Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 516
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Überprüft und Gerüst - viel schneller als NS (4 min.), und das Ergebnis ist etwa die gleiche. Interessant ist auch, dass die lineare Regression sogar noch schneller zu den gleichen Ergebnissen führt.
Wie jemand hier schrieb - es geht nur um Funktionen.
Nun, das ist die Hauptsache, und das Spiel mit verschiedenen Modellen und Taschen wird nicht eine große Steigerung geben :)
Soweit ich verstanden habe, kann man dort 1-2 Epochen einstellen, weil es fast immer beim ersten Mal konvergiert... vielleicht war das eine Auslassung? obwohl ich es schon lange nicht mehr benutzt habe, könnte ich verwirrt sein.
Ich habe nirgendwo eine Grenze in Epochen gesehen
mlptrainlm-Funktion
Nun, das ist die Hauptsache, und das Spielen mit verschiedenen Modellen und Taschen wird dir keinen großen Auftrieb geben :)
In Vladimirs letztem Artikel gibt es 2 davon.
Bei linearer Regression werden sie sich im Gegenteil verschlechtern.
mlptrainlm-Funktion
Ich denke, der Vorteil von NS ist es, nicht-lineare Abhängigkeiten zu finden und sie zu nutzen.
Der letzte Artikel von Vladimir enthält 2 davon.
Die lineare Regression hingegen wird durch sie verschlechtert.
Scaffolding wird auch ausschließlich für nichtlineare Muster verwendet, es funktioniert nicht bei linearen Mustern
Dies ist nur ein empfohlener Wert, niemand hält Sie davon ab, 1000 zu setzen, aber es wird lange dauern... Ich habe im Code nachgesehen - es gibt nur eine Schleife über die Anzahl der Epochen (ich habe übrigens auch 2 verwendet).
Scaffolding wird auch ausschließlich für nichtlineare Muster verwendet, es funktioniert nicht bei linearen Mustern
Wenn jemand herumspielen möchte, lernt das Gerüst aus den Inkrementen und gibt eine Vorhersage von 1 Takt voraus. In den Einstellungen legen Sie die Lerntiefe, die Verzögerung für die Inkremente und die Anzahl der Einträge fest (jeder neue Eintrag ist eine Verschiebung um 1 Takt nach hinten). Dann wird der prognostizierte Wert von den aktuellen Preisen abgezogen. Das Histogramm wird nur für jeden neuen Balken gezeichnet, ich habe es im Visualizer gesehen.
Vielleicht ist das der Grund, warum der Wald im Validierungsplot um 0,4 % besser ist als die lineare Regression). Lernzeit 36 bzw. 3 Minuten (bei 265 Eingaben). Die lineare Regression beginnt mir zu gefallen.
Ich habe auch verglichen - ich habe BP Autoregression und ich habe das gleiche durch den Wald - die Unterschiede sind minimal :) Im Wesentlichen bedeutet dies, dass es dort kein normales Muster gibt.