IMHO, 클러스터링(HMM, 가우스 혼합)을 사용하고 시장을 여러 클러스터로 나누고 각각에 대해 훈련해야 합니다. 그러면 작동합니다. 아직 시간이 없습니다.
여기서 당신은 절대적으로 옳습니다, Maksimka, 특정 방법의 의미가 아니라 시장에 접근 할 때 원칙적으로 분리의 의미입니다. 그러나 이것은 팀이 필요합니다. 팀이 크면 많은 작업과 연구를 수행하고 고유한 방법과 접근 방식을 찾을 수 있습니다. 당신은 시장에서 달라야합니다 .... 독특합니다. 당신은 찾을 수 없습니다? :-)
여기서 당신은 절대적으로 옳습니다, Maksimka, 특정 방법의 의미가 아니라 시장에 접근 할 때 원칙적으로 분리의 의미입니다. 그러나 이것은 팀이 필요합니다. 팀이 크면 많은 작업과 연구를 수행하고 고유한 방법과 접근 방식을 찾을 수 있습니다. 당신은 시장에서 달라야합니다 .... 독특합니다. 당신은 찾을 수 없습니다? :-)
글쎄, 여기에서 무언가를 묻는 것은 어렵습니다. 모든 것은 데이터 전처리로 시작되며 그것에 대해 이야기하고 싶지 않습니다 .. (
알았어.. 관심있어
1. 알고리즘이 통화에서 작동합니까?
2. 예측은 앞으로 n개의 양초의 고정된 길이를 기반으로 하거나 네트워크 자체에서
3. 캔들당 신호를 처리하는 데 12-13초가 걸리는 이유
4. 공개방송에 바로 노리는 이유
5. 예측을 위해 데이터는 함수(가격, 지표) 또는 좀 더 까다로운 형태로 사용됩니다.
pysy 가장 확실한 시각화 유형은 트랜잭션입니다.
알았어, 내가 말하는데... 먼저 큰 그림: - 모든 것이 쉽게 시작되고 테스터의 봇이 데이터를 수집하고 csv를 만들고 각 라인은 하나의 벡터입니다. - Tensoflow를 통한 Keras 네트워크, 슈퍼 지식 필요 없음, 신경망에 대한 책 한 권 + 매뉴얼 몇 권 - Google Colab에서 계산할 수 있습니다. 처음에는 정상이지만 약간의 뉘앙스가 있습니다. - 그런 다음 HELL이 시작됩니다. 네트워크에 제출할 데이터에 대한 독특하고 멋진 아이디어가 있다면 101번째 데이터가 작동하지만 사실이 아니기 때문에 동일한 고유 데이터 중 다른 99개를 생각해 보세요. - 표준 결과: 네트워크가 훈련되지 않았습니다.
몇 가지 조언(피에 씻음): - 복잡하고 멋진 솔루션을 찾을 필요가 없으며 모든 것이 간단합니다. -- 단일 레이어 Sequential에서 첫 번째 결과를 얻었습니다. - 가격을 예측하려고 하지 마십시오. 이것은 유토피아입니다. 네트워크는 위아래로 간단한 질문을 해야 하며 가능하면 더 파고들어야 합니다. -- 100-200 벡터의 기능, 더 필요하지 않으며 더 적게 얻을 수도 없습니다. -- 1000 epoch 동안 밤새 실행하면 훈련 여부에 관계없이 100 에포크 후에는 아무 것도 표시되지 않습니다. -- 학습의 가장 작은 첫 징후를 포착하고 이곳을 파십시오. -- 다이버와 같은 목발로 신경망을 돕지 마십시오. 도움이 되지 않습니다. 스스로 학습해야 합니다. -- 입력 데이터의 수를 늘려도 도움이 되지 않습니다. 100가지 기능이 있는 최소 50-60,000개 정도면 충분합니다.
이제 질문에 대한 답변: 1. 알고리즘이 통화에서 작동합니까? EURUSD에서 첫 번째 결과를 얻었지만 큐볼이 짧은 예측에 대해 조금 더 잘 배운다는 것이 밝혀졌습니다. 왜 그런지 모르겠습니다.
2. 예측은 앞으로 n개의 양초의 고정된 길이를 기반으로 하거나 네트워크 자체에서 물론, 고정된 것으로, 학습할 때 고정된 답을 주기 때문에
3. 캔들당 신호를 처리하는 데 12-13초가 걸리는 이유 이제 내 예측은 전체 의견에서 20개 모델을 추가하고 하나의 응답을 받는 데 0.5초가 걸리므로 비동기식으로 해결할 수 있지만 여전히 방법을 모르겠습니다.
4. 공개방송에 바로 노리는 이유 나는 많은 자원을 소비했고, 나는 맞서 싸워야 한다.
5. 예측을 위해 데이터는 함수(가격, 지표) 또는 좀 더 까다로운 형태로 사용됩니다. 가득 찬 양초 + 지표 + 까다로운 것
맥스! 그리고 당신은 선험적 알고리즘 등과 같은 패턴을 찾기 위해 연관 규칙을 사용하려고 시도하지 않았습니다.
음, 베이지안 네트워크는 .. 오랫동안 배웁니다. 무엇을 가르쳐야 할지 모르겠다면 지옥
IMHO, 클러스터링(HMM, 가우스 혼합)을 사용하고 시장을 여러 클러스터로 나누고 각각에 대해 훈련해야 합니다. 그러면 작동합니다. 아직 시간이 없습니다.
가상의 기능을 생성하는 별도의 특수 기능이 있으며 부스팅에서도 동일합니다.
mgua 자체는 일반 회귀가 사용된다는 점에서 약한 알고리즘이므로 즉시 사용 가능한 기능을 생성합니다.
기능을 배치하는 이 프로세스를 영어로 무엇이라고 합니까?
기능을 배치하는 이 프로세스를 영어로 무엇이라고 합니까?
예를 들어 python을 찾아야 하는 전처리 섹션의 어딘가
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
또는 커널 방법
https://github.com/gmum/pykernels
그런 다음이 기술에서 새롭고 독창적 인 것을 볼 수 없습니다.
음, 베이지안 네트워크는 .. 오랫동안 배웁니다. 무엇을 가르쳐야 할지 모르겠다면 지옥
IMHO, 클러스터링(HMM, 가우스 혼합)을 사용하고 시장을 여러 클러스터로 나누고 각각에 대해 훈련해야 합니다. 그러면 작동합니다. 아직 시간이 없습니다.
여기서 당신은 절대적으로 옳습니다, Maksimka, 특정 방법의 의미가 아니라 시장에 접근 할 때 원칙적으로 분리의 의미입니다. 그러나 이것은 팀이 필요합니다. 팀이 크면 많은 작업과 연구를 수행하고 고유한 방법과 접근 방식을 찾을 수 있습니다. 당신은 시장에서 달라야합니다 .... 독특합니다. 당신은 찾을 수 없습니다? :-)
그날의 화두로, 시스템의 질이 트렌드를 따라가는 능력이라면.....
여기서 당신은 절대적으로 옳습니다, Maksimka, 특정 방법의 의미가 아니라 시장에 접근 할 때 원칙적으로 분리의 의미입니다. 그러나 이것은 팀이 필요합니다. 팀이 크면 많은 작업과 연구를 수행하고 고유한 방법과 접근 방식을 찾을 수 있습니다. 당신은 시장에서 달라야합니다 .... 독특합니다. 당신은 찾을 수 없습니다? :-)
팀이 크면 모든 사람을 위해 모든 것을 하는 것이 지겹다
팀이 크면 모든 사람을 위해 모든 것을 하는 것이 지겹다
주제를 따르는 사람들을 위해. 계속 아래를 내려다봐...
글쎄, 여기에서 무언가를 묻는 것은 어렵습니다. 모든 것은 데이터 전처리로 시작되며 그것에 대해 이야기하고 싶지 않습니다 .. (
알았어.. 관심있어
1. 알고리즘이 통화에서 작동합니까?
2. 예측은 앞으로 n개의 양초의 고정된 길이를 기반으로 하거나 네트워크 자체에서
3. 캔들당 신호를 처리하는 데 12-13초가 걸리는 이유
4. 공개방송에 바로 노리는 이유
5. 예측을 위해 데이터는 함수(가격, 지표) 또는 좀 더 까다로운 형태로 사용됩니다.
pysy 가장 확실한 시각화 유형은 트랜잭션입니다.
알았어, 내가 말하는데...
먼저 큰 그림:
- 모든 것이 쉽게 시작되고 테스터의 봇이 데이터를 수집하고 csv를 만들고 각 라인은 하나의 벡터입니다.
- Tensoflow를 통한 Keras 네트워크, 슈퍼 지식 필요 없음, 신경망에 대한 책 한 권 + 매뉴얼 몇 권
- Google Colab에서 계산할 수 있습니다. 처음에는 정상이지만 약간의 뉘앙스가 있습니다.
- 그런 다음 HELL이 시작됩니다. 네트워크에 제출할 데이터에 대한 독특하고 멋진 아이디어가 있다면 101번째 데이터가 작동하지만 사실이 아니기 때문에 동일한 고유 데이터 중 다른 99개를 생각해 보세요.
- 표준 결과: 네트워크가 훈련되지 않았습니다.
몇 가지 조언(피에 씻음):
- 복잡하고 멋진 솔루션을 찾을 필요가 없으며 모든 것이 간단합니다.
-- 단일 레이어 Sequential에서 첫 번째 결과를 얻었습니다.
- 가격을 예측하려고 하지 마십시오. 이것은 유토피아입니다. 네트워크는 위아래로 간단한 질문을 해야 하며 가능하면 더 파고들어야 합니다.
-- 100-200 벡터의 기능, 더 필요하지 않으며 더 적게 얻을 수도 없습니다.
-- 1000 epoch 동안 밤새 실행하면 훈련 여부에 관계없이 100 에포크 후에는 아무 것도 표시되지 않습니다.
-- 학습의 가장 작은 첫 징후를 포착하고 이곳을 파십시오.
-- 다이버와 같은 목발로 신경망을 돕지 마십시오. 도움이 되지 않습니다. 스스로 학습해야 합니다.
-- 입력 데이터의 수를 늘려도 도움이 되지 않습니다. 100가지 기능이 있는 최소 50-60,000개 정도면 충분합니다.
이제 질문에 대한 답변:
1. 알고리즘이 통화에서 작동합니까?
EURUSD에서 첫 번째 결과를 얻었지만 큐볼이 짧은 예측에 대해 조금 더 잘 배운다는 것이 밝혀졌습니다. 왜 그런지 모르겠습니다.
2. 예측은 앞으로 n개의 양초의 고정된 길이를 기반으로 하거나 네트워크 자체에서
물론, 고정된 것으로, 학습할 때 고정된 답을 주기 때문에
3. 캔들당 신호를 처리하는 데 12-13초가 걸리는 이유
이제 내 예측은 전체 의견에서 20개 모델을 추가하고 하나의 응답을 받는 데 0.5초가 걸리므로 비동기식으로 해결할 수 있지만 여전히 방법을 모르겠습니다.
4. 공개방송에 바로 노리는 이유
나는 많은 자원을 소비했고, 나는 맞서 싸워야 한다.
5. 예측을 위해 데이터는 함수(가격, 지표) 또는 좀 더 까다로운 형태로 사용됩니다.
가득 찬 양초 + 지표 + 까다로운 것