Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2975
![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
Та простая функция тоже сделает неравномерную по значениям сетку. Равномерная - это Uniform.
Она работает с числом повторов/дубликатов. Все примерно то же самое. Функцию не нашел (быстрым просмотром), поэтому точно сказать не могу... варианты учета дублей описал ранее, думаю там одно из них или что-то близкое.
Думаю, что речь просто об учете весов в случае повтора значений, т.е. некая объемность появляется и сетка сжимается на этом отрезке.
Думаю, у Вас получилось бы разобраться!
Думаю, что речь просто об учете весов в случае повтора значений, т.е. некая объемность появляется и сетка сжимается на этом отрезке.
Думаю, у Вас получилось бы разобраться!
Возможно, но я не вижу там рыбы. Не пользуюсь квантизацией вообще. Предпочитаю float данные исследовать.
Возможно, но я не вижу там рыбы. Не пользуюсь квантизацией вообще. Предпочитаю float данные исследовать.
Насколько понимаю, "квантизация" (гистограммы) используется в бустинге для ускорения, чтобы вариантов перебора для сплитов было поменьше. Если это так, то решение хорошо своей универсальностью, но может быть плохим в отдельном конкретном случае - реальная граница может быть потеряна.
Насколько понимаю, "квантизация" (гистограммы) используется в бустинге для ускорения, чтобы вариантов перебора для сплитов было поменьше. Если это так, то решение хорошо своей универсальностью, но может быть плохим в отдельном конкретном случае - реальная граница может быть потеряна.
Да, всё верно. Ускоряет и можно отнести к регуляризации. Но и теряет точный сплит.
Возможно, но я не вижу там рыбы. Не пользуюсь квантизацией вообще. Предпочитаю float данные исследовать.
Жаль, что не верите мне.
Могу эффективность продемонстрировать на Вашей выборке, сравните обучаемость.
Да, всё верно. Ускоряет и можно отнести к регуляризации. Но и теряет точный сплит.
Точный сплит на истории. Если известна природа распределения значений предикторов, то квантование может выцепить именно диапазон с характерным устойчивым поведением. Для трейдинга как раз актуально.
Точный сплит на истории. Если известна природа распределения значений предикторов, то квантование может выцепить именно диапазон с характерным устойчивым поведением. Для трейдинга как раз актуально.
В квантовании просто счетчик + пропуск дублей. Квантование происходит без какой либо проверки на целевой ф-ии.
Если дерево с обучением на целевую не дает устойчивости (или дает очень слабую), то как ее даст счетчик не имеющий отношения к целевой? Только рандом и иногда случайно хорошие отрезки, которые во временем перестанут быть таковыми.
Задачу поиска диапазонов/сплитов решает дерево при обучении. Там хоть какая-то осмысленная формула есть разделяющая строки по отношению к целевой.
В квантовании просто счетчик + пропуск дублей. Квантование происходит без какой либо проверки на целевой ф-ии.
Если дерево с обучением на целевую не дает устойчивости (или дает очень слабую), то как ее даст счетчик не имеющий отношения к целевой? Только рандом и иногда случайно хорошие отрезки, которые во временем перестанут быть таковыми.
Квантовые таблицы нужно подбирать для каждого предиктора. Допустим, что попал удачный рандом - вот это я и хочу выявить. Случайно или нет. Не со 100% достоверностью, но даже отсеяв 30% рандома можно улучшить качество обученной модели.
Я разрабатываю свою функцию (алгоритм) оценки сплита, которая должна уменьшить недостаток деревьев - жадность.
Странно конечно, я не первый год занимаюсь этой темой, провел кучу экспериментов с разными выборками, имею статистику эффективности подхода, говорю, что метод рабочий, а встречаюсь с недоверием.
Квантовые таблицы нужно подбирать для каждого предиктора. Допустим, что попал удачный рандом - вот это я и хочу выявить. Случайно или нет.
Как он может быть НЕ случайным по отношению к целевой, если целевая не участвует в выборе точки квантования? Только случайным.
Как он может быть НЕ случайным по отношению к целевой, если целевая не участвует в выборе точки квантования? Только случайным.
Случайно попало, но закономерность не случайная. Т.е. она сохраниться в будущем. Оценка происходит с учетом целевой же.
С другой стороны, никто не мешает более точно сразу разбить предиктор на квантовые отрезки с учетом целевой.