Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3586
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
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:
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..
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:
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!!!
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!!!
Stock Price Prediction with Quantum Machine Learning in Python https://medium.datadriveninvestor.com/stock-price-prediction-with-quantum-machine-learning-in-python-54948a3da389
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.отвоевал еще 10 позиций
я уже 12-тый