Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2626
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
Важность признаков в скользящем окне (индикаторы и цены)
В каокй то момент признак может быть важен на 10% а другой момент на 0,05% , вот такая правда жизни)
Тот кто тут топит за кросвалидацию думая что она что то решает , пора краснеть, пора..
Вот так выглядят 4 признака Ирисов Фишера
Ну или так если увеличить скользящее окно
Важность признаков в скользящем окне (индикаторы и цены)
В каокй то момент признак может быть важен на 10% а другой момент на 0,05% , вот такая правда жизни)
Тот кто тут топит за кросвалидацию думая что она что то решает , пора краснеть, пора..
Вот так выглядят 4 признака Ирисов Фишера
Ну или так если увеличить скользящее окно
То что у ирисов (и подобных задачках) есть стабильная закономерность и так ясно. И что в котировках всё "плавает" - тоже, все кто экспериментировал с ними, уже выяснили.
Интересно как у вас важность признаков получилась разной в каждой точке графика? Она же определяется сразу для всей модели, построенной на всех строках обучения. Или у вас там 5000 моделей?
И вообще, поясните ваши графики, что на них и как они строились.
То что у ирисов (и подобных задачках) есть стабильная закономерность и так ясно. И что в котировках всё "плавает" - тоже, все кто экспериментировал с ними, уже выяснили.
Интересно как у вас важность признаков получилась разной в каждой точке графика? Она же определяется сразу для всей модели, построенной на всех строках обучения. Или у вас там 5000 моделей?
И вообще, поясните ваши графики, что на них и как они строились.
Есть много способов узнать информативность признаков, для некоторых не обезательно тренировать модель. Я использовал fselector. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Делал онлайн обучение в окне, если брать сплошняком без фильтрации по времени, то производительность слабая. А с фильтрацией не додумался тогда сделать. В моей статье про энтропию пример бота такого
Это что такое?
ну рекуррентных сетей всяких модификаций, была тут одна
сразу через модель и искать, где она ведет себя закономерно там и закономерность :)сразу через модель и искать, где она ведет себя закономерно там и закономерность :)
Если совсем просто: обучить, проверить на тесте, выделить периоды где она лила и работала, сделать выводы/попробовать отфильтровать, выявить закономерность
Да, в принцепе можно и так, так даже лучше , в такой последовательности можно делать на автомате
или чтоб не лила))
Как по мне не надо делать сложные модели, обычного правила достаточно , иначе найденое нельзя называть закономерностю , раньше обяснял почему..
всегда хочеться лучше)))
Есть много способов узнать информативность признаков, для некоторых не обезательно тренировать модель. Я использовал fselector. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Быстрые способы не совпадают с эталоном. И не совпадают между собой. fselector еще быстрее, думаю и он не будет совпадать ни с чем.
Сравнивал несколько способов оценки важности признаков. За эталон брал самый ресурсоёмкий: обучение модели с удалением признаков по одному.
Быстрые способы не совпадают с эталоном. И не совпадают между собой. fselector еще быстрее, думаю и он не будет совпадать ни с чем.
Важность признаков в скользящем окне (индикаторы и цены)
В каокй то момент признак может быть важен на 10% а другой момент на 0,05% , вот такая правда жизни)
Тот кто тут топит за кросвалидацию думая что она что то решает , пора краснеть, пора..
Данные в скользящем окне используются для каждой модели.
Кросс валидация используется для состыковки результатов обучения нескольких моделей, обученных на разных кусках данных.
Модели на данных не в скользящем окне, тоже можно обучить на разных кусках этих данных и тоже получите кросс валидацию.