交易中的机器学习：理论、模型、实践和算法交易 - 页 1856

新评论
 
Maxim Dmitrievsky:

你会很惊讶，如果你得到它的权利

Confusion Matrix and Statistics

          Reference
Prediction   1   2   3
         1 266  72  15
         2  54 130  50
         3  17  55 293

Overall Statistics
                                          
               Accuracy : 0.7237          
                 95% CI : (0.6941, 0.7519)
    No Information Rate : 0.3761          
    P-Value [Acc > NIR] : <2 e-16          
                                      
 
mytarmailS:

这是在OOS上吗？

 
Maxim Dmitrievsky:

这是在OOS上吗？

是的 OOS

有两个班级/群组的效果更好

Confusion Matrix and Statistics

          Reference
Prediction   1   2
         1 381  79
         2  67 425
                                         
               Accuracy : 0.8466         
                 95% CI : (0.8222, 0.869)
    No Information Rate : 0.5294         
    P-Value [Acc > NIR] : <2 e-16         
                                         
                  Kappa : 0.6927         
                                    



数据--从开盘起2小时5分钟，扩散后进入累积总和

用kohonen进行聚类 -数据 - 2小时5分钟内的行数

按森林聚类 - 数据 -前5分钟的 行数。

 
mytarmailS:

是的 OOS

有两个班级/群组更好



数据--从开盘起2小时5分钟，扩散后进入累积总和

用kohonen进行聚类 -数据 - 2小时5分钟内的行数

按森林聚类 - 数据 -第一小时5 分钟的行数。

你走了，你还在嚷嚷。

 
Maxim Dmitrievsky:

你走了，你还在大喊大叫。

你是如何做到100%的？ 你的标志是什么？

 
mytarmailS:

你是怎么得到100%的？ 你有什么迹象？

在trail 100上，我写道，在os 0.84上，同样的事情（3个群组）。

符号是相对于第一个的价格本身。这段视频从第25分钟开始就说明了一切

从这里开始，你可以在没有森林的情况下使用它，只需通过聚类算法预测集群。使用森林是为了使其更容易转移到元古。接下来，在测试器中，在集群上运行不同的策略。
 
Maxim Dmitrievsky:

在100号托盘上，我写了，在OOS 0.84上，同样的近似值（3个群组）。

价格本身相对于第一种的迹象。这段视频从25分钟开始就说明了一切。

我可以在没有森林的情况下使用它，只需通过聚类算法预测聚类。使用森林是为了更容易地将其转移到元气。

Ta 是的，我同意，你可以通过集群来做所有的事情。


簇状Kmeans，结果比Kohonen好+-10%。

Kmeans

 Reference
Prediction   1   2   3
         1 106  40   0
         2  53 590  42
         3   1  22  98

Overall Statistics
                                          
               Accuracy : 0.834    

浩南（Kohonen

Confusion Matrix and Statistics

          Reference
Prediction   1   2   3
         1 266  72  15
         2  54 130  50
         3  17  55 293

Overall Statistics
                                          
               Accuracy : 0.7237    


但不清楚聚类是如何分布的，矩阵显示，聚类算法的看法很不一样

 
mytarmailS:

是的，我同意，你可以通过集群来做任何事情...


簇状Kmeans，结果比Kohonen好+-10%。

Kmeans

浩南（Kohonen


但不清楚集群是如何分布的，我可以从矩阵中看到，集群算法的看法很不一样。

我也有一个kameans。它通常比其他人更好、更快。显然，这个任务很简单。

试过高斯混合 - 这是一个骰子，它更糟糕。不过还没有试过用它来完成这项任务。

将集群可视化并对其进行统计，寻找不同的方法，了解哪种方法更好。原则上，我喜欢用卡明斯来做博图。

 
Maxim Dmitrievsky:

我也有一个卡明斯。它通常比其他的更好、更快。显然，这个挑战很简单。

试过高斯混合--它是垃圾，它更糟糕。不过还没有试过用它来完成这项任务。

将集群可视化并对其进行统计，寻找不同的方法，了解哪种方法更好。原则上，我喜欢用卡明斯来做博图。

我不喜欢卡明斯，它让人觉得非常不平衡

1    2    3 
 529 3093  378

"2 "是一个长笛

科霍宁更有趣

1    2    3 
1243 1497 1260
 
mytarmailS:

我不喜欢卡明斯，它是一个非常糟糕的平衡类。

"2 "是一支长笛。

科霍宁更有趣

给我看一下Kamins和Kohoos的集群的图片，所以不清楚

1...184918501851185218531854185518561857185818591860186118621863...3399
新评论