트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 400

새 코멘트
 
도서관 :

나는 각 네트워크의 동작을 따로따로 알아낸다. 그리고 그들의 출력에서 무엇을 얻을지는 취향의 문제입니다)

그건 그렇고, 나는 당신의 파일에서 코드를 봅니다 - 기사에서와 달리 다른 공식이 있습니다. N

분명히 저자는 공식을 수정했습니다.

따라서 원래 공식에 따르면 3개의 입력이 아니라 여전히 8개의 입력이 있습니다. 새 공식의 본질을 이해할 때까지는 여전히 8개입니다.


당신은 잘못된 기사를 읽고 있습니다 :) 여기
 

이들은 다른 직업입니다. 당신은 그들을 먹을 필요가 없습니다.

변수로

v0=블라블라블라

v1=블라블라블라

v2=ㅋㅋㅋㅋ

v3=ㅋㅋㅋㅋ

v4=ㅋㅋㅋㅋ

v5=ㅋㅋㅋㅋ

v6=ㅋㅋㅋㅋ

v7=ㅋㅋㅋㅋ

입력 값이 입력됩니다. 그런 다음이 모든 것이 함수에 입력됩니다.

 double getBinaryClassificator1( double v0, double v1, double v2, double v3, double v4, double v5, double v6, double v7) {

//нормализация данных
   double x0 = 2.0 * (v0 + 1189.0 ) / 2047.0 - 1.0 ;
   double x1 = 2.0 * (v1 + 810.0 ) / 2247.0 - 1.0 ;
   double x2 = 2.0 * (v2 + 1636.0 ) / 2155.0 - 1.0 ;
   double x3 = 2.0 * (v3 + 558.0 ) / 1252.0 - 1.0 ;
   double x4 = 2.0 * (v4 + 139.0 ) / 494.0 - 1.0 ;
   double x5 = 2.0 * (v5 + 74.97643 ) / 144.15451 - 1.0 ;
   double x6 = 2.0 * (v6 + 1026.56016 ) / 1938.48639 - 1.0 ;
   double x7 = 2.0 * (v7 + 4167.0 ) / 7074.0 - 1.0 ;
   
//полином он же сеть он же ИИ он же ГУРу и т.д. Но данные уже нормализованны.


double decision = 3.162907268170426 * sigmoid(x0)
  - 1.0554004772410066 * sigmoid(x1 + x2 + x3)
  + 3.8921930574940347 * sigmoid(x0 + x1 + x4)
  - 1.3775531643479957 * sigmoid(x1 + x2 + x3 + x4)
  - 0.44704575810784447 * sigmoid(x0 + x5)
  - 0.012703915477316044 * sigmoid(x0 + x1 + x5)
  - 7.231026668467576 * sigmoid(x2 + x5)
  - 0.059339966683175004 * sigmoid(x2 + x4 + x5)
  - 2.786314588867378 * sigmoid(x0 + x1 + x2 + x4 + x5)
  + 2.1339726561913768 * sigmoid(x0 + x1 + x6)
  - 0.49562529077183975 * sigmoid(x0 + x4 + x6)
  + 5.2147434454399475 * sigmoid(x0 + x3 + x4 + x6)
  - 2.890797352663095 * sigmoid(x5 + x6)
  + 0.10933021175693726 * sigmoid(x0 + x5 + x6)
  - 1.6844056248405446 * sigmoid(x1 + x2 + x5 + x6)
  - 0.18093137034202272 * sigmoid(x1 + x3 + x5 + x6)
  + 0.6607987033451893 * sigmoid(x1 + x7)
  - 1.8854921735476415 * sigmoid(x0 + x1 + x3 + x7)
  - 1.1169615655906233 * sigmoid(x2 + x5 + x7)
  - 0.6844731589452674 * sigmoid(x4 + x6 + x7)
  - 0.4231236774571158 * sigmoid(x1 + x2 + x3 + x4 + x6 + x7)
  + 5.763615625891075 * sigmoid( 1.0 + x1 + x2 + x3 + x5)
  - 0.3138985187519697 * sigmoid( 1.0 + x0 + x1 + x4 + x5)
  - 1.8910224663455044 * sigmoid( 1.0 + x1 + x3 + x4 + x5)
  + 2.1204658352467995 * sigmoid( 1.0 + x2 + x3 + x4 + x5)
  + 6.219005597826903 * sigmoid( 1.0 + x2 + x3 + x4 + x6)
  - 3.740916662914772 * sigmoid( 1.0 + x0 + x1 + x3 + x4 + x5 + x6);
   return decision;
}
 

레셰토프:

VS 두 클래스 의사 결정 포리스트 및 로지스틱 회귀:

글쎄, 여기 Reshetov의 승리는 건조하다

파일:
HARD.txt  7 kb
 
막심 드미트리예프스키 :

레셰토프:

VS 2종 의사결정 포레스트 및 로지스틱 회귀

글쎄, 여기 Reshetov의 승리는 건조하다


Hard 데이터셋을 실행하면 72%의 일반화라는 다소 약한 결과를 얻을 수 있습니다. 그런데 제가 버린 모델을 선택하고 HARD.mql 파일에서 이미 계산된 모델을 가져와 비교합니다. 그리고 무승부가 의미하는 바는, ruseltat를 해석하기 어렵다는 것을 고백합니다.
 
마이클 마르쿠카이테스 :

Hard 데이터셋을 실행하면 72%의 일반화라는 다소 약한 결과를 얻을 수 있습니다. 그런데 제가 버린 모델을 선택하고 HARD.mql 파일에서 이미 계산된 모델을 가져와 비교합니다. 그리고 무승부가 의미하는 바는, ruseltat를 해석하기 어렵다는 것을 고백합니다.

이것은 첨부된 벗겨진 것입니다.. 참 긍정 및 참 부정 필드를 참조하십시오. 매수 및 매도에 대해 성공적으로 예측된 수, R.는 더 많이 성공적으로 예측했으며, 다른 모델에서는 45%에 대해 65%를 예측했습니다. 저것들. 그의 모델은 이익을 줄 것이고 다른 사람들은 손실을 줄 것입니다.
 
도서관 :

뉴런을 10개의 입력으로 확장합니다...
그러나 1024에 규칙을 추가해야 합니다.

r0 = (1 - A) * (1 - B) * (1 - C) * p0
r1 = (1 - A) * (1 - B) * C * p1
r2 = (1 - A) * B * (1 - C) * p2
r3 = (1 - A) * B * C * p3
r4 = A * (1 - B) * (1 - C) * p4
r5 = A * (1 - B) * C * p5
r6 = A * B * (1 - C) * p6
r7 = A*B*C*p7


.....

r1023=


무섭게 나왔네요 :D
파일:
rnn_10.mq5  115 kb
 
박사 상인 :

무섭게 나왔네요 :D

ㅋ ㅋ . . . . 진짜 외모 , 겁나 라고 하기도 .....
 
박사 상인 :

무섭게 나왔네요 :D
수동으로 컴파일되지 않았으면 좋겠습니다. 사이클에서는 어떻습니까? 수동 - 1시간 이상 소요됩니다...
 
도서관 :
수동으로 컴파일되지 않았으면 좋겠습니다. 사이클에서는 어떻습니까? 수동 - 1시간 이상 소요됩니다...

손으로 실수를 할 수 있다고 생각합니다 ...
 
박사 상인 :

무섭게 나왔네요 :D

옵티마이저에서 매우 오랜 시간이 걸리기 때문에 무섭고 약간 쓸모가 없습니다. 클라우드에서는 여전히 할 수 있습니다.
1...393394395396397398399400401402403404405406407...3399
새 코멘트
사유: