Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3027
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
Acho que basta gerar um bot de verificação de uma só vez e verificar as regras necessárias por meio de um testador/otimizador
É melhor fazer a seleção de folhas em python, e o modelo final - bem, você pode fazer isso no terminal. Mas você terá que transferir as regras para o terminal, o que também não é tão fácil. É por isso que é melhor fazer tudo em python - mesmo que seja menos preciso em alguns aspectos, mas o processo pode ser visto do início ao fim. Este é apenas um experimento por enquanto....
Por que você colocaria regras em um booster???
Eu escrevi isso, uma maneira de agregá-las. Distribuir pesos essenciais e remover inconsistências. Identificar as melhores instâncias.
Você poderia usar uma árvore simples. Ou você mesmo poderia agregar e atribuir pesos. Tentei todos esses métodos.
Você tem alguma outra ideia?
É melhor selecionar as folhas no Python, e o modelo final - bem, você pode fazer isso no terminal. Mas você terá que transferir as regras para o terminal, o que também não é tão fácil. É por isso que é melhor fazer tudo em python - mesmo que seja menos preciso em alguns aspectos, mas o processo pode ser visto do início ao fim. Este é apenas um experimento por enquanto....
Bem, não custa nada mover as regras.
seleção em python por métricas, talvez eu crie um testador para elas.
Você pode fazer muitas coisas. Por meio de modelos de madeira, por meio de modelos lineares, por meio de boustings.
+ o gerador de sinais por meio de reconciliações, um dos mais eficazes. Mas levará muito tempo para contar. É um análogo automático de sua quantificação.
Eu escrevi - uma maneira de agregá-los. Atribuir pesos essenciais e remover inconsistências. Identificar as melhores instâncias.
Você poderia usar uma árvore simples. Ou agregar e distribuir os pesos você mesmo. Tentei aplicar todos esses métodos.
Você tem alguma outra ideia?
Bem, não custa nada mover as regras.
Seleção de Python por métricas, talvez eu crie um testador para elas.
Há muitas coisas que você pode fazer. Por meio de modelos de madeira, modelos lineares, boustings.
+ gerador de recursos por meio de agrupamentos, um dos mais eficientes. Mas levará muito tempo para contar. É um análogo automático de sua quantificação.
O que é "collation"?
É assim que o Statistics per Rule resolve esse problema
Modelo de árvore para remover inconsistências e revelar dependências mútuas não lineares. Não se trata de usar folhas de uma árvore, mas de muitas árvores diferentes.
Modelo de árvore para remover contradições e revelar dependências mútuas não lineares. Não se trata de usar folhas de uma única árvore, mas de muitas árvores diferentes.
Essas regras são apenas atributos binários do modelo?
É isso mesmo.
O que são "reconciliações"?
convoluções, kernels convolucionais.
transformação de kernel convolucional