Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2380

 
Alexey Vyazmikin :

Yanlışlıkla sütun olduğunu düşündüm.

Yine de, bir örnekle bir dosya üzerinde tam eğitim yapmak ve başka bir dosyayı kontrol etmek mümkün müdür?

Alex, her şey mümkün!

Ama ilgilenmiyorum..

R öğrenin! Özellikle eğitim için harika bir dil..
 
mytarmailS :

Alex, her şey mümkün!

Ama ilgilenmiyorum..

R öğrenin! Özellikle eğitim için harika bir dil..

Yardım için teşekkürler.

Doğruluk (Hassasiyet) ve geri çağırma (Geri Çağırma), CatBoost'un ortaya çıkardığından önemli ölçüde daha iyidir.

Tüm örnekleri tek bir dosyada birleştirdim.

Peki, belki de bu yönde düşünmeliyiz?

 
Alexey Vyazmikin :

Yardım için teşekkürler.

Doğruluk (Hassasiyet) ve geri çağırma (Geri Çağırma), CatBoost'un ortaya çıkardığından önemli ölçüde daha iyidir.

Tüm örnekleri tek bir dosyada birleştirdim.

Peki, belki de bu yönde düşünmeliyiz?

Yeni verilerde mi yoksa eğitim verilerinde mi daha iyi?

Buradaki ve oradaki sayılar nelerdir?

 
elibrarius :

Yeni verilerde mi yoksa eğitim verilerinde mi daha iyi?

Buradaki ve oradaki sayılar nelerdir?

Ne yazık ki, yanılmışım, doğruluk daha kötü, daha iyi değil.



Ancak, bu zor bir örnek - ondan öğrenmek gerçekten mümkün değil - yarın CatBoost'un iyi modellerinin olduğu başka bir tane deneyeceğim. Modelin parametrelerini anlamıyorum, bu yüzden karşılaştırma pek adil olmayabilir.

Büyük Geri Çağırma nedeniyle, bu model genel olarak ayrı bir tahmin edici olarak kullanılabilir. Ama bu davayı dosyaya nasıl yükleyeceğimi bilmiyorum :)

 
Maksim Dmitrievski :

Burada o kadar paradoksal bir durum var ki, yanlışlıkla bana doğru söyleseniz bile kimse takdir etmeyecek.

değerlendirme kriteri olmadığı için)

Hayır, değerlendirme ve tanıma hiç gerekli değildir - çünkü o zaman kesinlikle inmezler)

Bunun yerine, herhangi bir forum fikrinde sağduyu bulmaya çalıştığımda bunu bir tür alıştırma veya bulmaca olarak alıyorum)

Bu özel durumda, sınıflandırma için lojistik regresyon kullanılıyorsa, kement oldukça uygulanabilir görünmektedir.

 

Başka bir örnek üzerinde denedim - başvuruyorum


X <- read.csv2( "F:\\FX\\Открытие Брокер_Demo\\MQL5\\Files\\ZZ_Po_Vektoru_TP4_SL4_Si_QMini_02_Bi\\Si_cQq\\Setup\\xxx.csv" )
Y <- X$Target_100
X <- as .matrix(within(X, rm( "Time" , "Target_P" , "Target_100" ,
                             "Target_100_Buy" , "Target_100_Sell" )))
library (glmnet)
tr <- 1 : 14112 # train idx
best_lam <- cv.glmnet(x = X[tr,], 
                      y = Y[tr],alpha = 1 , 
                      lambda = 10 ^seq( 2 , - 2 , by = -. 1 ), 
                      nfolds = 5 )$lambda.min

lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1 , lambda = best_lam)
pred <- predict(lasso_best, s = best_lam, newx = X[-tr,])

sma <- TTR::SMA(pred, 20 )
pred2 <- c(pred-sma) ; pred2[pred2> 0 ] <- 1 ; pred2[pred2<= 0 ] <- 0

yy <- tail(Y[-tr] , 3528 )
pp <- tail(pred2 , 3528 )
caret::confusionMatrix( as .factor(yy), as .factor(pp))
    Reference
Prediction     0      1
         0 1063    860
         1    567 1019
Soru, modelin nasıl elde edileceği ve öncelikle sınıflandırmanın bir dosyaya nasıl kaydedileceğidir.
Dosyalar:
xxx.zip  482 kb
 
Alexey Vyazmikin :

Başka bir örnek üzerinde denedim - başvuruyorum


Soru, modelin nasıl elde edileceği ve öncelikle sınıflandırmanın bir dosyaya nasıl kaydedileceğidir.

katbust oldukça güçlü bir düzenliliğe sahiptir, özellikle işaretler kategorik ise, o zaman onları boost'ta bu şekilde beyan etmeniz gerekir.

 
Maksim Dmitrievski :

katbust oldukça güçlü bir düzenliliğe sahiptir, özellikle işaretler kategorik ise, o zaman onları boost'ta bu şekilde beyan etmeniz gerekir.

İkili için, kategorik olup olmadıkları önemli değildir.

Düzenlileştirmeyi azaltmayı deneyebilirsiniz - iyi fikir - teşekkürler.

Bu arada Lasso, numunenin inceleme kısmında daha iyi sonuçlar gösterdi.

 
Maksim Dmitrievski :

Onlar. 5 periyotlu veya fiyat farkı olan bir tür makinede anlaşmalar yapın ve ne olduğunu görün

Aynı zamanda, eğitim sırasında işaretler de yumuşatılacaktır.


aynı şekilde deneyin. Özel test cihazında iyi çıktı, modeli dışa aktarırken bir sorun var, daha sonra bir hata arayacağım.

 
Alexey Vyazmikin :

İkili için, kategorik olup olmadıkları önemli değildir.

Düzenlileştirmeyi azaltmayı deneyebilirsiniz - iyi fikir - teşekkürler.

Bu arada Lasso , numunenin inceleme kısmında daha iyi sonuçlar gösterdi.

Belki de bu, sınav örneğinin sadece iyi bir parçasıdır. Ve bunun için en iyi parametrelere sahip bir model seçerek bir ayarlama yaparsınız.

Şimdi her zaman çapraz doğrulama (veya ileriye doğru yürüme) ile kontrol ediyorum, küçük bir alan için uygun değil, ancak hemen tüm veriler için bunun en iyi eğitim seçeneği olduğunu düşünüyorum.
Doktor ayrıca forumdan kaybolmadan önce kontrol etmesini tavsiye etti.