Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3028
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
Свертка на временных рядах агрегирует информацию о прошлых значениях предикторов (при этом можно брать те что попали в выборку и те что не попали), а квантование оценивает успешность этого действия.
Что такое квантование?)
В том контексте, что упоминаю я - покусочная оценка диапазона данных с целью выявления куска (квантового отрезка) вероятность принадлежности которого к одному из классов больше на x процентов, чем в среднем по всему диапазону.
В том контексте, что упоминаю я - покусочная оценка диапазона данных с целью выявления куска (квантового отрезка) вероятность принадлежности которого к одному из классов больше на x процентов, чем в среднем по всему диапазону.
Что такое квантование?)
Был же код недавно из катбуста.
В том контексте, что упоминаю я - покусочная оценка диапазона данных с целью выявления куска (квантового отрезка) вероятность принадлежности которого к одному из классов больше на x процентов, чем в среднем по всему диапазону.
Был же код недавно из катбуста.
Посмотрите сразу все станет ясно
Был же код недавно из катбуста.
Сложно описали. Сортируете столбец и делите его например на 32 части, если есть дубликаты, то то все их в квант закидываете. Если в столбце только 0 и 1 то будет 2 кванта, а не 32 (ибо дубликаты).как успехи с бустом и максимизацией прибыли?
Пока никак, особенно для бустинга) Там же нужна гладкость, чтобы были градиент и гессиан. Прибыль таковой не будет, поэтому нужно думать как её сглаживать.
Мне пока достаточно локального варианта одиночного дерева, про который недавно писал здесь.
В том контексте, что упоминаю я - покусочная оценка диапазона данных с целью выявления куска (квантового отрезка) вероятность принадлежности которого к одному из классов больше на x процентов, чем в среднем по всему диапазону.
По сути, получается что на каждом предикторе отдельно строится дерево.
Пока никак, особенно для бустинга) Там же нужна гладкость, чтобы были градиент и гессиан. Прибыль таковой не будет, поэтому нужно думать как её сглаживать.
Мне пока достаточно локального варианта одиночного дерева, про который недавно писал здесь.
А видео смотрели? то на которое ссылку я дал?
Там чел как раз говорил как негладкую перевести в гладкую через РЛ
народная мудрость гласит: за деревьями леса не видит. А вот интересно, перебирая листья дерево видно? я не спрашиваю за лес.
Это что единственный алгоритм который Вам известен? Или он самый эффективный? Что Вы на нем зациклились?
Это мимо проходящего мысли.
Удачи
Вопрос вполне уместный. Для меня ответ примерно такой, что если предикторы однородны (например, пиксели картинки или последние N свечей), то форма классов может быть произвольной, поэтому правила не очень подходят. Если же предикторы неоднородны (например, цена и время), то классы скорее имеют прямоугольную форму, задаваемую правилами.
Конечно, чётких обоснований для этого нет, лишь гипотеза.