Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2385

 
elibrarius:
Какая-то философия. Ничего конкретного...

Ну почему же, путь объявлен ранее, и все строго по намеченному. Генерируем правила и проверяем их, это не обычной подход, когда правила отбираются исходя от логики/целей задачи. Т.е. обычно правила формируются для решения изначально. Это приводит к потере не логичных, но дающих результат правил.

 
elibrarius:
Какая-то философия. Ничего конкретного...
  • Многие вещи нам непонятны не потому, что наши понятия слабы; но потому, что сии вещи не входят в круг наших понятий.
Valeriy Yastremskiy:

Ну почему же, путь объявлен ранее, и все строго по намеченному. Генерируем правила и проверяем их, это не обычной подход, когда правила отбираются исходя от логики/целей задачи. Т.е. обычно правила формируются для решения изначально. Это приводит к потере не логичных, но дающих результат правил.

+++

 
mytarmailS:
  • Многие вещи нам непонятны не потому, что наши понятия слабы; но потому, что сии вещи не входят в круг наших понятий.

+++

Еще немного философии))

 
Для подобных подходов типичны результаты, которые можно условно назвать "анти-хомячными" - это значит, что хомяка видно, но его нет. Это вполне типично для рядов похожих на реализации СБ.
 
Aleksey Nikolayev:
Для подобных подходов типичны результаты, которые можно условно назвать "анти-хомячными" - это значит, что хомяка видно, но его нет. Это вполне типично для рядов похожих на реализации СБ.

не соглашусь. Проблема в большом количестве правил и логик отбора есть конечно. Целевые в обоих подходах одинаковы.

А то что дорога совсем не туда, ну так мы же проверяем правила и путь корректируем))))

 

у меня есть некая другая МО абстракция, которая должна точно находить настоящие закономерности (если они есть), но это не точно

в гугле не нашел ни Масонских ни Пентагоновских упоминаний, поэтому пока держу в тайне 

абстракцию придумал когда щёлкал семечки 
 
Maxim Dmitrievsky:

у меня есть некая другая МО абстракция, которая должна точно находить настоящие закономерности (если они есть), но это не точно

в гугле не нашел ни Масонских ни Пентагоновских упоминаний, поэтому пока держу в тайне 

абстракцию придумал когда щёлкал семечки 

забыл видимо: настоящие закономерности СБ (если они есть))))

 
Maxim Dmitrievsky:

Вроде, Алексей предлагал вычислительные мощности, он любит что-нибудь долго считать, может вам сделать кооп :)

на R без векторизации все равно будет медленно. Можно через какую-нибудь быструю БД

Более того, данным подходом я занимаюсь много лет.

Однако, сейчас его несколько отложил, так как он действительно очень медленный, что не дает возможности быстро менять целевую (искать удачную), и отдельные правила так же перестают работать, как ты их не проверяй на истории.

Максим, можете помочь, сделать скрипт на питоне, который будет в цикле создавать модель (или сто моделей) по данным из файла CSV, потом анализировать её(их) на значимость предикторов стандартными средствами CatBoost, потом запрещать/разрешать использование предикторов (CatBoost это умеет) по определенным условиям и создавать опять новую модель. Этот метод позволит выделить важные предикторы, что приведет к улучшению модели. Я использую подобный метод, но мне очень неудобно это делать, так как каждый цикл, после отсеивания/добавления предикторов  приходится перезапускать руками цикл обучения.

 
Aleksey Vyazmikin:

Более того, данным подходом я занимаюсь много лет.

Однако, сейчас его несколько отложил, так как он действительно очень медленный, что не дает возможности быстро менять целевую (искать удачную), и отдельные правила так же перестают работать, как ты их не проверяй на истории.

Максим, можете помочь, сделать скрипт на питоне, который будет в цикле создавать модель (или сто моделей) по данным из файла CSV, потом анализировать её(их) на значимость предикторов стандартными средствами CatBoost, потом запрещать/разрешать использование предикторов (CatBoost это умеет) по определенным условиям и создавать опять новую модель. Этот метод позволит выделить важные предикторы, что приведет к улучшению модели. Я использую подобный метод, но мне очень неудобно это делать, так как каждый цикл, после отсеивания/добавления предикторов  приходится перезапускать руками цикл обучения.

пока не до этого

и не верю в такой подход (знаю лучше и быстрее кратно)

 
Maxim Dmitrievsky:

пока не до этого

и не верю в такой подход (знаю лучше и быстрее кратно)

Подход рабочий - это не вопрос веры.

А какой подход быстрей и лучше, давайте сравним эффективность!?