Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 27
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
Bem, se há muitos preditores com pontuação inferior a 2, então você não pode isolar os preditores úteis por qualquer outro meio que não seja o meu. Como interpretar isto - não sei. Não esqueçamos que os preditores têm um impacto não só sobre a variável alvo, mas também entre eles mesmos. Muitas vezes não é apenas a lista de preditores a serem removidos que é importante, mas também a ordem na qual eles são removidos.
Claramente, os preditores são geralmente interdependentes.
Você está, creio eu, levando ao uso de métodos estocásticos como o recozimento simulado. Eu também uso isso. Também tenho um programa que pode calcular muito inteligentemente a relevância de um conjunto de preditores (1 ou mais) para uma variável alvo, e coloquei lá métodos de seleção gananciosos e estocásticos. Em algum lugar ganancioso funciona melhor, em algum lugar estocástico.
MAS! Se eu uso a floresta de decisão (ou GBM) e produzo o significado das variáveis do modelo treinado, vejo que algumas delas raramente ou nunca são usadas.
Você está dizendo que a redução da dimensionalidade pode melhorar a qualidade do modelo (reduzir o ajuste)? Isto é aplicável à floresta de decisão?
Não é surpreendente que você não seja um botânico em termos de quantitativos, validações cruzadas e bootstraps.
Claramente, os preditores são geralmente interdependentes.
Você está, creio eu, levando ao uso de métodos estocásticos como o recozimento simulado. Eu também uso isso. Também tenho um programa que pode calcular muito inteligentemente a relevância de um conjunto de preditores (1 ou mais) sobre uma variável alvo, e coloquei lá métodos de seleção gananciosos e estocásticos. Em algum lugar ganancioso funciona melhor, em algum lugar estocástico.
MAS! Se eu uso a floresta de decisão (ou GBM) e produzo o significado das variáveis do modelo treinado, vejo que algumas delas raramente ou nunca são usadas.
Você está dizendo que a redução da dimensionalidade pode melhorar a qualidade do modelo (reduzir o ajuste)? Isto se aplica a uma floresta de soluções?
SVM, ada, várias árvores.
A redução da dimensionalidade não é o objetivo.
Os preditores relevantes para a variável alvo são tomados e um algoritmo de seleção de preditores é executado neste conjunto. O que vai produzir na próxima janela não é conhecido: talvez deixe todos os preditores, talvez parte de....
PS
SOBRE O GBM. Por alguma razão, não obtive melhores resultados do que a ada...
PSPC
De acordo com meus resultados, os algoritmos de seleção de preditores mais eficientes em Caret (rfe, saf, gaf). Infelizmente não para todos os modelos. Você tem experiência em usá-los?
Deixe-me perguntar sua opinião, o mercado de moedas em particular é realmente um mercado de compra e venda (as pessoas compram e vendem) ou é um sistema automatizado para tirar dinheiro? Como (cassino) eu vi na roleta a bola cair onde não deveria, um ímã funcionou 100% certo se você quiser 1000% de certeza. Explicarei por que tal pergunta, o preço consegue andar de tal forma que os sistemas que usei, inclusive eu mesmo, perderam dinheiro, a julgar pelo fórum eu não sou o único, ou seja, tira tudo.
Leia aqui: http://www.foxbusiness.com/features/2014/11/12/six-big-banks-fined-43b-in-fx-rate-rigging-scam.html
Este em particular: "A OCC também descobriu que os comerciantes discutiram ações que potencialmente prejudicariam seus clientes, mas que beneficiariam a si mesmos e seus bancos e concordaram em não negociar em determinadas moedas".
Deixe-me perguntar sua opinião, o mercado forex em moedas em particular é realmente o preço da oferta e demanda (pessoas comprando e vendendo) ou é um sistema automatizado para tirar dinheiro? Como (cassino) eu vi na roleta a bola cair onde não deveria, um ímã funcionou 100% certo se você quiser 1000% de certeza. Explicarei por que tal pergunta, o preço consegue andar de tal forma que os sistemas que usei, inclusive eu mesmo, perderam dinheiro, a julgar pelo fórum eu não sou o único, ou seja, tira tudo.
Para começar, não utilize o martingale em nenhuma forma. :)
E os movimentos de preços (tendências de médio e longo prazo) não são determinados por seis bancos mesmo muito poderosos, mas por razões fundamentais - balança comercial, taxa de desconto, índice de preços, etc.
SVM, ada, várias árvores.
A redução da dimensionalidade não é uma meta.
Os preditores relevantes para a variável alvo são tomados e o algoritmo de seleção dos preditores é executado neste conjunto. O que vai produzir na próxima janela não é conhecido: talvez deixe todos os preditores, talvez parte de....
PS
SOBRE O GBM. De alguma forma não obteve melhores resultados do que a ada.
PSPC
De acordo com meus resultados, os algoritmos de seleção de preditores mais eficientes em Caret (rfe, saf, gaf). Infelizmente não para todos os modelos. Você tem experiência em usá-los?
SVM, ada, várias árvores.
A redução da dimensionalidade não é uma meta.
Os preditores relevantes para a variável alvo são tomados e o algoritmo de seleção dos preditores é executado neste conjunto. O que vai produzir na próxima janela não é conhecido: talvez deixe todos os preditores, talvez parte de....
PS
SOBRE O GBM. Por alguma razão, não obtive melhores resultados do que a ada...
PSPC
De acordo com meus resultados, os algoritmos de seleção de preditores mais eficientes em Caret (rfe, saf, gaf). Infelizmente não para todos os modelos. Você tem alguma experiência em usá-los?
Utilizo métricas de importância na floresta de decisão, ou métricas informativas (baseadas em informações mútuas). Em geral, acredito que em modelos de tipo floresta de decisão não é necessário pré-selecionar......
E tenha cuidado com Fomenko e outros... Eles podem levá-lo a uma floresta acidental)))
Sim.
E tenha cuidado com Fomenko e outros... eles podem levá-lo para o bosque errado)))