Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3095
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
R için önceden yazılmış bir paketi halka açabiliriz. Bunu revize etmeli ve eksik işlevleri eklemeliyiz.
Bu çok iyi bir karar olacaktır. Gerekirse testlere katılmaya hazırım.
İyi şanslar
Bu çok iyi bir çözüm olurdu. Gerekirse testlere katılmaya hazırım.
İyi şanslar.
bir deneyde bir araç yer almaktadır
Uzun zamandır overfit ile mücadele ediyorum ve birkaç kez fısıldadım - kozul'a bakın. Tüm bu teknikler oradan geliyor, Prado (kısmen) oradan ilham aldı.
Bu, istatistiğin makine öğrenimine genelleştirilmesidir.
Belirli bir kritere (tritment) göre modellerin çıkarımını yapabilirsiniz. Yeni veriler üzerinde daha iyi çalışmak için verilerdeki önyargı ve varyansı ortadan kaldırmakla ilgilidir.Makalede önerilen yöntemle, en iyisini (ptu tarzı) seçmek için farklı modelleri inceleyemezsiniz. Bu https://en.wikipedia.org/wiki/Multiple_comparisons_problem.
Daha fazla ayrıntı için hala merak ediyorum... binlerce seçenek arasından çalışmak için bir modeli nasıl seçmeyi öneriyorsunuz?
Bu paket daha ziyade seçilen hedefin seçilen tahmin ediciler üzerinde başarılı bir şekilde eğitilme olasılığını değerlendirir. Modellerin çoğu başarılıysa, seçilen modelin de başarılı olması muhtemeldir.
Belirli bir model seçimi yoktur (anladığım kadarıyla). Makalede tartışılmayan başka bir yöntemle seçilmelidir. Ve çok sayıda uyarı ve kısıtlama var (birkaç sayfa), bunlardan bazılarını anlattım.
Oradaki modeller farklıdır, çünkü farklı gösterge parametrelerine sahiptirler. Ancak gösterge seti aynı olabilir. Sanırım kafa karışıklığı bu.
Şöyle diyebilirsiniz - strateji aynı, ancak modeller (varyantlar) farklı
Yine de, daha fazla ayrıntı merak ediyorum... binlerce seçenek arasından çalışmak için bir modeli nasıl seçmeyi öneriyorsunuz?
Bu paket daha ziyade seçilen hedefin seçilen tahmin ediciler üzerinde başarılı bir şekilde eğitilme olasılığını değerlendirir. Modellerin çoğu başarılıysa, seçilen modelin de başarılı olması muhtemeldir.
Belirli bir model seçimi yoktur (anladığım kadarıyla). Makalede tartışılmayan başka bir yöntemle seçilmelidir. Ve bazılarını anlattığım birçok uyarı ve kısıtlama (birkaç sayfa) var.
Buradaki modeller farklıdır, çünkü farklı gösterge parametrelerine sahiptirler. Ancak gösterge seti aynı olabilir. Bence kafa karışıklığı burada.
Eğer hepsi iyiyse, sadece iyiler arasından seçim yapabilirsiniz. Seçim sorusunu bu şekilde veya bir güven aralığıyla sorarsanız, hepsi iyidir. Aksi takdirde daha fazla çaba gerektiren yukarıdaki sorun ortaya çıkar.
Kimin tam olarak ne yaptığını bilmiyorum, bu yüzden soru benim için belirsiz.
deneyler yapıyorum, kod yazıyorum...
Denedim, çalışıyor, sonra hangi TC'leri kullanmanın daha iyi olduğunu düşünüyorum, vb. daha ileri ve daha derine gidiyorum...
Ve bir yılınızı daha teori tartışarak geçirirsiniz, sonra pes edersiniz ve bu iş biter.
Ancak eğitim olmadan çapraz doğrulamayı nasıl yaptıklarını anlamıyorum. Sadece hazır bir getiri setini besliyorlar ve ardından 12000 varyant üzerinde karıştırıyorlar. Bu 12000 IS'nin her biri üzerinde eğitilmeli ve karşılık gelen her bir OOS üzerinde tahmin edilmelidir.
Bence bu, trayne üzerindeki denge eğrisinin düzlüğünü değerlendirmek için seçeneklerden biridir.
Çapraz doğrulama yoluyla önyargıyı (asıl önemli olan budur) ve varyansı ortadan kaldırdığımız için, model yeni veriler üzerinde +- yeterli davranmaya başlar. Daha sonra ince ayar yapılabilir.
Bunu ticarete de koyabilirsiniz.