Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1843
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
Знаете мне вот тут мысль пришла на днях.
Качество выложенного мною видео оставляет желать лучшего, но судя по просмотрам никому не интересны высокие материи и научный обоснования. Всем интересно смотреть на красивую тёлочу которая пол часа распинается про отмену самоизоляции в парке Горького. Она буквально на глазах за сутки набрала 500 000 просмотров против моих 70-ти. Вывод: Научные темы нынче не входу. Главное красивая мордашка и приятный голос, а что там с ИИ так и в обще никому не интересно. Печаль :-(
Хочу со всеми посоветоваться.
В пакете Darch нашел такой вариант оценки модели:
Считаем ошибку на трэйн и на ооб участках.
Потом итоговую ошибку считаем как
err = oob_error * comb_err_tr + train_err * (1 - comb_err_tr);
На мой взгляд, обучение надо контролировать по среднему значению показателей полноты и точности по всей выборке, разбив выборку на окна по, допустим 10%-20%. Сам я листья отбираю таким методом, но учитываю ещё финансовый результат.
Знаете мне вот тут мысль пришла на днях.
Качество выложенного мною видео оставляет желать лучшего, но судя по просмотрам никому не интересны высокие материи и научный обоснования. Всем интересно смотреть на красивую тёлочу которая пол часа распинается про отмену самоизоляции в парке Горького. Она буквально на глазах за сутки набрала 500 000 просмотров против моих 70-ти. Вывод: Научные темы нынче не входу. Главное красивая мордашка и приятный голос, а что там с ИИ так и в обще никому не интересно. Печаль :-(
Никому не нужна правда, Миша )) Все хотят красивых иллюзий
тебе не обязательно самому быть красивой соской - создай у зрителя представление об этом, включи его воображение, а уже потом режь правду-матку ))
только стук отбойного молотка на фоне напрягает )
Никому не нужна правда, Миша )) Все хотят красивых иллюзий
тебе не обязательно самому быть красивой соской - создай у зрителя представление об этом, включи его воображение, а уже потом режь правду-матку ))
только стук отбойного молотка на фоне напрягает )
На мой взгляд, обучение надо контролировать по среднему значению показателей полноты и точности по всей выборке, разбив выборку на окна по, допустим 10%-20%. Сам я листья отбираю таким методом, но учитываю ещё финансовый результат.
Это кросс валидация. Или еще можно валкинг - форвард, чтобы проверочный набор был всегда позже тренировочного.
Давайте уточним терминологию:
- точность, вы имеете в виду стандартное Accuracy (доля правильно классифицированных примеров)
- полнота. Это число примеров/размер выборки для обучения? Как ее выбирать? Подбором?
Это кросс валидация. Или еще можно валкинг - форвард, чтобы проверочный набор был всегда позже тренировочного.
Важно проверять на устойчивость сигнала на протяжении всей выборки, а не смотреть на итоговый показатель - методы могут быть разные, один из них я вкратце описал.
Давайте уточним терминологию:
- точность, вы имеете в виду стандартное Accuracy (доля правильно классифицированных примеров)
- полнота. Это число примеров/размер выборки для обучения? Как ее выбирать? Подбором?
Precision - точность и Recall - полнота. Эти показатели важны, если больше одного класса, и если сигнальным является один класс из множества. К примеру при тройной классификации - покупать(1)/ждать(0)/продавать(-1) или на поиск волатильности - будет сильное(1) движение или слабое(0). Если в логике два класса равнозначны, то смысл этих показателей размывается немного.
Ну что там Максимка? Читал что то? есть резы?
Немного улучшил подход, результат тоже получше стал.. Все входы показали + :))
Но есть проблемы..
1) сигналов мало
2) модель умирает со временем
Но все же мне кажется я начал что то понимать в этом чертовом рынке, а значит прорыв не за горами ))
Важно проверять на устойчивость сигнала на протяжении всей выборки, а не смотреть на итоговый показатель - методы могут быть разные, один из них я вкратце описал.
Precision - точность и Recall - полнота. Эти показатели важны, если больше одного класса, и если сигнальным является один класс из множества. К примеру при тройной классификации - покупать(1)/ждать(0)/продавать(-1) или на поиск волатильности - будет сильное(1) движение или слабое(0). Если в логике два класса равнозначны, то смысл этих показателей размывается немного.
А в целом Precision можно считать основной метрикой при наличии класса "ждать". Ошибки по Precision - это прямые убытки от неправильной классификации.
А Recall - означает упущенная прибыль, т.е. мы ждали вместо того, чтобы действовать.
В итоге нужно максимизировать F1, который найдет лучшее значение при минимуме ошибок предсказания и минимуме упущенной прибыли.
Ну что там Максимка? Читал что то? есть резы?
Немного улучшил подход, результат тоже получше стал.. Все входы показали + :))
Но есть проблемы..
1) сигналов мало
2) модель умирает со временем
Но все же мне кажется я начал что то понимать в этом чертовом рынке, а значит прорыв не за горами ))