트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2583

새 코멘트
 
Replicant_mih # :
그리고 당신은 모델에서 무엇을하고 있습니까?
 
mytarmailS # :
그리고 당신은 모델에서 무엇을하고 있습니까?

n 촛불 이후의 증분에 의해 결정되는 Predicchu 클래스. 이전에는 0보다 크거나 작았습니다. 그런 다음 훈련 중에 클래스의 균형을 조정하여 개체의 수가 거의 같도록 하기 시작했습니다. 따라서 이러한 목적을 위해 "0"이 실제 0에서 이동됩니다. 아니면 질문이 아니었을까?

 
Replicant_mih # :

n 촛불 이후의 증분에 의해 결정되는 Predicchu 클래스. 이전에는 0보다 크거나 작았습니다. 그런 다음 훈련 중에 클래스의 균형을 조정하여 개체의 수가 거의 같도록 하기 시작했습니다. 따라서 이러한 목적을 위해 "0"이 실제 0에서 이동됩니다. 아니면 질문이 아니었나요?

글쎄, 그것에 대해 ...
그리고 일하고 있는/벌고 있는 이것에 무엇을 만들 수 있습니까?
 
mytarmailS # :
글쎄, 그것에 대해 ...
그리고 일하고 있는/벌고 있는 이것에 무엇을 만들 수 있습니까?

할 수 있습니다. 가장 중요한 것은 좋은 신호를 보내는 것입니다). 글쎄, 다른 뉘앙스.

 
Replicant_mih # :

할 수 있습니다. 가장 중요한 것은 좋은 신호를 보내는 것입니다). 글쎄, 다른 뉘앙스.

비밀의 베일을 드러내거나 신비입니까? )

 
매우 방대한 주제), 그러나 전투 거래에서 ML을 사용하는 사람들이 있습니까?
 
mytarmailS # :

비밀의 베일을 드러내거나 신비입니까? )

글쎄, 맥락이없는 어딘가를 포함한 신비는 명확하지 않지만 오랫동안 맥락이 있음).

표지판 정보 - 저는 그것을 상인 표지판이라고 부릅니다. 증분에 따라 일부 고급 신경망을 제외하고는 가치 있는 것을 구축하기가 어렵습니다. 그리고 로켓 과학이 없는 일반적인 ML을 사용하면 상인의 표시가 필요합니다. 음, 일반 거래에서 사용할 수 있는 표시는 다음과 같습니다. 오, 여기에 XXX가 있으므로 입력합니다. 음, 이 XXX를 제출할 수 있습니다. 중요한 기호가 실제라는 사실은 아니지만 어쨌든 증분보다 낫습니다.

 
Replicant_mih # :

글쎄, 맥락이없는 어딘가를 포함한 신비는 명확하지 않지만 오랫동안 맥락이 있음).

표지판 정보 - 저는 그것을 상인 표지판이라고 부릅니다. 증분에 따라 일부 고급 신경망을 제외하고는 가치 있는 것을 구축하기가 어렵습니다. 그리고 로켓 과학이 없는 일반적인 ML을 사용하면 상인의 표시가 필요합니다. 음, 일반 거래에서 사용할 수 있는 표시는 다음과 같습니다. 오, 여기에 XXX가 있으므로 입력합니다. 음, 이 XXX를 제출할 수 있습니다. 중요한 기호가 실제라는 사실은 아니지만 어쨌든 증분보다 낫습니다.

매우 흐릿한

 
mytarmailS # :

매우 흐릿한

그런 것)).

 

나는 우리의 거래 요구에 맞게 손실 함수를 사용자 정의하는 문제를 더 잘 연구할 가치가 있다고 생각합니다.

예를 들어 - 주제에 대한 기사 .

Improving the Prediction of Asset Returns With Machine Learning by Using a Custom Loss Function
  • papers.ssrn.com
The loss function in supervised deep learning is a key element for training AI algorithms. For models aiming at predicting asset returns, not all prediction err
1...257625772578257925802581258225832584258525862587258825892590...3399
새 코멘트