Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1608
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
a ressaltar através dos sinais no carrinho? )
como uma opção sim, através de um par de iterações
- Não há necessidade de procurar soluções sofisticadas, tudo é simples, obtive o primeiro resultado com uma camada Sequencial
- a previsão é baseada na opinião combinada de 20 modelos
Acho que um de dois é redundante aqui...
- não há necessidade de procurar soluções complicadas e arquitectadas, é simples, obtive o meu primeiro resultado numa única camada Sequencial
- a previsão é feita a partir da opinião combinada de 20 modelos.
um dos dois parece ser redundante aqui...
1. por que um conjunto de modelos? o que os distingue? é o comprimento do futuro ou as características?
ou existe outra rede hierarquicamente superior que seleccione qual a rede do conjunto a ouvir?
2. Se tudo funciona bem, porquê o público? O que o impede de ganhar dinheiro sozinho?
3. castiçais completos + indicadores + algo mais complicado e o que é mais complicado? )
1. por que um conjunto de modelos? o que os distingue? é o comprimento do futuro ou as características?
ou existe outra rede hierarquicamente superior que seleccione qual a rede do conjunto a ouvir?
2. Se tudo funciona bem, porquê o público? O que o impede de ganhar dinheiro sozinho?
3. castiçais completos + indicadores + algo mais complicado e o que é mais complicado? )
2. Assim que você começa a pensar em termos de "ganhar", tudo imediatamente fica chato e pára, o cérebro muda para alvos, pára, volta atrás, seleção de parâmetros, enquanto aqui estamos interessados no assunto em si, a parte de pesquisa.
3. Isto é know-how
1. por que um conjunto de modelos? o que os distingue? é o comprimento do futuro ou as características?
ou existe outra rede hierarquicamente superior que seleccione qual a rede do conjunto a ouvir?
2. Se tudo funciona bem, porquê o público? O que o impede de ganhar dinheiro sozinho?
3. castiçais completos + indicadores + algo mais complicado e o que é mais complicado? )
Posso fornecer sinais neurológicos através de tomadas+json sem qualquer filtro - como é, ou seja, prever a cada minuto.
2. Terei todo o prazer em terceirizar o tema das negociações na bolsa.
Posso fornecer sinais neurológicos através de tomadas+json sem qualquer filtro - como é, ou seja, prever a cada minuto.
Você pode transmitir o comércio aqui em MQL para "sinais".
E procure imediatamente por clientes para subscrever... Eu serei um dos primeiros a inscrever-me, se vir que não é uma máquina de calcular a média da treta.
Eu tenho uma pergunta teórica.
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
Algo me diz que não, mas eu gostaria de ouvir opiniões
Eu tenho uma pergunta teórica.
Temos uma função alvo à qual nos aproximamos do modelo
temos preditores, que sejam 1000 pcs.
Portanto, a questão é se temos muitos preditores, podemos dividi-los em partes iguais, deixar que sejam 100 e treinar 10 modelos.
Em seguida, as saídas destes 10 modelos são alimentadas pelo novo modelo como preditores. Será o equivalente a um modelo treinado inicialmente para 1000 preditores de uma só vez?
Algo me diz que não é, mas eu gostaria de ouvir algumas opiniões.
é chamado de empilhamento de modelos. Não vai ser o mesmo, mas não necessariamente mais eficiente. Fê-lo desta maneira, não vi nenhuma melhoria.
Há outra forma chamada meta-treino. Você treina o primeiro modelo para prever as classes, depois obtém os resultados e os alimenta no segundo modelo, no mesmo ou em outros pregadores, o que permite/nega a negociação do primeiro modelo. 1 - troca, 0 - não troca, dependendo da qualidade das previsões do primeiro modelo, ou seja, uma espécie de filtro. Reduz fortemente os erros nos dados de treinamento, mas não tanto nos novos dados (se o modelo tiver baixa generalização). Mas a meta-formação em si é boa.
Você pode treinar o primeiro modelo em alguns dados e o meta-modelo em outros dados, em erros do primeiro modelo. Pode haver diferentes variantes. Fi-lo de ambas as maneiras, em geral há uma melhoria, mas é mais um ajuste, do que uma forma de obter um bom modelo que funcionará no feedback.
Você pode pesquisar no Google Marcos Lopez De Prado "meta-learning", apenas sobre negociação.