Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 927

 
Dr. Trader:


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 )

 
forexman77:

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)

 
Dr. Trader:

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.
 
Dr. Trader:

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%.

 
Dr. Trader:

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.

 
Eu inventei um algoritmo para encontrar combinações de preditores, mas não tenho idéia de como fazer isso.
 

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?

 
Dr. Trader:

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


y_pred
y_true01
09726886118
1552912256

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%.