Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1892
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
featuretools , мне к сожалению так и не удалось его запустить в Р-ке, какие то проблемы с питоном у меня)) Посмотрите его, думаю интересная вещь.
думаешь или доказано? что там интересного?
In [12]: feature_matrix_customers Out[12]: zip_code COUNT(sessions) NUM_UNIQUE(sessions.device) MODE(sessions.device) SUM(transactions.amount) STD(transactions.amount) MAX(transactions.amount) SKEW(transactions.amount) MIN(transactions.amount) MEAN(transactions.amount) COUNT(transactions) NUM_UNIQUE(transactions.product_id) MODE(transactions.product_id) DAY(date_of_birth) DAY(join_date) YEAR(date_of_birth) YEAR(join_date) MONTH(date_of_birth) MONTH(join_date) WEEKDAY(date_of_birth) WEEKDAY(join_date) SUM(sessions.SKEW(transactions.amount)) SUM(sessions.NUM_UNIQUE(transactions.product_id)) SUM(sessions.MAX(transactions.amount)) SUM(sessions.MIN(transactions.amount)) SUM(sessions.STD(transactions.amount)) SUM(sessions.MEAN(transactions.amount)) STD(sessions.SKEW(transactions.amount)) STD(sessions.NUM_UNIQUE(transactions.product_id)) STD(sessions.MAX(transactions.amount)) STD(sessions.SUM(transactions.amount)) STD(sessions.COUNT(transactions)) STD(sessions.MIN(transactions.amount)) STD(sessions.MEAN(transactions.amount)) MAX(sessions.SKEW(transactions.amount)) MAX(sessions.NUM_UNIQUE(transactions.product_id)) MAX(sessions.SUM(transactions.amount)) MAX(sessions.COUNT(transactions)) MAX(sessions.MIN(transactions.amount)) MAX(sessions.STD(transactions.amount)) MAX(sessions.MEAN(transactions.amount)) SKEW(sessions.NUM_UNIQUE(transactions.product_id)) SKEW(sessions.MAX(transactions.amount)) SKEW(sessions.SUM(transactions.amount)) SKEW(sessions.COUNT(transactions)) SKEW(sessions.MIN(transactions.amount)) SKEW(sessions.STD(transactions.amount)) SKEW(sessions.MEAN(transactions.amount)) MIN(sessions.SKEW(transactions.amount)) MIN(sessions.NUM_UNIQUE(transactions.product_id)) MIN(sessions.MAX(transactions.amount)) MIN(sessions.SUM(transactions.amount)) MIN(sessions.COUNT(transactions)) MIN(sessions.STD(transactions.amount)) MIN(sessions.MEAN(transactions.amount)) MEAN(sessions.SKEW(transactions.amount)) MEAN(sessions.NUM_UNIQUE(transactions.product_id)) MEAN(sessions.MAX(transactions.amount)) MEAN(sessions.SUM(transactions.amount)) MEAN(sessions.COUNT(transactions)) MEAN(sessions.MIN(transactions.amount)) MEAN(sessions.STD(transactions.amount)) MEAN(sessions.MEAN(transactions.amount)) NUM_UNIQUE(sessions.MODE(transactions.product_id)) NUM_UNIQUE(sessions.DAY(session_start)) NUM_UNIQUE(sessions.WEEKDAY(session_start)) NUM_UNIQUE(sessions.YEAR(session_start)) NUM_UNIQUE(sessions.MONTH(session_start)) MODE(sessions.MODE(transactions.product_id)) MODE(sessions.DAY(session_start)) MODE(sessions.WEEKDAY(session_start)) MODE(sessions.YEAR(session_start)) MODE(sessions.MONTH(session_start)) NUM_UNIQUE(transactions.sessions.device) NUM_UNIQUE(transactions.sessions.customer_id) MODE(transactions.sessions.device) MODE(transactions.sessions.customer_id) customer_id 1 60091 8 3 mobile 9025.62 40.442059 139.43 0.019698 5.81 71.631905 126 5 4 18 17 1994 2011 7 4 0 6 -0.476122 40 1057.97 78.59 312.745952 582.193117 0.589386 0.000000 7.322191 279.510713 4.062019 6.954507 13.759314 0.640252 5 1613.93 25 26.36 46.905665 88.755625 0.000000 -0.780493 0.778170 1.946018 2.440005 -0.312355 -0.424949 -1.038434 5 118.90 809.97 12 30.450261 50.623125 -0.059515 5.000000 132.246250 1128.202500 15.750000 9.823750 39.093244 72.774140 4 1 1 1 1 4 1 2 2014 1 3 1 mobile 1 2 13244 7 3 desktop 7200.28 37.705178 146.81 0.098259 8.73 77.422366 93 5 4 18 15 1986 2012 8 4 0 6 -0.277640 35 931.63 154.60 258.700528 548.905851 0.509798 0.000000 17.221593 251.609234 3.450328 15.874374 11.477071 0.755711 5 1320.64 18 56.46 47.935920 96.581000 0.000000 -1.539467 -0.440929 -0.303276 2.154929 0.013087 0.235296 -0.763603 5 100.04 634.84 8 27.839228 61.910000 -0.039663 5.000000 133.090000 1028.611429 13.285714 22.085714 36.957218 78.415122 4 1 1 1 1 3 1 2 2014 1 3 1 desktop 2 3 13244 6 3 desktop 6236.62 43.683296 149.15 0.418230 5.89 67.060430 93 5 1 21 13 2003 2011 11 8 4 5 2.286086 29 847.63 66.21 257.299895 405.237462 0.429374 0.408248 10.724241 219.021420 2.428992 5.424407 11.174282 0.854976 5 1477.97 18 20.06 50.110120 82.109444 -2.449490 -0.941078 2.246479 -1.507217 1.000771 -0.245703 0.678544 -0.289466 4 126.74 889.21 11 35.704680 55.579412 0.381014 4.833333 141.271667 1039.436667 15.500000 11.035000 42.883316 67.539577 4 1 1 1 1 1 1 2 2014 1 3 1 desktop 3 4 60091 8 3 mobile 8727.68 45.068765 149.95 -0.036348 5.73 80.070459 109 5 2 15 8 2006 2011 8 4 1 4 0.002764 37 1157.99 131.51 356.125829 649.657515 0.387884 0.517549 3.514421 235.992478 3.335416 16.960575 13.027258 0.382868 5 1351.46 18 54.83 54.293903 110.450000 -0.644061 0.027256 -0.391805 0.282488 2.103510 -1.065663 1.980948 -0.711744 4 139.20 771.68 10 29.026424 70.638182 0.000346 4.625000 144.748750 1090.960000 13.625000 16.438750 44.515729 81.207189 5 1 1 1 1 1 1 2 2014 1 3 1 mobile 4 5 60091 6 3 mobile 6349.66 44.095630 149.02 -0.025941 7.55 80.375443 79 5 5 28 17 1984 2010 7 7 5 5 0.014384 30 839.76 86.49 259.873954 472.231119 0.415426 0.000000 7.928001 402.775486 3.600926 4.961414 11.007471 0.602209 5 1700.67 18 20.65 51.149250 94.481667 0.000000 -0.333796 0.472342 -0.317685 -0.470410 0.204548 0.335175 -0.539060 5 128.51 543.18 8 36.734681 66.666667 0.002397 5.000000 139.960000 1058.276667 13.166667 14.415000 43.312326 78.705187 5 1 1 1 1 3 1 2 2014 1 3 1 mobile 5
Я вот думаю, что за предикторы можно придумать с каналом регрессии?
Я вот пришел к выводу что лучше не думать и не придумывать, а написать некий переборочный алгоритм который сам будет синтезировать признаки и проверять их, если признак хорош то оставил если плохой то выкинул , так можно перебрать миллионы вариантов, это явно эффективнее человеческого придумывания .
Далее получение хорошие признаки можно улучшать и видоизменять , потом опять , опять , опять и так пока ошибка падает..
Вдохновением послужили труды Ивахненко , метод МГУА. Сама философия метода мне очень нравиться.
думаешь или доказано? что там интересного?
Ну я же написал что так и не смог у себя запустить пакет, как я могу что то доказать если не лапал даже, документацию читал, фишки есть , пробовать смысл есть, но я не пробовал по вышеописанным причинам
что ты средее, стд и моду сам не найдешь
ну вообще разбивает норм.. для любых тай серий то что надо. Чтоб руками не возиться
такое в LSTM надо совать, которые тут упоминались
что ты средее, стд и моду сам не найдешь
там не все так примитивно, почитай еще
Но в конечном итоге конечно свой синтезатор признаков писать надо
там не все так примитивно, почитай еще
я почти доделал своего бота! скоро бдут тесты
сколько же геоморо позывов пришлось преодолетья почти доделал своего бота! скоро бдут тесты
ждем)
Он торгует по нейронкам уже 3 года. Я с ним говорил лично. Берет в управление счета не меньше 100 000 тысяч. Откройте его профиль и там все его счета. У него получилось . Значит и у вас получиться . Если не сейчась то потом все получиться . Не сдавайтесь ))
У него получилось и поэтому уже три года торгует на демо счете ? :)
У него получилось и поэтому уже три года торгует на демо счете ? :)
ну вот
взяли и растоптали иллюзию обогащения...
Судя по Вашим предыдущим постам с несчитанным количеством грамматических ошибок, я так и понял, что текущий пост не более чем копипаст
Пишите своими словами, так интереснее
https://new-science.ru/chto-takoe-effekt-nabljudatelya-v-kvantovoj-mehanike/
Вам интереснее читать корявую речь с грамматическими ошибками? :)