Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3586

[Maxim Dmitrievsky]

Maxim Dmitrievsky #:

Не видел чтобы кто-нибудь такое делал.. сглаживание меток. Иногда неплохо помогает от переобучения и может дать разнообразие моделей.

Если ограничены в разнообразии разметок или хотите частично убрать переобучение, можете поюзать.

Чем больше период сглаживания, тем меньше переобучение.

 

Оригинал:

Сглаживание, период 5:

Период 15:

Период 25:

Период 50:

100:

200:

300:

[Maxim Dmitrievsky]

Оптимальный период сглаживания связан со средней продолжительностью сделки.

[mytarmailS]

Maxim Dmitrievsky #:

 В чатгпт загони сами данные, может в базе есть что-то похожее )

Да какой там нафиг гпт,  я три дня только грязные данные обрабатывал чтобы привести их нормальному табличному виду и чтобы все по времени было синхронизировано , потом еще раз все с ноля переписывал по другому..

Это реальные данные детка ..  с ошибками датчиков, с шумом в значениях с безолаберностью записующего с абсолютно разными шкалами признаков в каждом наблюдении с дикой мультиколинеарностью с расхождением по времени итд

Я бы хотел чтобы кто из вас ощутил туже боль что ощущаю я )

[Maxim Dmitrievsky]

mytarmailS #:
Да какой там нафиг гпт,  я три дня только грязные данные обрабатывал чтобы привести их нормальному табличному виду и чтобы все по времени было синхронизировано , потом еще раз все с ноля переписывал по другому..

Это реальные данные детка ..  с ошибками датчиков, с шумом в значениях с безолаберностью записующего с абсолютно разными шкалами признаков в каждом наблюдении с дикой мультиколинеарностью с расхождением по времени итд

Я бы хотел чтобы кто из вас ощутил туже боль что ощущаю я )

Знаю такое :) помогал с обработкой сигналов датчиков в газохимической сфере. Но там целая команда работала. Удачи 😁

[Maxim Dmitrievsky]

По мотивам

Ультимативная маст хэв ф-я, благодаря которой модель никогда не переобучается. Но и граальных бэктестов ждать не стоит.

Количество кластеров соответсвует кол-ву паттернов, на которые хотите разделить все примеры и посчитать среднюю метку для каждого кластера.

На вход подается размеченный датасет с признаками, на выходе выплевывается со скорректированными метками, которые предотвращают переобучение.

Примерs:

[mytarmailS]

Maxim Dmitrievsky #:
Знаю такое :) помогал с обработкой сигналов датчиков в газохимической сфере. Но там целая команда работала. Удачи 😁

63 признака

каждый что то типа временного ряда на 350-400 точек

вот пример - один из признаков , сырой

зеленый класс "ДА" , краный класс "НЕТ"

тот же признак но обработаный  - нормализированый и выровняный по времени 

Разделять не разделаять, и они все такие все 63!!!

[Maxim Dmitrievsky]

mytarmailS #:

63 признака

каждый что то типа временного ряда на 350-400 точек

вот пример - один из признаков , сырой

зеленый класс "ДА" , краный класс "НЕТ"

тот же признак но обработаный  - нормализированый и выровняный по времени 

Разделять не разделаять, и они все такие все 63!!!

Угу. Попробуй общий тренд как фичу и разницы признаков и/или их приращения 

[Maxim Dmitrievsky]

Stock Price Prediction with Quantum Machine Learning in Python https://medium.datadriveninvestor.com/stock-price-prediction-with-quantum-machine-learning-in-python-54948a3da389

[Maxim Dmitrievsky]

Maxim Dmitrievsky #:

Stock Price Prediction with Quantum Machine Learning in Python https://medium.datadriveninvestor.com/stock-price-prediction-with-quantum-machine-learning-in-python-54948a3da389

Не понимаю, дают ли эти квантовые операторы прирост хоть в чем-то :) сложно найти исследования на тему.

Естественно, не рассматривается допуск к квантовому компьютеру из-за возможности его поломать. Если бы был пропуск, то, возможно, был бы прирост в скорости обучения.

[mytarmailS]

отвоевал еще 10 позиций

я уже 12-тый