交易中的机器学习：理论、模型、实践和算法交易 - 页 2106

新评论
 
Vladimir Perervenko:

去哪里？

好吧，不是为了最小化RMSE或什么，而是为了把你的健身磅放在那里。

 
Vladimir Perervenko:

怎么说呢？

我只是在预测模型提前500点。

做一个4个正弦波（模型）的预测很容易，实际上就是一个线性预测。

 
mytarmailS:

我把它删除了，我想没有人感兴趣，我可以把代码发给你，但我需要把它翻译成可读的形式

顺便说一下，我面临着退火方法的不稳定性，我甚至不知道如何使用它，结果非常不稳定，参数跳跃很多......


我已经来到了这里

首先，我随机地初始化起点。

然后，当找到一个解决方案时，我将其保存起来

然后我再次启动烧毁程序，但用找到的解决方案的起始参数，如此反复......

请给我回个电话。

退火是不稳定的。使用rgenout。经测试，可靠。

模型应用损失函数。编写你自己的，如果模型允许你插入你的损失函数，就试试吧。

 
mytarmailS:

我只是对由此产生的模式做了一个500分的预测

但我认为只交易前1-2笔交易。

并需要学习如何寻找参数

 
Maxim Dmitrievsky:

你可以使用2种不同的指导模式

我试着用我的基本策略单独教它--结果更糟，我想是由于不平衡的抽样--我得到了太多的零，我从这些零中学习。

我想尝试另一种变体--用一个单独的模型来教授方向。结果会发现，第一个模型训练的是波动性，而第二个模型训练的是其向量。但同样，样本量应该很大。

 
Aleksey Vyazmikin:

我试着单独教授我的基本策略--结果更糟，我想是由于不平衡的抽样--有太多的零，而训练是基于这些零。

我想尝试另一种变体--用一个单独的模型来教授方向。结果会发现，第一个模型训练的是波动性，而第二个模型训练的是其向量。但同样，样本应该很大。

对于不平衡的类，你可以使用超量取样。我已经旋转了2号和3号模型，基本上没有区别。
 
Maxim Dmitrievsky:
你可以对不平衡的类使用超量取样。我一直在运行2型和3型，基本上没有区别。

也就是说，目标为 "1 "的重复行？试了一下--我的结果在CatBoost 上几乎没有任何变化。可能需要添加一些噪音。

 
Aleksey Vyazmikin:

即，目标为 "1 "的重复行？试了一下--我的结果在CatBoost上几乎没有任何变化。可能需要添加一些噪音。

请勿重复。在谷歌上搜索超量取样，例如SMOTE。我也不在大的不平衡中学习。过度取样后，一切都很好。
 
Aleksey Vyazmikin:

即，目标为 "1 "的重复行？试了一下--我的结果在CatBoost上几乎没有任何变化。可能需要添加一些噪音。

应该是这样的。按国家安全等级进行平衡是必要的。树木会做得很好。
 
Maxim Dmitrievsky:
没有重复。在谷歌上搜索超量取样，如SMOTE。我也不在大的不平衡中学习。过度取样后，一切正常。

嗯，是的，本质上是给预测指标添加噪音。它可能会通过增加对有1的区域的选择来影响量化的界限，但根据想法，同样的效果应该是与重复的增加，我唯一假设的是，在学习开始之前，重复的部分被CatBoost 算法削减（需要验证），那么是--选项。

1...209921002101210221032104210521062107210821092110211121122113...3399
新评论