交易中的机器学习：理论、模型、实践和算法交易 - 页 2115

[Maxim Dmitrievsky]

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。

[Forester]

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。

[Aleksey Vyazmikin]

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。

[Maxim Dmitrievsky]

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

[Aleksey Vyazmikin]

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？

[Maxim Dmitrievsky]

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。

[Aleksey Vyazmikin]

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。

[Aleksey Vyazmikin]

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！"。

[Aleksey Vyazmikin]

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！？

[Aleksey Vyazmikin]

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。