Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1513

 
Кеша Рутов:

Срочно писать статью по "drawdown learning". 

Даю справку transfer learning это вообще из другой оперы, наш иждивенец совсем не шарит,  transfer learning это когда выделенные(как правило первые 1-2 слоя) нейроны\слои обученные на каком то одном датасете или алгоритме используются в другой сетке как запчасть, такое использует например для стилизации картинок.

Не нужно давать справки по темам в которых ничего не понимаешь. По верхам попрыгал, нахватался терминов и думаешь стал специалистом. Болтуном да, но не специалистом.

 
Maxim Dmitrievsky:

без сопливых гололед

Vladimir Perervenko:

Не нужно давать справки по темам в которых ничего не понимаешь. По верхам попрыгал, нахватался терминов и думаешь стал специалистом. Болтуном да, но не специалистом.

ну разумеется не "специалист", иначе чего мне тут околачиваться, все надежды на Вас с Максимом Денисенко, на "специалистов", жду когда вы напишете "статью" по  drawdown learning, а ещё лучше подкрепить это скамовым сигналом, что то типа дофамина от Максима Денисенко

 
Кеша Рутов:

ну разумеется не "специалист", иначе чего мне тут околачиваться, все надежды на Вас с Максимом Денисенко, на "специалистов", жду когда вы напишете "статью" по  drawdown learning, а ещё лучше подкрепить это скамовым сигналом, что то типа дофамина от Максима Денисенко

а ты почитай статьи и книги где "специалисты" RL пытаются к фин. тайм сериям прикладывать и увидишь что дофамин это лучшее что может быть по этой теме

и плевать нравится оно тебе или нет, тебя спросить забыли

хотя бы простой reinforce без сторонних библиотек напиши, я поржу

петушня

 
Maxim Dmitrievsky:

петушня

и это тоже с Вами случится, когда ЖИЗНЬ Вас взмёт в оборот, ничто не вечно под луной, рано или поздно Ваша "золотая клетка" рухнет и тогда...

 
Кеша Рутов:

и это тоже с Вами случится, когда ЖИЗНЬ Вас взмёт в оборот, ничто не вечно под луной, рано или поздно Ваша "золотая клетка" рухнет и тогда...

тебя жизнь взяла за грудки а ты разнылся как девка, причем здесь тема МО? иди к психологам, их на форуме достаточно. Я могу только послать, не обладаю тонким чувством такта

 
Maxim Dmitrievsky:

обучается сначала на одном вр, затем дообучается на другом. Какие конкретно реализации надо смотреть, могут быть разные

я еще искусственно шум добавляю к фичам, иногда улучшает результаты

посмотри еще importance sampling, тоже интересная штука

еще meta learning

не не... один, другой, третий ВР-ы использую как равнозначные при обучении, поглядим что из этого выйдет

 
Andrey Dik:

не не... один, другой, третий ВР-ы использую как равнозначные при обучении, поглядим что из этого выйдет

в своего бота загонял тоже несколько сразу одновременно, вроде не увидел каких-то улучшений.. ну у меня специфисская фигня, сама себе на уме

интересное исследование по maximum entropy увидел сегодня, в общем как использовать энтропию для определения входов (2-я часть статьи), понравилось

то, чего не хватает в моей, по всей видимости. Я даже до того же самого додумался почти, но сформулировать не смог. А там типа теорией подкреплено.

из нее же видно что разные рынки по разному предсказываются, поэтому если все в одну кучу.. то не знаю

https://robotwealth.com/shannon-entropy/

Shannon Entropy: A Genius Gambler's Guide to Market Randomness - Robot Wealth
Shannon Entropy: A Genius Gambler's Guide to Market Randomness - Robot Wealth
  • robotwealth.com
Before you commit your precious time to read this blog post, I need to warn you that this is one of those posts that market nerds like myself will get a kick out of, but which probably won’t add much of practical value to your trading. The purpose of this post is to scratch the surface of the markets from an information theoretic perspective...
 
Maxim Dmitrievsky:

в своего бота загонял тоже несколько сразу одновременно, вроде не увидел каких-то улучшений.. ну у меня специфисская фигня, сама себе на уме

интересное исследование по maximum entropy увидел сегодня, в общем как использовать энтропию для определения входов (2-я часть статьи), понравилось

то, чего не хватает в моей, по всей видимости. Я даже до того же самого додумался почти, но сформулировать не смог. А там типа теорией подкреплено.

из нее же видно что разные рынки по разному предсказываются, поэтому если все в одну кучу.. то не знаю

https://robotwealth.com/shannon-entropy/

вот еще интересный материал про энтропию, так сказать автор на пальцах обьяснил

https://habr.com/ru/post/171759/


не могу чегонить про деревья принятия решений найти, некие фрагменты инфы есть в инете, что-нибудь в виде литературы нужно

Энтропия и деревья принятия решений
Энтропия и деревья принятия решений
  • habr.com
Деревья принятия решений являются удобным инструментом в тех случаях, когда требуется не просто классифицировать данные, но ещё и объяснить почему тот или иной объект отнесён к какому-либо классу. Давайте сначала, для полноты картины, рассмотрим природу энтропии и некоторые её свойства. Затем, на простом примере, увидим каким образом...
 
Igor Makanu:

вот еще интересный материал про энтропию, так сказать автор на пальцах обьяснил

https://habr.com/ru/post/171759/


не могу чегонить про деревья принятия решений найти, некие фрагменты инфы есть в инете, что-нибудь в виде литературы нужно

да, вроде норм статья, по моему уже видел

ну книгу от бати случайного леса может надо читать сразу 

заончились баллы на сайте, не могу качнуть )

https://www.twirpx.com/file/2130647/

Breiman L., Friedman J., Stone C.J., Olshen R.A. Classification and regression trees [PDF]
Breiman L., Friedman J., Stone C.J., Olshen R.A. Classification and regression trees [PDF]
  • www.twirpx.com
Boca Raton: CRC Press, 1984. — 366 p.The methodology used to construct tree structured rules is the focus of this monograph. Unlike many other statistical procedures, which moved from pencil and paper to calculators, this text's use of trees was unthinkable before computers. Both the...
 
Нейросеть из стекла сможет распознать образы без камер и алгоритмов
Нейросеть из стекла сможет распознать образы без камер и алгоритмов
  • голосов: 1
  • ugpressa.ru
Научными сотрудниками из Висконсинского университета, расположенного в Мэдисоне, представлен прототип, так называемого, "умного" стекла, способного моментально запоминать и распознавать изображения и при этом без всякого рода камер, процессоров, или подключения к сети Интернет. В основе революционного стекла лежит удивительно доступная...
Причина обращения: