L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 75
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
Ecco perché Dr.Trader non poteva eseguire una libVMR completa riscritta in R - troppi calcoli e troppo consumo di memoria.
Avevo un errore nel mio codice nella funzione di conversione del kernel grande. Atach ha la stessa vecchia versione 3.01 ma con correzione. La memoria è ora ok, così come il grande kernel. Ma sarà più lento di java.
Avevo un bug nel mio codice nella funzione di conversione del kernel grande. Atach ha la stessa vecchia versione 3.01, ma con una correzione. La memoria è a posto ora, così come la grande macchina a kernel. Ma la velocità è più lenta di java.
È la cosa più disgustosa, la velocità è sotto lo zoccolo.
Inoltre libVMR è un classificatore binario, che non è buono. Il ternario può creare un oggetto dolce dalla merda:
Nel predittore stesso il livello di generalizzazione dei dati è del 90%, ma nel modello non caricato è solo del 47% Non è chiaro.... E non ha ancora funzionato in MQL....
Lentamente ho aumentato il livello di generalizzazione del modello fino al 100%, vediamo come funziona in futuro :-)
La generalizzabilità al 100% non è il limite. Possiamo migliorarlo ulteriormente selezionando i predittori per bias. Se due classificatori ternari hanno il 100% di capacità di generalizzazione, ma bias diversi, allora il classificatore con il bias più basso sarà migliore - ha più predittori significativi.
Più basso è il bias, meno esempi nel campione di prova sono contrassegnati da un trattino (incertezza).
La generalizzabilità al 100% non è il limite. Possiamo migliorare ulteriormente selezionando i predittori in base al bias. Se due classificatori ternari hanno una generalizzabilità del 100% ma bias diversi, il classificatore con il bias più basso sarà il migliore, poiché ha più predittori significativi.
Più piccolo è il bias, meno esempi nel campione di prova sono contrassegnati da trattini (incertezza).
Mi sono chiesto e mi chiedo da molto tempo. Cosa significa Indicatore per parametro di Reshetov e cosa significa? Cosa significa?
Il punto è che è un buon indicatore per la capacità di apprendimento, ma non ha senso per la capacità di generalizzazione. È per questo che lo rimuoverò nelle prossime versioni di jPrediction, così non sarà un fastidio.
Il punto è che è un buon indicatore per la capacità di apprendimento, ma non ha senso per la capacità di generalizzazione. Ecco perché nelle prossime versioni di jPrediction lo rimuoverò per renderlo meno fastidioso.
Yuri, una domanda. Un predittore può dare probabilità invece di classi?
Yuri, una domanda. Un predittore può produrre probabilità invece di classi?
No, le probabilità erano calcolate nelle primissime versioni di libVMR, ma c'era il grosso problema che tutti i predittori devono essere strettamente indipendenti l'uno dall'altro per calcolare correttamente il valore della probabilità. E imporre una tale condizione in molte aree di applicazione non è affatto realistico. Per esempio, quasi tutti gli indicatori e oscillatori nel trading sono correlati tra loro, cioè non sono indipendenti. Inoltre, la condizione di indipendenza nell'algoritmo, nella sua assenza nei dati, ha un impatto negativo sulla capacità di generalizzazione. Quindi una tale direzione senza uscita doveva essere abbandonata.
Ora jPrediction non presta alcuna attenzione all'indipendenza dei predittori, ma solo al valore della generalizzabilità. Questo perché diversi predittori possono completarsi a vicenda, cioè alcuni esempi daranno buoni risultati per alcuni predittori, altri per altri, e combinazioni di predittori per altri ancora. Il calcolo delle probabilità in queste condizioni può avere un margine di errore molto ampio e molto discutibile.