Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3164
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
Como pesquisar? Percorrer todos os blocos (por exemplo, 100 por 5.000 pp) e ver com que sucesso as outras 500.000 linhas são previstas nesse modelo?
Sim, você pode extrair amostras aleatoriamente em vez de blocos em uma linha, o que é mais correto.
Fiquei com os olhos cheios de lágrimas, de tanto rir).
Pedi ao Bard que escrevesse em russo, ele escreveu com um erro, isso acontece. O russo não é meu idioma nativo, eu o uso apenas aqui na essência...
e ele me respondeu).
Está entendendo?
Ele começou a me trollar )))
Isso é simplesmente brutal))))
Ele não está lhe provocando.
Você escreveu ruSki - que é "russo" em sérvio.
É por isso que ele está escrevendo para você em sérvio
Ele não está brincando com você.
Você escreveu russki, que significa "russo" em sérvio.
É por isso que ele está escrevendo para você em sérvio
Ahh))))
Artigo interessante sobre árvores e aprendizado por reforço nelas.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4760114/
Testei o algoritmo em dados de mercado...
O algoritmo funciona de forma estável em novos dados em comparação com o Forest....
o algoritmo não é retreinado, em todas as amostras de validação o resultado é melhor do que na amostra de teste ou muito melhor, não vi pior....
O Akurasi é, em média, 2 a 4% melhor que o Forrest. Se o Forrest tem 0,58, o RLT tem ~ 0,62.
De qualquer forma, de acordo com os primeiros testes, o algoritmo vale a pena, mas leva muito tempo para aprender....
Feito em casa. As possibilidades de experimentação são ilimitadas....
Sim. Não faz sentido discutir os caseiros.
Por que perder tempo com os caseiros? Há dezenas de algoritmos não caseiros que são praticamente usados por milhões de usuários.....
testou o algoritmo em dados de mercado.
O algoritmo funciona de forma estável em novos dados em comparação com o Forest....
o algoritmo não retreina, em todas as amostras de validação o resultado é melhor do que na amostra de teste ou muito melhor, não vi pior....
O Akurasi é, em média, 2 a 4% melhor que o Forrest, portanto, se o Forrest tem 0,58, o RLT tem ~ 0,62.
De qualquer forma, de acordo com os primeiros testes, o algoritmo vale a pena, mas leva muito tempo para aprender....
De acordo com a teoria deles, supõe-se que existam algumas características "fortes" que funcionam bem, e o problema é separá-las do restante das "fracas". Em seu campo, a genética, esse provavelmente é o caso. Mas nossa situação é obviamente diferente - as características são praticamente iguais em termos de força, muitas vezes colineares, e sua classificação de força pode mudar com o tempo.
Em geral, se fosse apenas uma questão de selecionar características informativas, San Sanych, com seu método secreto, teria se tornado um trilionário há muito tempo).
Sua teoria pressupõe que há algumas características "fortes" que funcionam bem e o único problema é separá-las do restante das "fracas". Em seu campo, a genética, esse provavelmente é o caso. Mas nossa situação é claramente diferente - as características são aproximadamente iguais em força, muitas vezes colineares, e sua classificação de força pode mudar com o tempo.
Em geral, se fosse apenas uma questão de selecionar características informativas, San Sanych, com seu método secreto, teria se tornado um trilionário há muito tempo).
Bem, o algoritmo realmente funciona e é mais estável e akurasi melhor e kappa melhor... em outras palavras, ele funciona melhor ...
e funciona tanto após 1.000 novas observações quanto após 20.000 ... e o erro é o mesmo ou melhor.
os sinais têm praticamente a mesma força
Bem, e aqui eu não posso concordar.
a importância desse algoritmo
Sim... não faz sentido discutir os caseiros.
Por que perder tempo com os caseiros? Há dezenas de outros não caseiros com algoritmos que são praticamente usados por milhões de usuários.....
Não discuto pacotes, ofereço-me para discutir apenas ideias.
Porque posso experimentar e fazer coisas que não estão incluídas nesses algoritmos - caixas pretas.
Não discuto pacotes, sugiro discutir apenas ideias.