Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 586

 
Yuriy Asaulenko:
Então tenta encontrar um)). Um tal MLP seria óptimo.
Regularização e desistência são o seu tudo).
 
Yuriy Asaulenko:

Ontem encontrei um NS de convolução - normalmente usado para reconhecimento de imagem. Naturalmente, existem todas as utilidades - formação, etc. Feito para uso em Python.

Também é recorrente, etc., mas ainda não é muito interessante.

Uma vez que a rede convolucional não está totalmente enredada, podemos aumentar muito o número de neurónios sem perda de desempenho. Mas é preciso entender detalhes, ainda não entrei em detalhes.

Uma descrição popular -https://geektimes.ru/post/74326/

Olha bem para a HTM - Escrevi-te há pouco. A sua estrutura implica o uso do contexto. E há uma implementação Python.

 

Sobre a não-estacionariedade de Haykin

Foi sobre isso que eu (e não só) escrevi, e é como se tudo já tivesse sido provado há muito tempo :)


 

Acontece que eu sei que existe uma nova versão do pacote gbm que ainda não está nos repositórios do guindaste.
https://github.com/gbm-developers/gbm3

instalação:

install.packages("devtools")
library("devtools")
install_github("gbm-developers/gbm3")


depois disso a biblioteca actualizada em r chama-se gbm3:

library("gbm3")

Eu apenas mudei o nome da biblioteca de gbm para gbm3 no código r script, o resto do código funcionou sem alterações.
Quando eu estava procurando por parâmetros do modelo gbm, às vezes acontecia que o treinamento consumia muita RAM e o computador inteiro ficava pendurado por uma dúzia de minutos. Com esta nova versão isto ainda não aconteceu, recomendo que a experimente.

 
Maxim Dmitrievsky:

Sobre a não-estacionariedade de Haykin

Sobre o que eu (e não só) e escrevi, e aqui como se tudo já estivesse provado há muito tempo :)


Não entendo de todo o texto sobre a não-estacionariedade: a chegada de novas observações destrói as relações anteriormente reveladas? Pode ser devido ao meu desconhecimento da NS, mas há exatamente uma linha de observações consideradas nas árvores e é impossível destruir árvores previamente construídas. Elas podem não ocorrer no futuro, as mesmas árvores podem aparecer exatamente no futuro, mas pertencerão a uma classe diferente, mas as antigas permanecerão todas intactas.


PS.

Há árvores que consideram algumas linhas ao construir uma árvore... mas isso não parece mudar a essência

 
SanSanych Fomenko:

Eu não entendo nada do texto sobre a não-estacionariedade: a chegada de novas observações destrói relações previamente identificadas? Pode ser devido ao meu desconhecimento da NS, mas em árvores é considerada exatamente uma linha de observações e é impossível destruir árvores previamente construídas. Elas podem não ocorrer no futuro, as mesmas árvores podem aparecer exatamente no futuro, mas pertencerão a uma classe diferente, mas as antigas permanecerão todas intactas.


PS.

Há árvores que consideram algumas linhas ao construir uma árvore... mas isso não parece mudar a questão.


Não, resume-se a construir séries pseudo-estacionárias de forma consistente, reaprendendo o máximo possível... é basicamente isso que estou a fazer

ou construir filtros lineares/não lineares... Entendo que antes disso é necessário considerar a dinâmica da mudança na influência dos preditores sobre o alvo, e tentar adaptar a saída através de coeficientes de filtragem, dependendo das mudanças no ambiente

bem, nada de especial em geral. Pelo menos neste capítulo.

 
Maxim Dmitrievsky:

Sobre a não-estacionariedade de Haykin

Foi sobre isso que eu (e não só) escrevi, e aqui é como se tudo tivesse sido provado por muito tempo :)


Obviamente, o Sr. Heikin não era um tolo. O excerto da p.133 fala directamente sobre este facto.
 
Maxim Dmitrievsky:

Sobre a não-estacionariedade de Haykin

Foi sobre isso que eu (e não só) escrevi, e aqui é como se tudo tivesse sido provado por muito tempo :)

Finalmente Maxim começou a ler teoria ao invés de besteiras e tentando reinventar as bicicletas).
 
Dmitriy Skub:

Dê uma olhada na HTM - Eu escrevi para você antes. A sua estrutura faz uso do contexto. E há uma implementação em Python.

Eu não encontrei nada na nossa correspondência. O que é HTM e o que é?

Na verdade, comecei a estudar Python há 2-3 dias. Eu ainda não entendo muito). Por isso, vou demorar um pouco a ir directo ao assunto.

 
Yuriy Asaulenko:

Eu não encontrei nada na nossa correspondência. O que é HTM e o que é?

Na verdade, eu comecei a estudar Python há 2-3 dias. Eu ainda não entendo muito). Então é um pouco antes de eu começar a trabalhar.

Aqui, você pode começar a partir daqui: https://numenta.org/implementations/

Há um livro em russo - a tradução é quase adequada.

Implementations
  • Numenta
  • numenta.org
Numenta.org • Home of the HTM Community