Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1308
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Хорошо, пусть так и будет. У меня нет статистики по высказываниям сотни лиц участвующих в создании разных методов МО, нет желания спорить, так как изначально я говорил о том, как удобно мне разделять понятия в уме, а коли иным это не удобно, то пусть я останусь один со своими понятиями.
Да уж, тема и так уже изрядно заспамлена, а теперь еще и приходится каждому выдумывать и собственнею терминологию:)
Хотя конкретно по наименованию выборок данных, думаю спорить нет смысла т.к. есть множество всяких методов их формирования и использования, а существенным, ИМХО, остается только один факт - участвовали эти данные (In-Sample) или не участвовали (Out-Of-Sample), в процессе обучения.
Потому, что все IS выборки так или иначе применяются для подгонки модели, а OOS только для оценки ее качества.
А что бы было однозначное понимание, думаю логично было бы представлять результаты в привычном для тестера виде, где все выборки, которые использовалось при обучении - IS представлять как бэктест, а OOS как форвард.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Машинное обучение в трейдинге: теория и практика (торговля и не только)
Ivan Negreshniy, 2019.02.06 08:31
Если проверить в тестере, то оно приблизительно так и получается (100% на SELL:)
Да уж, тема и так уже изрядно заспамлена, а теперь еще и приходится каждому выдумывать и собственнею терминологию:)
Хотя конкретно по наименованию выборок данных, думаю спорить нет смысла т.к. есть множество всяких методов их формирования и использования, а существенным, ИМХО, остается только один факт - участвовали эти данные (In-Sample) или не участвовали (Out-Of-Sample), в процессе обучения.
Потому, что все IS выборки так или иначе применяются для подгонки модели, а OOS только для оценки ее качества.
А что бы было однозначное понимание, думаю логично было бы представлять результаты в привычном для тестера виде, где все выборки, которые использовалось при обучении - IS представлять как бэктест, а OOS как форвард.
Лучше отдельными графиками показывать, так как выборка не участвовавшая в обучении как правило значительно меньше той, что участвовала и визуально ничего не понятно на таком рваном графике, вот лично для меня.
Кстати, в Кэтбусте есть кроссвадидация - тогда там как раз не нужен ключ "test", а используется одна выборка, которая разбивается разными способами на части.
С такими вещами работают ученые, но и они не понимают что происходит в нейронных сетях, а тем боле в лесах, как и по какой причине всё там именно такое как получается, где что меняется в какой момент и почему, нам остаётся только доверять их авторитету и применять их модели, уповая на высшие силы.
С такими вещами работают ученые, но и они не понимают что происходит в нейронных сетях, а тем боле в лесах, как и по какой причине всё там именно такое как получается, где что меняется в какой момент и почему, нам остаётся только доверять их авторитету и применять их модели, уповая на высшие силы.
Хорошо, пусть так и будет. У меня нет статистики по высказываниям сотни лиц участвующих в создании разных методов МО, нет желания спорить, так как изначально я говорил о том, как удобно мне разделять понятия в уме, а коли иным это не удобно, то пусть я останусь один со своими понятиями.
Упрямство близко по смыслу с упорством. Надеюсь они помогут вам дойти до успешного воплощения ваших идей в МО. Для исследователей это - полезные качества. ;-)
ПС Придумал название для вашей системы по отбору листьев: "Гербарий" - пополните коллекцию методов из деревьев, лесов, пней, джунглей.ПС Придумал название для вашей системы по отбору листьев: "Гербарий" - пополните коллекцию методов из деревьев, лесов, пней, джунглей.
))) Я бы назвал Лесоповалом или Пилорамой.
С такими вещами работают ученые, но и они не понимают что происходит в нейронных сетях, а тем боле в лесах, как и по какой причине всё там именно такое как получается, где что меняется в какой момент и почему, нам остаётся только доверять их авторитету и применять их модели, уповая на высшие силы.
Отчасти согласен, сейчас эра быстрых вычислений, и если раньше люди делали вычисления на бумаге, прежде чем получить доступ к ЭВМ, то сейчас объем информации и методы её обработки столь велики, что часто более целесообразно концентрироваться не на процессе, а результате.
Упрямство близко по смыслу с упорством. Надеюсь они помогут вам дойти до успешного воплощения ваших идей в МО. Для исследователей это - полезные качества. ;-)
ПС Придумал название для вашей системы по отбору листьев: "Гербарий" - пополните коллекцию методов из деревьев, лесов, пней, джунглей.Быть упоротым не всегда продуктивно, но спасибо за оценку моего качества.
По поводу гербария, то я такую терминологию уже использую, спасибо, что поддержали идею
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Собираю команду для развития МО (Дерева решения/леса) применительно к трендовым стратегиям
Aleksey Vyazmikin, 2018.06.27 16:42
Немного о направлениях, которые мне видятся перспективными:
1. Работы над генетическими методами - тут хочу попробовать создавать логические группы фич, в том числе при засеивании и взращивании потомства.
2. Работа над фитнес функциями - тут необходимо обеспечить обратную связь с фактическими результатами торговли, а не только результатами классификации.
3. Работа над взращиванием с пеньков - полуавтоматический метод генерации деревьев, когда известно основание дерева или когда известны отдельные ветви.
4. Работа над методом оценки получившегося дерева.
5. Работа над удобным и быстрым способом интеграции дерева в алгоритм советника.
6. Работа над созданием гербария - методом вытаскивания отдельных правил для создания лесов.
7. Работа над методом построения дерева не исключающим пределы/диапазоны, а старающимся дать решения всем значениям в предикторе (актуально, когда в подготовке предиктора уже используется квантование (разбитие на подгруппы)).
Разобрался немного с рисованием графиков, теперь модельки, предварительно отобранные по условию скриптом, могу быстро посмотреть визуально, пока решил сохранять только графики вне обучения.
Это гифка, но у меня показывает кадры только при нажатии на неё - не знаю в чем причина...