Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 580

Novo comentário
 
Yuriy Asaulenko:
Obrigado. Será que existem monografias, existem na natureza?

não encontrado... só visto nas florestas de Breyman - o criador da floresta

 
Yuriy Asaulenko:

...

Eu gostaria de algo grande e detalhado).


... e meticuloso.


Zykov A.A. Fundamentos da teoria dos gráficos. -Moscovo: Nauka. Editor-chefe, Physics and Mathematics, 1987.

Uma introdução sistemática à teoria dos gráficos, estruturada de acordo com a lógica interna do seu desenvolvimento.


Há alguns links para download na rede.

 

Porque não um manual de montagem de tractores?

 

Uma nova versão da biblioteca para conectar Python ao MT5 foi postada. Recordando o linkhttps://github.com/RandomKori/Py36MT5 Mas há problemas. No Visual Studio o projeto de teste funciona como deveria, mas no MT há alguns problemas pouco claros. Agora a biblioteca funciona bem com o diretório onde o script Python está localizado. Eu não sei como depurar o link para o MT. MT está protegido contra depuração. Talvez alguém saiba como depurar?

 
Maxim Dmitrievsky:

Porque não um manual de montagem de tractores?


é essa a tua ideia de piada?

Dou-te informações úteis e em troca... és como um adolescente, rude, e achas que és o melhor no ramo... é patético.

Provavelmente já tiveste o suficiente de um livro, como alguns personagens aqui...

 
Oleg avtomat:

É essa a tua ideia de piada?

Meu, dou-te informações úteis e em troca... és como um adolescente, mal-educado, e achas que és o melhor esperto do ramo... é patético.

Já deves ter tido o suficiente de um livro, como algumas das personagens aqui...


O que é útil lá dentro? Como construir uma árvore gráfica? Muito útil...

por causa desta necessidade de ler o livro todo?

 
Maxim Dmitrievsky:

O que é útil lá dentro? Como construir uma árvore gráfica? Muito útil...

é por isso que você tem que ler o livro todo?


é por isso que você está mexendo em cima disso, porque você não tem o conhecimento básico e não quer tê-lo. você não tem o conhecimento e a compreensão. Falta-lhe conhecimento e compreensão, mas um livro e vários artigos não são suficientes.

 
Oleg avtomat:

É por isso que andas a mexer em cima das coisas, porque não tens um conhecimento profundo e não queres ter. Não tens o conhecimento e a compreensão. E para isso, um livro e alguns artigos que uma vez você leu não são suficientes.


Como viver, como viver... pânico-pânico... vá aprender a tabela de multiplicação e a teoria e ontologia do conhecimento.

 
Yuriy Asaulenko:
Obrigado. Será que existem monografias, será que elas existem mesmo na natureza?

Pare de brincar e pegue um R: o código deve ser acompanhado por um link para uma fonte que descreva a teoria do código.

Aqui estão referências ao algoritmo clássico de Breiman:

Breiman, L. (2001), Random Forests, Machine Learning 45(1), 5-32.

Breiman, L (2002), 'Manual On Setting Up, Using, And Understanding Random Forests V3.1', http://oz.berkeley.edu/users/breiman/Using_random_forests_V3.1.pdf.


Além disso, se alguém usar R, já há uma grande variedade de florestas coletadas lá e veríamos que há outras florestas além da randomForest que especificam uma grande variedade de nuances da identificação original.

Por exemplo, randomForestSRC, randomUniformForest.

O algoritmo mais interessante e eficiente da mesma raça é o da ada.

Aqui estão as referências (todas elas são da documentação dos pacotes R)

Friedman, J. (1999). Aproximação da Função Gananciosa: Uma Máquina de Impulsionar Gradiente.RelatórioTécnico, Departamento de Estatística, Universidade de Standford.

Friedman, J., Hastie, T., e Tibshirani, R. (2000). Regressão Logística Aditiva: Uma perspectiva estatísticade impulso. Anais de Estatística, 28(2), 337-374.

Friedman, J. (2002). Impulso Estocástico de Gradiente. Estatísticas Coputacionais (& Análise de Dados 38.Culp, M., Johnson, K., Michailidis, G.) (2006). ada: um pacote R para o Jornal Stochastic Boosting Journalof Statistical Software, 16.


Há várias variações da ada.


Mas o próprio R faz seleções temáticas.

Por árvores:

  • Random Forests: A implementação de referência do algoritmo de regressão e classificação de florestas aleatórias está disponível em pacoterandomForest. A embalagemipred tem ensacamento para regressão, classificação e análise de sobrevivência, bem como agrupamento, uma combinação de vários modelos através da aprendizagem em conjunto. Além disso, uma variante florestal aleatória para variáveis de resposta medidas em escalas arbitrárias com base em árvores de inferência condicional é implementada empacote.randomForestSRC implementa um tratamento unificado das florestas aleatórias de Breiman para problemas de sobrevivência, regressão e classificação. As florestas de regressãoquantForest permitem a regressão de quantis de uma resposta numérica sobre variáveis exploratórias através de uma abordagem florestal aleatória. Para dados binários,LogicForest é uma floresta de árvores de regressão lógica (pacoteLogicReg. OspacotesvarSelRF eBorutapackages concentram-se na seleção de variáveis por meio de algoritmos florestais aleatórios. Além disso, os pacotesranger eRborist oferecem interfaces R para implementações rápidas em C++ de florestas aleatórias. Árvores de Aprendizagem de Reforço, apresentando partições em variáveis que serão importantes abaixo da árvore, são implementadas no pacoteRLT.wsrf implementa um método alternativo de ponderação de variáveis para seleção de subespaço de variáveis no lugar da amostragem tradicional de variáveis aleatórias.

Por parentes muito próximos de árvores:

  • Boosting and Gradient Descent: Várias formas de gradiente são implementados no pacotegbm(tree-based functional gradient descent boosting). O pacotexgboost implementa o reforço baseado em árvores usando árvores eficientes como base para várias funções objetivas definidas pelo usuário e também. A perda da dobradiça é otimizada pelo impulso da implementação no pacotebst.O pacoteGAMBoost pode ser usado para se adaptar a modelos de aditivos generalizados através de um algoritmo de reforço. Uma estrutura de reforço extensível para modelos lineares generalizados, aditivos e não paramétricos está disponível no pacotemboost. O reforço baseado na probabilidade para os modelos Cox é implementado noCoxBoost e para os modelos mistos noGMMBoost. Os modelos GAMLSS podem ser montados usando o boosting porgamboostLSS. Uma implementação de vários algoritmos de aprendizagem baseados na Descendência Gradiente para lidar com tarefas de regressão está disponível emdescendência de pacotes.

Há também invólucros disponíveis, por exemplo, um muito interessante para Maxim sobre o algoritmo de estimativa do preditor:

  • CORElearn implementa uma classe bastante ampla de algoritmos de aprendizagem de máquinas, tais como vizinhos mais próximos, árvores, florestas aleatórias, e vários métodos de selecção de características. Similarmente, o pacoterminer interage com vários algoritmos de aprendizagem implementados em outros pacotes e computa várias medidas de desempenho.



E quando eu escrevo que você usa podlouches rurais, quero dizer exatamente as seguintes circunstâncias:

  • um grande número de utilizadores
  • que um grande número de utilizadores depurou bem o código.
  • que um grande número de utilizadores documentou bem
  • é um grande número de utilizadores que escrutinaram a teoria.
  • que muitos usuários criaram publicações, desde disputas mútuas até aplicações práticas.
 

O AdaBoost não é melhor do que o ensacado para forex, pois se ajusta mal, especialmente em dados de grande dimensão. especialmente porque já é obsoleto em sua classe, há xgboost. e o resto ainda é um trabalho em andamento :)

Eu também não acredito realmente na funcionalidade dos importadores em forex... mas é bom familiarizar-se com ela para a educação geral, por exemplo, doping gini para alglieb

1...573574575576577578579580581582583584585586587...3399
Novo comentário