L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 96
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
I dati dei petali dell'iride non sono un segnale, questa tabella non è affatto adatta per un test foreca. Solo una serie temporale è adatta per un batch, dove si ricevono nuovi valori a certi intervalli e li si combina in un vettore. Per questo motivo, non potete cambiare l'ordine delle righe nella tabella dei dati per foreca. E non puoi rimuovere a caso alcune righe per la convalida, tutto deve essere in ordine rigoroso - prima i dati per l'allenamento, poi i dati per la convalida. Nessun campione.
La cosa migliore da fare con l'iride è usare il numero massimo di componenti min(dim(forec.dt)) = 14, ma penso che la precisione sarà ancora inferiore al 100%.
La cosa migliore da fare con l'iride è usare il numero massimo di componenti min(dim(forec.dt)) = 14, ma penso che la precisione sarà ancora inferiore al 100%.
I dati dei petali dell'iride non sono un segnale, questa tabella non è affatto adatta per un test foreca. Solo una serie temporale è adatta per un batch, dove si ricevono nuovi valori a certi intervalli e li si combina in un vettore. Per questo motivo, non potete cambiare l'ordine delle righe nella tabella dei dati per foreca. E non puoi rimuovere a caso alcune righe per la convalida, tutto deve essere in ordine rigoroso - prima i dati per l'allenamento, poi i dati per la convalida. Nessun campione.
La cosa migliore da fare con l'iride è usare il numero massimo di componenti min(dim(forec.dt)) = 14, ma penso che la precisione sarà ancora inferiore al 100%.
Penso che il post sugli iris sia molto importante.
Il punto è che la rf è fenomenalmente incline al sovrallenamento.
E qui si scopre che foreCA non ha questa propensione. Quindi è un pacchetto molto utile.
Trovo il post sugli iris molto importante.
Il fatto è che la rf è fenomenalmente incline all'apprendimento eccessivo.
E qui si scopre che la foreCA non ha questa tendenza. Quindi è un pacchetto molto utile.
Anche se si sovrallena, se si aggiungono 10 colonne con valori casuali a 4 predittori per l'iride, la foresta predice ancora nuovi dati con quasi il 100% di precisione. Sono sorpreso e contento che la foresta abbia fatto bene. Non ho mai fatto un esperimento del genere, lo terrò presente per il futuro.
A sua volta ho chiamato tutti i predittori rumore con prevedibilità ~ 1% (sia le lunghezze dei lobi che i predittori dai valori casuali), e ho cercato di estrarre qualche segnale da tutto questo. Penso che sia inutile estrarre il segnale da posti dove non dovrebbe essercene, questo esperimento non dice nulla a foreca.
Quali sono i tuoi risultati con la BP lì?
Il modello sta ancora imparando. Probabilmente ho alimentato troppi dati, ma non voglio cancellarlo, lasciarlo lavorare fino alla fine, lo lascerò. Poi scriverò dei risultati quando sarà finita.
Non voglio certo fare il passo più lungo della gamba, ma Reshetov ha fatto una cosa così bella nella nuova release.... . Non dovresti criticare lui.....
Un discorso figo su cose fighe...
E vedremo almeno un confronto con il generalmente accettato e comunemente conosciuto e riconosciuto?
Un discorso figo su cose fighe...
Vedremo anche un solo paragone con ciò che è generalmente accettato e comunemente conosciuto e riconosciuto?
Anche se la foresta si riaddestra, se aggiungiamo altre 10 colonne di valori casuali ai 4 predittori di Iris, la foresta predice ancora i nuovi dati con quasi il 100% di precisione. Sono sorpreso e contento che la foresta abbia fatto bene. Non ho fatto io stesso un esperimento del genere, lo terrò presente per il futuro.
Sì, anch'io sono sorpreso che abbia ignorato così brillantemente il rumore e differenziato i predittori, non l'ho mai fatto neanche io, ero curioso ....
Così anche fino ad oggi non avevo assolutamente fiducia nella funzione importense
ma mi ha fatto credere.