Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1257

Novo comentário
 
Philipp Negreshniy:
o sucesso depende da sorte que acompanha os tolos, só eles podem me fazer e fazer com que pareça promissor;)

Você está certo, os inteligentes são geralmente azarados na vida porque têm medo do risco, que os tolos simplesmente não vêem, os inteligentes às vezes precisam agir como um bêbado, vigorosamente às escondidas, como uma opção para tomar decisões e agir sob a influência.

 
Kesha Rutov:

Você conhece este "algo", esta "estratégia básica (BS)"?

Leve qualquer BS para começar. MO mostrará seu desempenho e potencial de desenvolvimento, se houver algum). Então, ou muda o BS ou desenvolve-o.

Tudo permanece igual como sem o MOA. MO não substitui a cabeça)).

 

Selecção deCaracterística usando Algoritmos Genéticos em R


Este é um post sobre seleção de recursos usando algoritmos genéticos em R, no qual faremos uma rápida revisão sobre o assunto:

  • O que são algoritmos genéticos?
  • GA no ML?
  • Como é que é uma solução?
  • O processo GA e seus operadores
  • A função fitness
  • Algoritmos Genéticos em R!
  • Experimente você mesmo
  • Conceitos relacionados
Feature Selection using Genetic Algorithms in R
Feature Selection using Genetic Algorithms in R
  • Pablo Casas
  • www.r-bloggers.com
This is a post about feature selection using genetic algorithms in R, in which we will do a quick review about: What are genetic algorithms? GA in ML? What does a solution look like? GA process and its operators The fitness function Genetics Algorithms in R! Try it yourself Relating concepts Animation source: "Flexible Muscle-Based Locomotion...
 
Yuriy Asaulenko:

Leve qualquer BS para começar. O MdE mostrará seu desempenho e potencial de desenvolvimento, se houver). Então, ou muda o BS ou desenvolve-o.

Tudo permanece igual como sem MO. Não há substituto para MO.))

Já mostrei como funciona para mim e sugeri meu alvo que define tendências e fluxos, nos quais você pode trocar qualquer impulso e estratégias de canal, respectivamente.

 
As mensagens foram apagadas novamente...(
O mau exemplo é infeccioso.
 
Elibrarius:
Os posts foram apagados novamente...(
O mau exemplo é contagioso.

é "comer" e ninguém vai discutir isso aqui de qualquer maneira, então eu apaguei para não perturbar o idílio)

 
Maxim, o que é uma árvore Bayesiana? Qual é a diferença entre isso e um normal?
 
Maxim Dmitrievsky:

ninguém vai discutir isso aqui de qualquer maneira, então eu apaguei para não perturbar o idílio)

Bem, pelo menos mantenha artigos interessantes no seu blog. Só lixo que ninguém apaga aqui, o que dificulta encontrar algo interessante.
 
elibrarius:
Ao menos mantenha artigos interessantes em seu blog. Aqui ninguém apaga o lixo, o que torna difícil encontrar algo interessante.

Para entender as árvores Bayesianas você deve primeiro ler sobre o algoritmo de Metropolis-Gastnigs, algoritmo de Monte Carlo sobre cadeias Markov, por analogia com árvores

o próprio documento BART

http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20Junho%2008.pdf

a questão é que eles não são re-treinados e dão uma estimativa probabilística de produção (posterior)

 
Maxim Dmitrievsky:

Para entender as árvores Bayesianas você deve primeiro ler sobre o algoritmo Metropolis-Hastnigs, o algoritmo Monte Carlo sobre cadeias de Markov, a analogia com as árvores é

o próprio documento BART

http://www-stat.wharton.upenn.edu/~edgeorge/Research_papers/BART%20Junho%2008.pdf

a questão é que eles não se retraem e dão uma saída probabilística (posterior)

Muitas fórmulas ((

1...125012511252125312541255125612571258125912601261126212631264...3399
Novo comentário