Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3275

 
Maxim Dmitrievsky #:

Bazı nedenlerden dolayı hobinizin en büyüleyici olduğunu düşünüyorsunuz.

Haklısın.

Herkesin kendine.

Ama ben de kendimle ilgileniyorum.

Ama neden aynı kazığın üzerine basayım ki?

Buradaki araştırmanın olumlu sonuçlarını hissedeceğim ve bu alandaki yerleşik uzmanlara memnuniyetle katılacağım.

Ancak, düşünce hataları çıplak gözle görülebilir.

Ve gerçekten kısa sürede beklenen sonuca ulaşmak için doğru yönde ilerlemenizi istiyorum.

 

stratejilerin ansables hakkında

https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/

----------------------------------------

Yani ihtiyacınız olan tek şey bir stratejinin yeni veriler üzerinde çalışıp çalışmayacağını bilmek için bir strateji yeniden eğitim metriğidir, diğer her şey çözülebilir....

----------------------------------------

Aşırı antrenmanı tespit etmek için birkaç yaklaşım kullanma fikri var, benimki auto.arima, Prado "PBO" ya dayanıyor. Başka bir şey mümkün, tahmin ediciler olarak atıp AMO'ya aşırı eğitim olasılığını tahmin etmeyi ve bunu bir metrik haline getirmeyi öğretin.

Alternatif olarak.

Ensemble Strategies [Reduce Overfitting By Combining Strategies]
Ensemble Strategies [Reduce Overfitting By Combining Strategies]
  • 2018.11.20
  • Build Alpha
  • buildalpha.wordpress.com
What is an Ensemble Strategy or Method? “In statistics and machine learning, ensemble methods use multiple learning algorithms (trading strategies in our case) to obtain better predictive performance than could be obtained from any of the constituent (individual strategies) learning algorithms.” A simpler example would be to think of it as a...
 
mytarmailS #:
Bir stratejinin yeni veriler üzerinde çalışıp çalışmayacağını bilmek için strateji yeniden eğitim metriği.

Kase kelimesinin başka bir çeşidi mi? :-) "gelecekte işe yarayıp yaramayacağını bilmek"

 
Maxim Kuznetsov #:

kase kelimesinin başka bir ifade biçimi mi? :-) "gelecekte işe yarayıp yaramayacağını bilmek için"

Kesin değilim, örneğin dürüst bir olasılığa ihtiyacımız var - %69 olasılıkla yeni veriler üzerinde çalışacağız.

 
 

İzin verirseniz, böylesine ilginç ve önemli bir konuya katkıda bulunmak istiyorum.

Makine öğrenimi ,ML, karakteristik özelliği bir problemin doğrudan çözümü değil, bir dizi benzer probleme çözüm uygulayarak öğrenme olan bir yapay zeka yöntemleri sınıfıdır. Bu tür yöntemleri oluşturmak için matematiksel istatistik araçları, sayısal yöntemler, matematiksel analiz, optimizasyon yöntemleri, olasılık teorisi, grafik teorisi ve dijital formdaki verilerle çalışmak için çeşitli teknikler kullanılır.

P.Z.

 
Lorarica matematiksel istatistik araçları, sayısal yöntemler, matematiksel analiz, optimizasyon yöntemleri, olasılık teorisi, grafik teorisi ve dijital formdaki verilerle çalışmak için çeşitli teknikler kullanılır.

P.Z.

burada en önemli şey çok kelime yazmamak, zaten aramaktan o kadar yorulduk ki 1-2 cümle okunmayacak

 
mytarmailS #:

p-hacking ve stratejileri hakkında

https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/

Yani strateji optimizasyonu veya öğrenme şöyle bir şeye benzemelidir:

burada ortalama puan, çapraz doğrulama kullanıldığında elde edilen sonucun benzeridir

R2: 0.9849988744314404
Learn 1 model
R2: 0.9689143064621495
Learn 2 model
R2: 0.987424656181599
Learn 3 model
R2: 0.9439690206389704
Learn 4 model
R2: 0.9814487072270343
Learn 5 model
R2: 0.9636828703372952
Learn 6 model
R2: 0.986048862779979
Learn 7 model
R2: 0.960923469755229
Learn 8 model
R2: 0.9734744911894477
Learn 9 model
R2: 0.983760998020949
Learn 10 model
R2: 0.970035929265801
Learn 11 model
R2: 0.9888147318560191
Learn 12 model
R2: 0.9724422982608569
Learn 13 model
R2: 0.9554046278458146
Learn 14 model
R2: 0.9664401507673384
Learn 15 model
R2: 0.9806752105871513
Learn 16 model
R2: 0.977769556127485
Learn 17 model
R2: 0.9760342284284887
Learn 18 model
R2: 0.9769043647488534
Learn 19 model
R2: 0.9741849376008709
Learn 20 model
R2: 0.9740162061450146
Learn 21 model
R2: 0.919817531536493
Learn 22 model
R2: 0.9788269230776873
Learn 23 model
R2: 0.9579249703828974
Learn 24 model
R2: 0.9612684327278544
>>> o[0].mean()
0.9706082542553089
>>> o[0].std()
0.015284036641045055
 
Lorarica #:
Bu bir tanım değildir, eksiksiz bir özellikler kümesi değildir.
Bir tanım, ne olduğu sorusuna açıkça cevap vermelidir.

Elinizdeki sadece internetten MO etiketiyle alınmış bir grup kelime.
 
Maxim Dmitrievsky #:

Dolayısıyla bir stratejiyi veya eğitimi optimize etmek şuna benzer bir şey olmalıdır:

Burada ortalama puan, çapraz doğrulama kullanıldığında elde edilen sonucun benzeridir

Kabaca böyle... bu nasıl?

o[0] nedir?