Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3359

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

İngiltere'nin bununla ne ilgisi var?

Nitelikli bir adama benziyorsun ama kendini hep çöp kutusuna sürüklüyorsun.

Çok nadiren esaslı itirazlar yapıyorsunuz...

Webinarından aldım. Başka ne esaslı olabilir ki?

Ayrıca tüm yöntem isimleri orada, google'da arayabilirsiniz. En sevdiği iki yöntemden bahsetti.

Bir sürü kurs almış, yarı zamanlı bir iş için İngiltere'ye gitmiş. Google ya da meth, hatırlayamıyorum. Benim için saçmalık yerel muhataplar :)

Kendim çok uzak olmama rağmen IT alanında iyi pozisyonlarda arkadaşlarım var. İçlerinden biri tüm bankacılık altyapısını büyüttü. Zaman zaman saçma sapan şeyler için beni sıkıştırıyorlar, bazen de bilgime şaşırıyorlar. Savunma Bakanlığı'na olan ilgim de buradan geliyor. Yani her şey temiz ve düzenli.

Bu alanla hiçbir ilgim yok. Sadece eğlence için. Sıfır matematik geçmişim var, tamamen sezgilerime dayanıyor. Yani, bir tür lise matematik programını bile geçemem. Ya da herhangi bir programlama modelini.

Eğer buraya sıkı bir MOSHnik getirirseniz, hepinizi paramparça eder. Yani beni anlamıyorsanız, o sizin için Tanrı olacaktır. Ama kesinlikle bu hayvanat bahçesine gelmeyecek :) ve yüksek bir çan kulesinden R'nizi umursamıyor.

Ve başlayacağı ilk şey, bu Forex üzerinde oturduğunuz için hepinizin burada sakat olduğunuzdur :)

[Maxim Dmitrievsky]

Destek vektör yöntemi ve karar ağaçları gibi sınıflandırıcılar , iç özelliklerine dayalı olarak sınıf olasılıklarının tahminlerini sağlayabildikleri içinpredict_probaişlevine sahiptir . Ancak bu olasılık tahminleri tamamen doğru olmayabilir veya sınıflandırıcının gerçek güvenini yansıtmayabilir.

Örneğin,destek vektör yöntemi için ,predict_probaişlevi ayırıcı hiper düzleme olan uzaklığa dayalı olasılık tahminleri döndürebilir, ancak bu değerler yöntemin kendi özellikleri nedeniyle çarpık olabilir.

Karar ağaçları için ,predict_proba fonksiyonu yaprak düğümlerdeki her bir sınıfa ait nesne sayısına dayalı olarak sınıf olasılıklarını hesaplayabilir, ancak bu olasılıklar ağacın yapısı nedeniyle tam olarak doğru olmay abilir.

Bu nedenle,bu sınıflandırıcıların birpredict_probaişlevi olmasına rağmen , sağladıkları olasılıklar naif Bayes sınıflandırıcısı veya lojistik regresyon gibi olasılıksal bir modele dayanan yöntemlere kıyasla daha az güvenilir olabilir.

[Maxim Dmitrievsky]

<Moderatör tarafından kaldırıldı> için küçük bir deney sunuyorum.

Bir model eğitildi, hangisi olduğu önemli değil, kalibrasyon olmadan eşik artırıldığında özelliklerini iyileştirmiyor. Anlaşmalar daha az olur, kar futcor büyümez.

Mevcut şekilde kalibre edildi, farklı eşiklerle çalıştırıldı. Kalibrasyon 2015'ten sonraydı, ondan önceki her şey OOS.

Yöntem özeldir, kendim buldum. Sonra bunu iyi bilinenlerle karşılaştıracağım, çünkü MT5'e aktarımlarında küçük bir aksaklık var, o zaman karar vereceğim.

eşik 0.5

0.6

0.7

Başlangıçta zayıf modellerin bile kalibrasyonunun bazı sonuçlar verdiğine dair basit bir örnek.

CHTD

[Maxim Dmitrievsky]

Başka veriler üzerinde eğitilmiş bir modeli kendi etiketlerine göre kalibre etmek için de bir hile vardır. Açıklamayacağım bazı ince durumlarda, bunun iyi bir etkisi vardır.

[СанСаныч Фоменко]

mytarmailS #:

Kalibrasyon nedir

h ttps://stats.st ackexchange.com/questions/552146/probability-calibration-of-statistical-models

Nasıl kalibre edilir

https://www.tidy models.org/learn/models/calibration/

h ttps://mlr.mlr- org.com/articles/tutorial/classifier_calibration.html

Makaleleri okuyun, bağlantılardaki makaleleri okuyun.

Garip bir izlenim.

Makalelere göre kalibrasyonun amacı bir şekilde yumuşatmaktır. ve yumuşatılmış olasılıklar ve yumuşatılmamış olasılıklar üzerinde eşikler belirlemekten daha iyi ne olabilir? Herhangi bir tahmin yok, ancak bana göre sınıflandırma hatasına ilişkin bir tahmin var.

[Aleksey Nikolayev]

Görünen o ki, sadece "olasılıklar" üreten bir regresyon için değil, herhangi bir regresyon için kalibrasyon yapmak oldukça mümkün. Bunun bir anlamı var mı merak ediyorum.

[mytarmailS]

Aleksey Nikolayev #:
Eğer bir anlamı varsa.

Bu en önemli soru.

[Aleksey Vyazmikin]

Yeni iş - prediktör satışı

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

Basit bir örnek, başlangıçta zayıf olan modellerin bile kalibrasyonunun bazı sonuçlar vermesidir.

Kalibrasyon, modelin performansını yorumlamak için belirli verilere göre ayarlanmış bir mekanizmadır.

Kendi başına modelin çıktı değerlerini değiştirmez. Nicelleştirmeden sonra sınıf oranındaki bir artış nedeniyle aralıkların yeniden düzenlendiği varyant - bunu modellerde görmedim - her şey her zaman sorunsuz akar. Belki 100 segmente bölerseniz bu durum ortaya çıkacaktır....

Simülasyona göre, kalibrasyon genel olarak 0,5 noktasında bir kaymaya yol açar - daha çok büyük tarafta. Yani kalibrasyon olmadan böyle bir nokta bulabilirsiniz - bunu neden yapamadığınız oldukça belirsiz, özellikle de tüm pozisyonlar için aynı Kar Al ve Zararı Durdur'a sahipseniz. Aynı değillerse, tamamen farklı bir yaklaşıma ihtiyacınız var - beklenti matrisine göre kalibrasyon :)

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

Kalibrasyon, model performansını yorumlamak için belirli verilere göre ayarlanmış bir mekanizmadır.

Kendi başına modelin çıktı değerlerini değiştirmez. Nicelleştirmeden sonra aralıkların yeniden düzenlenmesinin sınıf oranındaki bir dalgalanma nedeniyle meydana geldiği varyantı - modellerde görmedim - her şey her zaman sorunsuz akar. Belki 100 segmente bölerseniz bu durum ortaya çıkacaktır....

Simülasyona göre, kalibrasyon genel olarak 0,5 noktasında bir kaymaya yol açar - daha çok büyük tarafta. Yani kalibrasyon olmadan böyle bir nokta bulabilirsiniz - bunu neden yapamadığınız oldukça belirsiz, özellikle de tüm pozisyonlar için aynı Kar Al ve Zararı Durdur'a sahipseniz. Aynı değillerse, tamamen farklı bir yaklaşıma ihtiyacınız var - beklenti matrisine göre kalibrasyon :)

Kimseyi kışkırttığım falan yok. Pek çok yaklaşım var, soru MO'nun bilgisi hakkındaydı

Tüm sorunlar için her zaman sihirli bir tedavi vardır - hareket eden her şeyi optimize edin.