交易中的机器学习:理论、模型、实践和算法交易 - 页 2115

 
Aleksey Vyazmikin:

过度取样还没有得到什么结果,但 "tome "使结果有了一些改善--这意味着数据中存在一些东西,主要的是要适当地挖掘。

对样本进行不同量化设置的模型直方图。


它使班级之间有了更好的界限。数据也应该如此--这样才能清楚地分出类来,而且例子不会重叠。

我甚至知道怎么做......有点聪明,但还没有做。
 
Maxim Dmitrievsky:

它使班级之间有了更好的界限。这也是数据应该准备的方式--这样才能清楚地划分为不同的类别,例子不会重叠

我甚至知道怎么做......我有点聪明,但我还没有做。

我想知道如何?在我们的领域,通常可以说是均匀 混合的班级。

 
Maxim Dmitrievsky:

它使班级之间有了更好的界限。同时,数据应以同样的方式准备--以便明确划分为不同的类别,例子不重叠。

我甚至知道怎么做......有点聪明,但还没有做。
Maxim Dmitrievsky:
在标签采样中加入聚类。按相同的属性进行聚类,然后用聚类进行采样。这些班级将被分开,但目前还不清楚新数据会发生什么。从理论上讲,它应该得到改善。

因此,本周我在这里介绍了这个想法:)

只是我建议减少主要课程的数量。

 
Aleksey Vyazmikin:

所以我这周在这里介绍了这个想法:)

只是我建议减少主要课程的数量。

我还没有看到
 
Maxim Dmitrievsky:
我没有见过

是否有任何方法/工具可以自动做到这一点?

 
Aleksey Vyazmikin:

是否有任何方法/工具可以自动做到这一点?

我不知道,我得看看。也许这个周末我可以去看看。
 
Maxim Dmitrievsky:
我不知道,我得看看。也许这个周末我可以去看看。

如果你找到了,请告诉我,否则我将开始建造我的自行车 :)

Elibrarius 提出了一个想法--只要建立一个分支树,用它来代替聚类,从叶子中获取信息,以减少多数类。

 

目前的期货--在2018年完成的培训。太漂亮了。

而这里是最后一个期货中的相同模式。这里更悲伤,但可以忍受。

甚至在接近训练结束的时候,让我们看看未来的情况。而这正是问题所在。

而且我不明白发生了什么事--似乎越接近训练结束,结果应该越好,但事实恰恰相反--出现了反常现象!"。

 

答案似乎在于趋势本身--当前的期货没有MO

最后一次

而且还

哦,那是MO!?

 
不,按百分比来说,有一个学习曲线型--没有MO,40%-45%是盈利的,有MO,60%-65%。但对于交易来说,除非利润等于损失,否则它不是一个指标。