Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 302
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
Um fio interessante. Muito flubber, mas alguns pensamentos inteligentes também. Obrigado.
+
))) O principal é a comunicação e o processo. Parece que algumas pessoas já estão a criar robôs neurais. Eu gostaria de tentar .
Infelizmente, o limiar de entrada para o tópico é muito alto. O campo do próprio MO já é bastante antigo e apenas o número de diferentes ramos e métodos já está a tender para o infinito.
E se você ainda não lidou com isso, pode se afogar neste mar de informações). E não quero apanhar peças, pois é necessária uma abordagem sistemática do projéctil.
Mas até agora não encontrei nenhuma informação sistematizadora coerente.
Para mim o erro de previsão não é o problema principal. Para mim, o principal problema é a requalificação do modelo. Ou eu tenho até mesmo provas ténues de que o modelo NÃO é requalificado, ou o modelo não é de todo necessário.
Tenho escrito muitas vezes neste tópico (e outros também) sobre o diagnóstico do excesso de equipamento e as ferramentas para lidar com o excesso de equipamento. Em resumo, trata-se de limpar os preditores de entrada de ruído, e o modelo em si é de importância secundária.
Tudo o resto não me interessa, porque qualquer resultado sem considerações de sobretreinamento é tão simples assim, agora, talvez amanhã, e depois de amanhã o depoimento é drenado.
Se você tiver um bom RPM no teste (fora da amostra de treinamento), então tudo está bem. O excesso de alimentação não pode ser evitado de certa forma, só pode ser reduzido a um nível aceitável.
PS: O Sr. Mihail Marchukajtesfoi oferecido para provar que o classificador Reshetov é legal, você também pode tentar, eu me pergunto se alguém será capaz de obter mais de 65% de precisão a partir destes dados)) )
Bem, a sobrealimentação é quando os medidores na planta e o teste são diferentes, se você tiver um bom indicador no teste (fora da amostra de treinamento) então tudo está OK. De certa forma, não se pode evitar o excesso de alimentação, mas apenas reduzi-lo a um nível aceitável.
PS: O Sr. Mihail Marchukajtesfoi oferecido para provar a inclinação do classificador Reshetov, você também pode tentar, eu me pergunto se alguém será capaz de obter mais de 65% de precisão a partir destes dados)) )
Um testador é um trabalho de acabamento. E você precisa de intervalos de confiança do desempenho do TC.
Infelizmente, o limiar de entrada no assunto é muito alto. O campo do próprio MO é bastante antigo e apenas o número de diferentes ramos e métodos já tende ao infinito.
E se você ainda não lidou com isso, pode se afogar neste mar de informações). E eu não quero pegar pedaços, mesmo assim é necessária uma abordagem sistemática da ferramenta.
Mas até agora não encontrei nenhuma informação coerente de sistematização.
Não é.
A sistemática é a utilização de TUDO: preparação dos dados iniciais, adequação do(s) modelo(s) e avaliação desse modelo.
Numa primeira aproximação, tudo isto dá chocalho - você pode ver e brincar com ele. Se você pegar meu artigo, a entrada de trabalho é mínima (um par de horas para tudo), pois não só dá instruções, mas também dados para exercícios.
Infelizmente, o limiar de entrada para o tópico é muito alto. O campo do próprio MO já é bastante antigo e apenas o número de diferentes ramos e métodos já está a tender para o infinito.
E se você ainda não lidou com isso, pode se afogar neste mar de informações). E eu não quero pegar pedaços, mesmo assim é necessária uma abordagem sistemática da ferramenta.
Mas até agora não encontrei nenhuma informação sistematizadora coerente.
O nosso mundo está estruturado de tal forma que a rentabilidade temática é uma função monótona da altura do limiar de entrada no tema. Quanto mais alto for o limiar de entrada (não necessariamente a complexidade conceptual, pode ser por dinheiro, ligações sociais, localização geográfica, etc.), mais potencialmente lucrativo é o negócio.
O que é fácil para muitos, em regra, custa pouco e nem sequer é capaz de alimentar um adulto, para não falar de todo o tipo de extravagância.
A forma como o nosso mundo funciona é que a rentabilidade de um tópico é uma função monotónica da altura do limiar de entrada no tópico. Quanto mais alto for o limiar de entrada (não necessariamente de complexidade conceptual, pode ser em termos de dinheiro, ligações sociais, localização geográfica, etc.), mais potencialmente lucrativo é o caso.
O que é fácil para muitos, geralmente custa pouco e nem sequer é capaz de alimentar um adulto, para não falar de todos os excessos.
O que é fácil para muitas pessoas, geralmente custa pouco e nem sequer é capaz de alimentar um adulto....
++
ou mais precisamente, sem qualquer perspectiva.
Estou a ver o fio assim e percebo que desapareceu...
O próprio facto da sua existência é surpreendente))))
É o tipo de tópico que não é saudável para se falar em voz alta, em grande detalhe, por isso...
Não é.
A sistemática consiste em utilizar TUDO: preparar os dados brutos, adequar o(s) modelo(s) e avaliar esse modelo.
Numa primeira aproximação, tudo isto dá chocalho - você pode ver e brincar com ele. Se você pegar meu artigo, a entrada de trabalho é mínima (um par de horas para tudo), pois ele não só tem instruções, mas também dados para os exercícios.
Por uma abordagem sistemática, porém, quero dizer compreender o que você está fazendo e, portanto, ser capaz de planejar e prever os resultados de suas ações.
Obrigado pelo artigo. Não estou familiarizado com nenhum software em particular, por isso é perfeito para um novato - simples e claro. Mas eu não entendo qual método é usado, regressão ou classificação um?
Naturalmente, comecei imediatamente a experimentá-lo nos meus próprios sistemas. Se alguma pergunta for difícil, então Deus nos livre, ela será descoberta no decorrer da peça.
1. eu não uso castiçais para entrar e sair - apenas um fluxo de citações, e castiçais apenas no histórico do castiçal anterior. Embora eu possa deixá-lo aprender pelo candelabro, ainda é um mistério como fazer Rattle engolir o fluxo de citações do candelabro dentro do candelabro atual. O fluxo do candelabro deve ser analisado de alguma forma.
2. O que fazer com os preditores reconstruíveis? Por exemplo, com linhas de regressão e sigmas. Você não pode nem mesmo colá-los na história (para aprender), precisamos de funções que os calculem na mosca e removam seus desenhos anteriores da história.
Da mesma forma, há preditores cintilantes que nem sempre existem e são construídos a partir de certos pontos da série e, em geral, também podem ser reconstruídos no decorrer da peça.
4 A questão da normalização dos preditores pelos itens 2 e 3 - é fundamentalmente impossível.
E a história dos preditores deve ser calculada tanto no decurso da formação como no trabalho.
Até agora, ficamos com muita incompreensão.