Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1114
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
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????
Se houver uma correlação, o motor vai encontrá-la.
Nunca há dados suficientes - quanto mais, melhor.
foi o 10º ano a dominar o Optimizer...
mas as pessoas felizes não vêem o relógio))) hilariante...
Realmente vamos raciocinar com ela....
Todas as métricas atuais indicam a qualidade atual do treinamento e não dizem nada sobre o desempenho futuro do modelo. Ou seja, obter um ótimo resultado com a melhor métrica não garante resultados de qualidade no futuro. É por isso que acredito firmemente que, além do período de treinamento e validação, deve haver um período de testes para avaliar o desempenho do modelo e decidir se ele é adequado ou não. Se você olhar para ele através da porcentagem, então a amostra inspiradora deve consistir em treinamento/validação/controle como 45/45/10% respectivamente IMHO, isso é o que eu quero ver no otimizador. Para que após a aquisição do modelo, quando a aprendizagem vai com o olhar para o setor de testes, ele seja testado e se a avaliação for satisfatória, então a aprendizagem pare com a possibilidade de salvar o modelo e se o controle falhar, então começamos novamente o treinamento e repetimos até que o resultado desejado seja obtido no setor de testes ou após um certo número de iterações de treinamento. Isto é o que precisa de ser feito agora.
Precisamos executar o modelo em um cheque e se o cheque falhar, começar o treinamento novamente, e assim por diante 10 vezes. O problema é que a trama de verificação devora um precioso período de operabilidade do modelo, que começa a não chegar a nada logo após o período de aprendizagem no OOS. E eu inventei uma variante, que eu disse ao Doc há algum tempo, há alguns meses, e ele basicamente achou bastante lógico. Não o estou a usar agora por alguma razão, por isso gostaria de o partilhar contigo se não te importas....
Apague os dados com o alvo, se houver alguma correlação, a máquina irá encontrá-lo.
Nunca há dados suficientes - quanto mais, melhor.
Está bem. Digamos apenas que não é muito. Eu posso fazer uma descarga gigante, mas para fazer MT vai ser longo e temo que fique pendurado, então tente treiná-lo com o que você tem. Eu mesmo farei o pré-processamento e postarei o conjunto de dados já pré-processado. ok?
Estou bem com o targeting, não se preocupe com isso, e o otimizador está escrito em Java. Você não acha que é possível implementar métricas tão complexas quanto você quer???? por favor....
Acho que me deu os seus dados e a partir deles concluí que os seus preditores não têm nada a ver com o alvo.
Ou será que estou errado?
Posso começar por provar que os seus palpiteiros são relevantes para o alvo?
Apague os dados com o alvo, se houver alguma correlação, a máquina irá encontrá-lo.
Nunca há dados suficientes - quanto mais, melhor.
Você mesmo o divide em treinamento e oos. No treinamento você pode fazer o que quiser com um Q. Você deve nos dizer o que você fez por interesse. Não é necessário dizer como e com o que você fez, é claro.
e eu vou publicar o conjunto de dados pré-processados. Está bem?
Não está bem, cru + pré-processado.
Acho que me deu os seus dados e a partir deles concluí que os seus palpiteiros não tinham nada a ver com o alvo.
Ou será que estou errado?
Posso começar por provar que os seus palpiteiros são relevantes para o alvo?
Tudo verdade, mas desde então fiz uma série de mudanças importantes que aumentaram a quantidade de dados significativos. Especialmente porque eu estava descontando o conjunto completo, e agora após o pré-processamento o número de entradas é reduzido e só restam entradas significativas. Você pode tentar novamente avaliar.... se estiver interessado!!!
Não está bem, cru + pré-processado.
Não importa, deixe-o provar primeiro que NÃO tem barulho.
estava no seu 10º ano de aprendizagem do Optimizer...
mas as pessoas felizes nunca vêem o relógio.Então eu sou um programador de merda de galinha, o que você quer? Estudei eclipse durante meio ano apenas para arranjar janelas confortavelmente. Eu não tenho ajudantes, ..... este fórum está cheio de programadores, por isso tudo é tão lento :-(