_zv"

Secondo la mia esperienza, l'intensità di lavoro della preelaborazione è molto inferiore (da 3 a 5 volte) rispetto all'intensità di lavoro dell'applicazione del modello stesso.

 
СанСаныч Фоменко #:

Cattura il pacchetto di preelaborazione delle ricette da R

Hedley Wickham non fa cazzate

 
Maxim Dmitrievsky #:

:)

Hai davanti a te lo stesso identico libro che ho io. Per come la vedo io, l'ha scritto anche lui. Chiedi a mordorator di fare un riassunto se l'hai perso.

Vedo che invece di discutere e scambiare esperienze cadiamo di nuovo in alcune reazioni emotive.

Hai cancellato il secondo post - volevo dire che non ho visto alcun collegamento con il link che hai dato. Nell'articolo è strano che l'autore non abbia provato le funzioni CB standard per bilanciare il campione. E non si possono trarre conclusioni solo dai risultati di un test su un solo set di dati.
 
Aleksey Vyazmikin #:

Vedo che invece di discutere e scambiare esperienze, cadiamo di nuovo in alcune reazioni emotive.

Hai cancellato il secondo post - volevo dire che non ho visto alcun collegamento con il link che hai dato. Nell'articolo è strano che l'autore non abbia provato le funzioni CB standard per bilanciare il campione. E non si possono trarre conclusioni solo dai risultati di un test su un solo set di dati.
Alzate il livello, almeno per scrivere codice e una comprensione di base degli algoritmi, di cui si parla nei libri. Allora ci sarà qualcosa di cui parlare. Altrimenti, la furbizia (un tentativo di imitare lo stile scientifico formale), con errori grammaticali e di altro tipo, provoca solo un sorriso :).

Non ho mai sintonizzato i modelli attraverso i pesi prima d'ora, sembrava interessante. Basarsi esclusivamente su quel libro per scrivere un TS redditizio non è stato ancora possibile. Mi riferisco ai meta lerner, che sono descritti lì. Anche la sintonizzazione attraverso i pesi è considerata lì. Ma quando ho aggiunto alcuni elementi al mio lavoro, è diventato migliore in alcuni punti. Ad esempio, l'allenamento incrociato, descritto in un altro articolo. Ho già affrontato tutto e sono andato avanti, per così dire, non ho voglia di tirarmi dietro i carri. Tu e Sanych avete discusso troppo a lungo se sia necessario o meno nel trading, senza imparare nulla :)
.

Cancellato, perché ho lasciato il forum dei ritardati. Non c'è bisogno.

Buona fortuna, ne avrai bisogno.