Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1034
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
decidiu-se a enfiar nos preditores sem qualquer sentido e multiplicar os preditores
De onde você construiu tantos preditores? qual é a importância deles? há 1/3 da floresta não incluída no conjunto de treinamento, e 95% têm baixa importância. E qual é o feedback que o sistema tem agora com tantos preditores, 3 horas para 1 previsão? )Só vais saber quando o construíres...
O resultado em si: é possível com a Centelha Apache
Eu não faço mais de 1000 preditores agora. Mas menos de 100 preditores não é suficiente.
Só vais saber quando o construíres...
O resultado em si: isto é possível com a Centelha Apache
Eu não faço mais de 1000 preditores neste momento. Mas menos de 100 preditores, acho que não é suficiente.
estás a ignorar deliberadamente as perguntas?
Repito: como é que há tantos preditores?
estás a ignorar deliberadamente as perguntas?
Repito: como é que há tantos preditores?
Você pode fazer um bilhão de preditores, momentum em incrementos de um e assim por diante)
Mas eles não lhe darão nada adicional.
estás a ignorar deliberadamente as perguntas?
re: como é que há tantos preditores?
A maioria destes preditores resulta: bool(high[0] > high[1]) e portanto tem estado 0 ou 1
Claro, estou a gerar uma lista de preditores com um guião.
Não faz sentido uma seleção proposital de preditores, porque é fácil excluir um importante dela.
A maioria destes preditores resulta: bool(high[0] > high[1]) e têm, respectivamente, estado 0 ou 1
É claro, eu crio uma lista de preditores com um roteiro.
Não adianta selecionar propositadamente os preditores, porque é fácil excluir um importante.
Você precisa tomar não por quantidade, mas por transformação de poucos iniciais até que as classes se tornem bem separáveis, com controle de erros no OOS
Você pode fazer um bilhão de preditores, momentum em incrementos de um, etc.)
Mas eles não nos darão nada adicional.
Se o preditor não fizer parte da floresta, não fará nenhum mal. Talvez este preditor se manifeste noutra versão da floresta aleatória.
Estamos discutindo uma série de 7000 duplas, que consomem pouca RAM e se movimentam em questão de nanossegundos. Não há um abrandamento perceptível na interpretação de 500 árvores com 7000 preditores. Se não acreditas em mim, instala o Spark e verifica-o tu mesmo.
Você precisa tomar não por quantidade, mas por transformação dos poucos iniciais até que as classes sejam bem separáveis, com controle de erros no OOS
Avaliar a qualidade de uma floresta é um tema completamente diferente.
A questão é a eficácia da abordagem, a sua proposta é, para ser franco, ineficaz.
A questão é a eficácia da abordagem, a sua proposta de abordagem é, para ser franco, ineficaz.
A eficiência ainda tem de ser comprovada por resultados práticos. Talvez o meu método de estimativa para gráficos de preços não coincida com os indicadores de qualidade clássicos, mas no final tudo é decidido pelo lucro.
Estava a responder à pergunta "porque precisamos da Spark?" Eu respondi-lhe. Ou vais acusar-me outra vez de ignorar as perguntas?
A eficácia ainda tem de ser comprovada com resultados práticos. Talvez o meu método de avaliação dos gráficos de preços não coincida com os indicadores de qualidade clássicos, mas no final é o lucro que decide tudo.
Estava a responder à pergunta "porque precisamos da Spark?" Eu respondi-lhe. Ou vai me acusar de ignorar as perguntas de novo?
Há muito tempo que está claro sobre a Spark, eu não perguntei. Perguntado sobre a ideia. Esta abordagem da faísca é exatamente o que é jogado fora do ar devido à ineficiente curva de aprendizagem e capacidade necessária.
O mesmo pode ser feito através da optimização na nuvem MT5 sem andaimes. Não sei sobre a sua produção e se ela lhe dá lucro, mas não dá e este algoritmo falhará sempre devido ao excesso de roupa.
IMHA