Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3313

 
Sanych, quando vamos nos lembrar que Teacher é sinais + alvo)?

Esses erros infantis, como se fossem de pessoas sérias que aprenderam o grande R, estragam toda a atmosfera. E as pessoas, ao que parece, não aprendem, não importa o quanto você as corrija.

Como posso falar com você se ainda está confuso sobre os conceitos básicos?)

Sem querer ofender, mas vocês nem mesmo se entendem, nem entendem sobre o que cada um escreve :))))))
 
СанСаныч Фоменко #:

Se você se refere à seleção de recursos como parte dos modelos, discordo totalmente, porque a seleção de recursos como parte dos modelos classifica qualquer lixo.

Estou falando de seleção de recursos

e o que você chama de "seleção de recursos em modelos" é a importância da variação. Não confunda a si mesmo e aos outros.

E o que você faz com o pacote de proxy é uma seleção de recursos artesanal, incorreta e primitiva, ou melhor, parte dela.


E, realmente, familiarize-se com os conceitos e não introduza seus próprios conceitos sobre os existentes.

Porque eu me contorço toda vez que você chama o retreinamento de "ajuste excessivo" e há muitos erros desse tipo.

 
Maxim Dmitrievsky #:
Sanych, quando vamos nos lembrar de que Professor é sinais + alvo?)

Esses erros infantis, como se fossem de pessoas sérias que aprenderam o grande R, estragam toda a atmosfera. E as pessoas, ao que parece, não aprendem, não importa o quanto você as corrija.

Como posso falar com você se ainda está confuso sobre os conceitos básicos?)

Sem querer ofender, mas vocês nem mesmo se entendem, nem entendem sobre o que cada um escreve :))))))

Oh, o mais sábio!

Oh, o mais experiente!

"Professor" (sinônimo de variável-alvo) no método de aprendizado "com professor" é uma VARIÁVEL separada na fórmula de todos os modelos de aprendizado de máquina que conheço, por exemplo:

randomForest(as.factor(target ) ~ .,
                                     data   = Train [, - ncol(Train )],
                                     ntree  = ntree,
                                     mtry   = mtry)

onde o alvo representa uma coluna separada da matriz. No significado, por exemplo, de incrementos de preço. É como uma função e seus argumentos.

As outras colunas da matriz precisam ser combinadas. O problema é que nem todo professor se ajustará aos recursos (preditores) e vice-versa, nem todo recurso se ajustará a um determinado professor

 
mytarmailS #:

Estou falando de seleção de recursos

e o que você chama de "seleção de recursos como parte dos modelos" é a importância da variação. Não confunda a si mesmo e aos outros.

E o que você faz com o pacote proxy é uma seleção de recursos artesanal, incorreta e primitiva, ou melhor, uma parte dela


E, realmente, familiarize-se com os conceitos e não introduza seus próprios conceitos sobre os existentes.

Porque eu me contorço toda vez que você chama o retreinamento de "ajuste excessivo" e há muitos erros desse tipo

Obrigado pelo esclarecimento!

Mas a precisão absoluta só é possível com um modelo específico de aprendizado de máquina, pois há modelos que fornecem informações sobre a importância da variação e há modelos que têma seleção de recursos incorporada.

Se for uma classificação geral de conceitos no problema de seleção de recursos, você pode usar este modelo


Para sua informação: qual é a tradução de overfitting? Overfitting? Ou talvez overfitting?

 
СанСаныч Фоменко #:

Obrigado pelo esclarecimento!

Só para sua informação: qual é a tradução de overfitting? Overfitting? Ou talvez overfitting?

overate.

Falou demais.

A questão não é nem isso, é que você é o único que usa essa palavra na frente de centenas de outras pessoas e não há nada de bom nisso, é apenas confuso.


==================================================================


Lembro que você disse que suas funções demoram muito para serem contadas. Existe uma coisa muito legal chamada memoização de código, que acelera muito o código em alguns casos, basta envolver uma função f1() lenta em f2() e criar uma função memorizável.

f2 <- memoise::memoise(f1)

grande ganho

microbenchmark::microbenchmark(f1(),f2())
Unit: microseconds
 expr        min         lq       mean     median         uq      max neval
 f1() 145281.202 154547.404 163587.417 160677.641 167757.222 204640.4   100
 f2()    234.342    270.263   1989.096    402.544    413.092 164095.8   100
 
СанСаныч Фоменко #:

Oh, homem muito sábio!

Oh, o mais instruído!

"Mestre".

Sanych, onde está escrito que Professor é sinônimo de alvo? )

 
mytarmailS #:
memoise

curiosamente

 
Maxim Dmitrievsky #:

Sanych, onde está escrito que Professor é sinônimo de alvo? )

Não seja burro!

O aprendizado supervisionado é um dos métodos deaprendizado demáquina, no qual o sistema em teste é forçado a aprender usando exemplos de estímulo-resposta. Do ponto de vista dacibernética, é um tipo deexperimento cibernético. Pode haver alguma dependência entre as entradas e as saídas de referência ( estímulo-resposta), mas ela é desconhecida.


E o mais importante é que você não precisa ensinar ninguém! Basta fazer suas próprias coisas!

 
СанСаныч Фоменко #:

Não seja estúpido!

O aprendizado supervisionado é um dos métodos deaprendizado demáquina, no qual o sistema em teste é forçado a aprender usando exemplos de estímulo-resposta. Do ponto de vista dacibernética, é um tipo deexperimento cibernético. Pode haver alguma dependência entre as entradas e as saídas de referência ( estímulo-resposta), mas ela é desconhecida.


E o mais importante é que você não precisa ensinar ninguém! Basta fazer suas próprias coisas!

Sanych, ONDE ESTÁ ESCRITO?


 
Aprendizado sem um professor - quando alimentamos todos com as mesmas fichas, mas sem a coluna com o alvo. O modelo selecionará o próprio alvo.
É lógico supor que, se com o professor - é com a coluna do alvo f-i, e sem o professor - sem essa coluna, então essa coluna é o professor.