Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2833
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
Benim versiyonumla bir modeli eğitmenin sonucu RMSE ile neredeyse aynı, bu yüzden kodun bir yerinde bir hata var.
preds ve target (a[i]-a[i+1]) olarak döndürülür
Python veya katbusta hakkında fazla bilgim yok, ama aptalca sorular soracağım)
1) Veri nedir, ortalama neden preds'den değil?
2) Görünüşe göre gradyan bousting için gradyan ve hessian için daha fazla formül belirtmeniz gerekiyor?
Ne python ne de catbusta hakkında fazla bilgim yok, ama aptalca sorular soracağım)
1) Veri nedir, ortalama neden preds'den değil?
2) Görünüşe göre gradyan bousting için gradyan ve hessian için formüller belirtmeniz gerekiyor?
Görünüşe göre evet, bir şeyi atlamışım. Resmi sitedeki şablonu kullandım https://catboost.ai/en/docs/concepts/python-usages-examples.
data - model tahminlerinin oluşturulan listesi, Sharpe'ın ortalaması için aritmetik ortalamalarını hesaplamak için negatif değerleri pozitif olanlara dönüştürdüm
veri - model tahminlerinin oluşturulan listesi, negatif değerler Sharpe'ın ortalaması için aritmetik ortalamalarını hesaplamak üzere pozitif değerlere dönüştürüldü
Neden? Sharpe için orijinal işaretlerle ortalama hesaplanır.
Neden? Sharpe için, orijinal işaretlerle ortalama dikkate alınır.
Satış emirlerini de hesaba katmak için, diyelim ki -0,002 (20 pip) ve +0,003 (eksi - kısa, artı - uzun) olmak üzere 2 doğru tahmin var.
Kâr +0,005, ortalama 0,0025 ve işareti değiştirmeden 0,0005 olacaktır.
Görünüşe göre evet, bir şeyi atlamışım. Resmi sitedeki şablonu kullandım https://catboost.ai/en/docs/concepts/python-usages-examples.
İki tür metrik vardır loss_function ve eval_metric. Muhtemelen ilkine ihtiyacınız var, buraya bakın https://catboost.ai/en/docs/concepts/python-usages-examples#user-defined-loss-function
Ama yanılıyor olabilirim. Burada benden daha iyi python uzmanları ve python övücüleri var) Belki onlar size daha çok yardımcı olurlar.
Satış emirlerini de hesaba katmak için, diyelim ki -0.002 (20 pip) ve +0.003 (eksi - kısa, artı - uzun) olmak üzere 2 doğru tahmin var.
Kar +0,005, ortalama 0,0025'tir ve işareti değiştirmeden 0,0005 olacaktır.
Bu bir Sharpe olmazdı. Ayrıca, belki de sadece modülü almak değil, onu tahminin işaretiyle çarpmak gerekir (satıyorsa eksi birle, alıyorsa birle).
Benim versiyonumla bir modeli eğitmenin sonucu RMSE ile neredeyse aynı, bu yüzden kodun bir yerinde bir hata var.
preds ve target (a[i]-a[i+1]) olarak döndürülür
Aldığınız değerleri yazdırın ve diğer metrikle karşılaştırın. Her iterasyon için ikisini birden yazdırın. Catbusta early stop'ta max user criteria ve "use best model=True" seçeneklerini etkinleştirmeyi unutmayın. Verbose'u etkinleştirebilirsiniz, her iterasyonda metrik değerleri yazdıracaktır.
Araştırma amacıyla (oldukça karmaşık olsa da) özel bir kayıp fonksiyonu ile yapmak ilginç olacaktır. Bunun için bir olasılık vardır (sayfanın başına atılırsanız, en altta Kullanıcı tanımlı kayıp fonksiyonu bölümünü bulmanız gerekir).
Araştırma amacıyla (oldukça karmaşık olmasına rağmen) özel bir kayıp fonksiyonu yapmak ilginç olacaktır. Bunun için bir olasılık var (sayfanın başına atılırsanız, en altta Kullanıcı tanımlı kayıp fonksiyonu bölümünü bulmalısınız).
Araştırma amacıyla (oldukça karmaşık olmasına rağmen) özel bir kayıp fonksiyonu yapmak ilginç olacaktır. Bunun için bir olasılık var (sayfanın başına atılırsanız, en altta Kullanıcı tanımlı kayıp işlevi bölümünü bulmanız gerekir).