Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1113
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
e o meu ponto é este. Para começar, coloque o problema no vácuo. Com a sua métrica.
Se quiseres fazer um teste com uma rede de arrasto e outras coisas:
forneça dados em .csv com targeting (entendo que você tem esta classificação binária). em seguida, treine o modelo e preveja targeting. o resultado é carregado como uma lista de respostas do modelo no mesmo testador e executado. Mas fazê-lo para cada modelo é outra variante de encaixe, é melhor pensar em métricas ou metas. E no testador, devemos correr apenas a última variante.
E para o tempo real é uma chatice à parte, e nem todos os modelos podem ser embrulhados em uma dll
Não sei se tenho todos os modelos acabados em MT e sinto-o bem.
E eu escolhi esta métrica. Eu, a propósito, no otimizador mudou para a métrica do Mathews, ela tem estimativa parabólica ao contrário das métricas de especificidade ou sensibilidade. Mas eu entendo que se o algoritmo de otimização estiver pronto, então o problema com a métrica é resolvido por....
Tudo, qualquer modelo é uma fórmula, se você está usando caixas pretas que você não pode puxar merda para fora, o seu problema.
Que testador, idiota e tudo mais. Você não tem idéia de quem é Misha e que viagem fascinante espera
à sua frente)))
E o mais importante, profitable....
Mas não sou adepto da DLL e de todo o tipo de pacotes... Eu gosto de MKUL puro na sua forma pura :-)
É isso, qualquer modelo é uma fórmula, se você está usando caixas pretas que você não consegue tirar merda nenhuma, o seu problema.
Que testador, idiota e tudo mais... Você não tem idéia de quem é Misha e que viagem fascinante é
à sua frente)))
Olhe, você pode trocar os dados do arquivo PSV após o treinamento para que o resultado seja na forma de uma curva de equilíbrio????
Tudo, qualquer modelo é uma fórmula, se você está usando caixas pretas que você não consegue tirar merda nenhuma, o seu problema.
Que testador, idiota e tudo mais... Você não tem idéia de quem é Misha e que viagem fascinante espera
à sua frente)))
Hoje em dia, todas as liberdades mais ou menos produtivas do ML são caixas negras)
Todas as ML libs mais ou menos produtivas são agora caixas pretas)
É verdade, é por isso que o método de avaliação do resultado vem à tona. A mesma métrica de que estamos falando e se a métrica estimar adequadamente o resultado obtido, então o método de propagação de volta fará para a caixa preta, o método mais antigo é ferozmente super-treinado, mas se no processo de aprendizagem para estimar o resultado com a métrica super-duper, então você pode otimizar até que essa métrica não diga STOP para o algoritmo de otimização.
Tenho sérios planos para o otimizador da Reshetlova e tenho feito um grande trabalho com ele. Acrescente a isso que super duper métricas e para isso eu já tenho um par de idéias ...
É verdade, é por isso que o método de avaliação do resultado obtido vem à tona. A mesma métrica de que estamos falando e se a métrica avaliar adequadamente o resultado, então para a caixa preta o método de propagação de erro de volta servirá, o método mais antigo é ferozmente sobretreinado, mas se no processo de aprendizagem para avaliar o resultado com a métrica super duper, então você pode otimizar até que esta métrica não diga STOP para o algoritmo de otimização.
Tenho sérios planos para o otimizador da Reshetlova e tenho feito um grande trabalho com ele. Acrescente-o à métrica muito super duper e para isso já tenho algumas ideias...
A métrica permite captar o momento em que o modelo começa a se reciclar.
+ escrever suas próprias métricas imediatamente o restringe no ambiente de desenvolvimento e nas libras usadas (nem todas suportam métricas não-padronizadas).
É melhor pensares no alvo, para que se ajuste ao que realmente precisas. E pode ser avaliado com métricas padrão no ML:
https://habr.com/company/ods/blog/328372/
https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc
É feito em python, r ou pr num par de linhas (spreads maiores, slippage...)
não será diferente do verdadeiro, já te disse cem vezes)))) Por que você precisa de
O Equi não é claro, não há bons modelos e nunca haverá... E diz ao gajo o que estás a tentar fazer.
(por exemplo, você não tem um longo histórico de dados))).
Bem, tu sabes... Eu também uso a curva para decidir qual modelo usar. De que serve um modelo se ele fez 90% dos negócios lucrativos e estava perdendo terrivelmente em momentos chave. O tipo de curva de equilíbrio é importante. Claro que não será suficiente, mas ainda terei alguma ideia.
Quantos dados você precisa para treinamento????
Note que, qualquer que seja a métrica que você invente aqui, as funções de otimização na maioria das ML libras permanecem as mesmas. A métrica só lhe permite pegar o momento em que o modelo começa a se retrair.
+ escrever suas próprias métricas o restringe imediatamente no ambiente de desenvolvimento e nas libras usadas (nem todas suportam métricas não-padronizadas).
É melhor pensares no alvo, para que se ajuste ao que realmente precisas. E pode ser avaliado com a métrica padrão utilizada no ML:
https://habr.com/company/ods/blog/328372/
https://ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/mietriki-kachiestva-klassifikatsii-1-IVuAc
Thax.... estão todos livres. novo gajo.... você não me parece familiar :-)
A minha mira está bem, não se preocupe com isso, e o optimizador está escrito em Java. Você não acha que é possível implementar métricas tão complexas quanto você quer???? por favor....
Thax.... estão todos livres. novo gajo.... você não me parece familiar :-)
Estou bem com a mira, não te preocupes com isso. O optimizador está escrito em Java. Você não acha que é possível implementar métricas tão complexas quanto você quer???? por favor....
foi o décimo ano do desenvolvimento do Optimizer...
mas as pessoas felizes não vêem o relógio