Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3151
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
холиварный вопрос)
для иследований рынка - R или питон?
Для исследования рынка мною, в данный момент - R. За других или за себя в будущем ручаться не готов)
Обычными алгоритмами асоциативных правил, разными в зависимости от задачи.
Не знаю даже о каком коде речь - видимо чего то не смогло запуститься. О каком коде речь?
Вы утверждаете, что глубина неважна событий по времени - и как это записывается правилом - я не понял.
можете у чатгпт спрашивать расшифровку формул, если символы непонятны какие-то.
Y|T = 1 исходы тестовой группы (с тритментом)
Y|T = 0 - контрольной (без)
Y - метка класса, Y0,Y1 - метки классов без тритмента и с ним
T - тритмент внесли в модель ( в т. ч. предиктор) или не внесли (1;0)
E - матожидание
Разделение в любой точке, как делите на тест и трейн
Если не делаете перемешивание, то получается смещенная оценка ATE+bias
ATE - средний лечебный эффект от воздействия
сонный, могу буквы местам перепутать, но логика должна быть понятной
По прежнему я не понимаю идею деления в любом месте выборки. Ведь смысл, как мне кажется, найти как раз тот момент, когда изменилось влияние фактора. Может как раз надо перебрать в цикле разные участки выборки и с помощью генетики выявить тот, на который по новому стал влиять предиктор?
Ранее обвиняли других в недомолвке, но сами не даёте ясности в смысле этих действий, как Вы видите, для целей трейдинга.
Пока не тестировал, что либо по данному вопросу, так как сложно автоматизировать это на MQL5.
ребята, можно ли сказать, что МО - частный случай оптимизации?
я думаю что да.
Не знаю даже о каком коде речь
По прежнему я не понимаю идею деления в любом месте выборки. Ведь смысл, как мне кажется, найти как раз тот момент, когда изменилось влияние фактора. Может как раз надо перебрать в цикле разные участки выборки и с помощью генетики выявить тот, на который по новому стал влиять предиктор?
Ранее обвиняли других в недомолвке, но сами не даёте ясности в смысле этих действий, как Вы видите, для целей трейдинга.
Пока не тестировал, что либо по данному вопросу, так как сложно автоматизировать это на MQL5.
:)
У вас точно такая же книга перед глазами, как и у меня. Как я это вижу, тоже писал. Попросите мордоратора сделать summary, если потеряли.забанили, через 12 часов разбанили , и опять забанили
Что это было?
забанили, через 12 часов разбанили , и опять забанили
Что это было?
месяц нормально будет, пусть еще, новый акк.
Попался пакет для препроцессинга recipe из R. Впечатляющий перечень шагов препроцессинга из этого пакета:
#> [1] "step_BoxCox" "step_YeoJohnson"
#> [3] "step_arrange" "step_bagimpute"
#> [5] "step_bin2factor" "step_bs"
#> [7] "step_center" "step_classdist"
#> [9] "step_corr" "step_count"
#> [11] "step_cut" "step_date"
#> [13] "step_depth" "step_discretize"
#> [15] "step_dummy" "step_dummy_extract"
#> [17] "step_dummy_multi_choice" "step_factor2string"
#> [19] "step_filter" "step_filter_missing"
#> [21] "step_geodist" "step_harmonic"
#> [23] "step_holiday" "step_hyperbolic"
#> [25] "step_ica" "step_impute_bag"
#> [27] "step_impute_knn" "step_impute_linear"
#> [29] "step_impute_lower" "step_impute_mean"
#> [31] "step_impute_median" "step_impute_mode"
#> [33] "step_impute_roll" "step_indicate_na"
#> [35] "step_integer" "step_interact"
#> [37] "step_intercept" "step_inverse"
#> [39] "step_invlogit" "step_isomap"
#> [41] "step_knnimpute" "step_kpca"
#> [43] "step_kpca_poly" "step_kpca_rbf"
#> [45] "step_lag" "step_lincomb"
#> [47] "step_log" "step_logit"
#> [49] "step_lowerimpute" "step_meanimpute"
#> [51] "step_medianimpute" "step_modeimpute"
#> [53] "step_mutate" "step_mutate_at"
#> [55] "step_naomit" "step_nnmf"
#> [57] "step_nnmf_sparse" "step_normalize"
#> [59] "step_novel" "step_ns"
#> [61] "step_num2factor" "step_nzv"
#> [63] "step_ordinalscore" "step_other"
#> [65] "step_pca" "step_percentile"
#> [67] "step_pls" "step_poly"
#> [69] "step_poly_bernstein" "step_profile"
#> [71] "step_range" "step_ratio"
#> [73] "step_regex" "step_relevel"
#> [75] "step_relu" "step_rename"
#> [77] "step_rename_at" "step_rm"
#> [79] "step_rollimpute" "step_sample"
#> [81] "step_scale" "step_select"
#> [83] "step_shuffle" "step_slice"
#> [85] "step_spatialsign" "step_spline_b"
#> [87] "step_spline_convex" "step_spline_monotone"
#> [89] "step_spline_natural" "step_spline_nonnegative"
#> [91] "step_sqrt" "step_string2factor"
#> [93] "step_time" "step_unknown"
#> [95] "step_unorder" "step_window"
#> [97] "step_zv"
По моему опыту трудоемкость препроцессинга в разы ниже (от 3 до 5 раз) трудоемкости применения собственно модели
Попался пакет для препроцессинга recipe из R
Хедли Викхам фигни не делает