Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 927
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Programmaticamente a árvore pode ser descrita da seguinte forma :
E não há nomes exatos para os preditores - os modos de imagem os nomes apenas....
Aqui estão os nomes completos:
Vou tentar fazer o mesmo para o mnogoVhodov_02. Vou deixar o guião para trabalhar durante a noite, amanhã à tarde vou mostrar o que tenho.
No entanto, a precisão do modelo para malovhodov não é muito boa, há muitas entradas falsas. Eu não trocaria )
A minha floresta para marcas verdadeiras e falsas atravessou.
A classe procurada é mais da metade em outra classe no teste, mas foi bem dividida no treinamento)
Bom resultado. Eu não uso a floresta, mas uma árvore, e é provavelmente por isso que eu tenho notavelmente pior.
E quais são os resultados do teste com os dados de outro arquivo? (ano diferente)
Aqui estão os nomes completos:
Vou tentar fazer o mesmo para o mnogoVhodov_02. Vou deixar o guião para trabalhar durante a noite, amanhã à tarde vou mostrar o que tenho.
No entanto, a precisão do modelo para malovhodov não é muito boa, há demasiadas entradas falsas. Eu não trocaria )
Obrigado pela tela cheia da árvore, agora vou tentar com a árvore do programa.
Acho que não posso usá-lo por alguma razão, se começar a trabalhar com ele mais tarde tenho grandes esperanças para a floresta, os resultados devem ser cerca de 15% a mais, o que seria bom.
E quanto aos inputs baixos, é para isso que serve o conjunto de filtros - a ideia é melhorar as coisas no agregado.Quais são os resultados de um teste com dados de um arquivo diferente? (ano diferente)
Estes são os meus dados (um arquivo). O teste lá é de 25%.
Aqui estão os nomes completos:
Vou tentar fazer o mesmo para o mnogoVhodov_02. Vou deixar o guião para trabalhar durante a noite, amanhã à tarde vou mostrar o que tenho.
No entanto, a precisão do modelo para malovhodov não é muito boa, há demasiadas entradas falsas).
Eu construí a árvore no programa Deductor de acordo com ela, nenhum dos alvos foi encontrado.
Vejo que as paixões ainda estão a correr alto... Entretanto, tem sido uma semana a comparar as duas redes em batalha. Pensei, por que deveria alimentá-lo com todo tipo de testes, etc... A melhor maneira de resolver um problema é pelo combate e o resultado é este...
ELMNN- as redes construídas em R trabalharam durante uma semana como esta...
jPrevisão - Reescreve como esta....
É difícil julgar quem é mais fixe. Eu acho que ambos os optimizadores são bons. Mas parece melhor aqui.....
E não é preciso esfregá-lo na cara da avó!!!!!!!!
Desde que o Akello não falhe novamente na próxima semana.
Ocorre-me que as minhas estratégias básicas são uma porcaria. Alguém pode lançar algumas estratégias básicas que eu possa tentar melhorar com os meus agentes?
Tentei o Malovhodov para começar.
Tentou ensinar a floresta a prever arr_Buy a partir de 2015 com base em arr_Vektor_Week, arr_Vektor_Day, etc.
As classes são muito desequilibradas (há 10 vezes mais exemplos com a classe 0 do que com a classe 1), o que acrescenta muita dificuldade.
Esta é a árvore de 2015 treinada em
A previsão em ambos os casos é de baixa precisão, mas a precisão é pelo menos superior a 50% em ambos os casos.
Eu parei de contar os erros destas tabelas como padrão.
O meu raciocínio é o seguinte: a classe inicial "0" deu uma previsão da classe "1" = 86118, e a classe "1" deu uma previsão da classe "1" = 12256. Isto significa que quando negociarmos, teremos uma falsa previsão de classe = 86118, enquanto a previsão correta = 12256, ou seja, erro = 86116/(86116+12256) = 87,5%9(!!!), se a classe "1" = entrada/posição - isto é um desastre. Mas a posição da classe "0" é muito boa - os zeros errôneos na tomada de decisão serão apenas 5,3%.