交易中的机器学习：理论、模型、实践和算法交易 - 页 3027

新评论
 
为什么一定要把规则写在助推器里？
 
Maxim Dmitrievsky #:
 我认为只需一次性生成一个验证机器人，然后通过测试器/优化器检查必要的规则即可。

最好在 python 中进行叶片选择，而最终模型--可以在终端中完成。但您必须将规则传输到终端，这也不是件容易的事。这就是为什么最好在 python 中完成所有工作--即使在某种意义上不那么精确，但可以从头到尾看到整个过程。这只是现在的一个实验....

 
mytarmailS #:
为什么要把规则放在助推器里？

我写下来了，这是汇总它们的一种方法。给出基本权重，消除不一致。找出最佳实例。

你可以使用一棵简单的树。或者你也可以自己汇总并给出权重。这些方法我都试过了。

你有其他想法吗？

 
Aleksey Vyazmikin #:

最好在 Python 中选择树叶，而最终模型--您可以在终端中完成。但你必须将规则传输到终端，这也不是那么容易。这就是为什么在 Python 中完成所有工作会更好的原因--即使在某种意义上准确性会低一些，但可以从头到尾看到整个过程。这只是现在的一个实验....

移动规则不需要任何成本。

在 python 中进行度量选择，也许我会为它们制作一个测试器。

你可以做很多事情。通过木模型，通过线性模型，通过boustings。

+ 通过调和来生成标志，这是最有效的方法之一。但它需要很长时间来计算。这是你的量化的自动模拟。

 
Aleksey Vyazmikin #:

我写道--一种汇总它们的方法。给出基本权重，消除不一致。找出最佳实例。

你可以使用一棵简单的树。或者自己汇总并分配权重。这些方法我都尝试过。

你有其他想法吗？

所以统计每条规则解决了这个问题。
频率、准确性、大小、概率....等等。

我不明白为什么会有提升。
 
Maxim Dmitrievsky #:

移动规则不需要任何费用。

Python 通过度量进行选择，也许我会为它们制作一个测试器。

你可以做很多事情。通过木质模型、线性模型、弹跳模型。

通过整理+特征生成器，这是最有效的方法之一。但这需要很长时间来计算。它是量化的自动模拟。

什么是 "整理"？

 
mytarmailS #:
每条规则统计》是如何解决这一问题的
频率、准确性、大小、概率....其他

我不明白为什么那里会有提升

树状模型可以消除不一致，揭示相互的非线性依赖关系。它不是使用一棵树上的叶子，而是使用许多不同树上的叶子。

 
Aleksey Vyazmikin #:

树状模型可以消除矛盾，揭示相互的非线性依赖关系。这不是使用一棵树上的叶子，而是使用许多不同树上的叶子。

这些规则只是模型的二元特征吗？
 
mytarmailS #:
这些规则只是模型的二进制属性？

没错。

 
Aleksey Vyazmikin #:

什么是 "对账"？

卷积，卷积核。

卷积核变换

1...302030213022302330243025302630273028302930303031303230333034...3399
新评论