Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2953
![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
Есть ещё пакет intrees, там можно правила тянуть с многих деревняных моделей.
Можете скрипт с таким функционалом продемонстрировать?
Есть лёгкие сомнения в будущем Яндекса)
На чем они основаны?
либо обучать древесную модель и брать точку первого сплита по этому признаку.
1 сплит? Или несколько? Fxaber 3 рабочих участка выделяет своей программой (и 3 отброшенных). Итого 5 сплитов.
Какая то прога МО дает такую возможность - делать запрошенное количество сплитов по указанному признаку?
И самое интересное, узнать в каких местах делать разбиение. Fxaber делает это по результатом торговли. Получается не первые сплиты, а в конце надо добавлять.
Либо первые сплиты выделяет куски по 1-4 часа и нижележащее дерево обучается, пытаясь достигнуть максимума на своем временном интервале.
Боюсь, что пакета МО, который так делает нету - придется просто разделять данные и обучать несколько моделей.
Есть ещё пакет intrees, там можно правила тянуть с многих деревняных моделей.
Вроде на XGBoost основан, который считается похуже чем CatBoost и LightGBM. Так то пакет lightgbm в R тоже есть. Вопрос в хорошем способе внедрения моделей.
На чем они основаны?
На общей политической ситуации и прошедшем недавно раздербанивании Яндекса.
1 сплит? Или несколько? Fxaber 3 рабочих участка выделяет своей программой (и 3 отброшенных). Итого 5 сплитов.
Какая то прога МО дает такую возможность - делать запрошенное количество сплитов по указанному признаку?
И самое интересное, узнать в каких местах делать разбиение. Fxaber делает это по результатом торговли. Получается не первые сплиты, а в конце надо добавлять.
Либо первые сплиты выделяет куски по 1-4 часа и нижележащее дерево обучается, пытаясь достигнуть максимума на своем временном интервале.
Боюсь, что пакета МО, который так делает нету - придется просто разделять данные и обучать несколько моделей.
Описал три варианта (второй описан в моём комментарии к записи fxsaber'а), из которых ближе два первых, а третий привёл как гипотетический. ИМХО, нужна простая модель с одним деревом (а не ансамблем) и минимальным числом признаков. После того как определена новая точка "разрезания", циклический признак пересчитывается (сдвигается) и дальше используется обычная модель.
1 сплит? Или несколько? Fxaber 3 рабочих участка выделяет своей программой (и 3 отброшенных). Итого 5 сплитов.
Какая то прога МО дает такую возможность - делать запрошенное количество сплитов по указанному признаку?
И самое интересное, узнать в каких местах делать разбиение. Fxaber делает это по результатом торговли. Получается не первые сплиты, а в конце надо добавлять.
Либо первые сплиты выделяет куски по 1-4 часа и нижележащее дерево обучается, пытаясь достигнуть максимума на своем временном интервале.
Боюсь, что пакета МО, который так делает нету - придется просто разделять данные и обучать несколько моделей.
Можете скрипт с таким функционалом продемонстрировать?
Вроде на XGBoost основан, который считается похуже чем CatBoost и LightGBM. Так то пакет lightgbm в R тоже есть. Вопрос в хорошем способе внедрения моделей.
На общей политической ситуации и прошедшем недавно раздербанивании Яндекса.
У CatBoost открытый код, своё комьюнити, и внедрение во множество коммерческих проектов, поэтому сразу поддержка не прекратиться, даже если Яндекс закроют.
А по поводу разделения - если даже выведут нематериальные активы, то не думаю, что в нынешних реалиях международное право будет интересовать резидентов РФ, в том числе на законодательном уровне.