Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1897
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
"Ein Deep-Learning-Algorithmus mit einem Lehrer erreicht eine akzeptable Qualität mit etwa 5000 markierten Beispielen pro Kategorie.
Für m1 ist es eine tägliche Umschulung auf Geschichten pro Woche, für m5 einmal pro Woche auf Geschichten pro Monat.
Gibt es für die anderen Methoden Zahlen zum Vergleich?
Ich verstehe die Uhrzeit immer noch nicht: 1, 2, 9 Uhr ist nur die Endzeit?
Es scheint schwer zu sein, hier einen Fehler zu machen.
Ich kann einen Artikel schreiben, denn es ist keine Option, jeden Punkt im Forum zu erklären.
Ich habe eine Menge interessanter Dinge wie Python-Code, Clustering, Baumparser
Ich habe herausgefunden, die Bedingungen für die Einreise in den Handel, können Sie bereit Bots hinzufügen, um vorgefertigte Bots zu generieren, es ist coolEs scheint schwer zu sein, hier einen Fehler zu machen.
Ich kann einen Artikel schreiben, weil es nicht möglich ist, jeden Punkt im Forum zu erklären.
und es gibt eine Menge interessanter Dinge wie Python-Code, Clustering, Baumparser
Ich habe die Bedingungen für die Eingabe der Trades verstanden, ich kann vorgefertigte Bots hinzufügen, es ist coolich sehe, der Artikel wäre gut)))
Ich sehe, der Artikel wäre gut)))
aber auf den neuen Daten schüttet es wie aus Eimern, wie bei allen MO. In der Ausbildungszeit ist es wunderschön.
Ich wollte die Umschulung durch die Einführung von groben Clustern umgehen, aber irgendetwas ging schief ))
aber auf die neuen Daten schüttet es wie aus Eimern, wie bei allen MO. In der Lernphase ist es wunderschön.
Ich wollte die Umschulung umgehen, indem ich vergröberte Cluster einführe, aber irgendetwas ging schief ))
Ich brauche eine Kontrolle der Korrespondenz der realen Zeile zu testen, ein (nur um zu sagen) Aber wie es zu tun, ich verstehe nicht, so weit, dass die Verzögerung wäre akzeptabel, oder zumindest verständlich.
Wir müssen die Korrespondenz der realen Reihe mit der Testreihe kontrollieren (um es mal so zu sagen). Aber wie man das macht, verstehe ich noch nicht, damit die Verzögerung akzeptabel oder zumindest verständlich ist.
alles ist bereits in der Idee enthalten - gebündelte saisonale Muster, die sich angeblich wiederholen (und manchmal auch tatsächlich)
Aber... falscher Mantel. Oder der Baum ist stark übertrainiert und Sie müssen ein Neuronetz trainieren und analysieren
Aber das ist alles Blödsinn. Wenn der Baum nichts anzeigt, bedeutet das, dass es keine Regelmäßigkeit gibt. Es gibt keinen Grund für Deep Learning.5000 pro Feature ist der allgemeine Standard, besser zwischen 5000 und 10000.
Ganzer Satz: Ein Deep-Learning-Algorithmus mit einem Lehrer erreicht eine akzeptable Qualität mit etwa 5000 markierten Beispielen pro Kategorie und ist mit einem Menschen vergleichbar oder ihm sogar überlegen , wenn er auf einem Datensatz mit mindestens 10 Millionen markierten Beispielentrainiert wird .
Daten und Macht sind alles.
Ich sehe keinen Sinn in einer zusätzlichen Ausbildung auf dem Weg dorthin... Im Prinzip ändert sich nichts, ich arbeite jetzt schon den dritten Monat ohne Umschulung, die Qualität hat sich nicht verändert. Das hängt von der Länge der Geschichte ab, auf die das Netz trainiert wurde. Wenn Sie 3 bis 5 Jahre lang Gebühren erheben, wird das Netz stabile Regeln bilden, die die ganze Zeit über funktioniert haben und sich an sie erinnern.
Das hängt von der Herangehensweise an das Problem ab. Wenn man davon ausgeht, dass Systeme nur eine begrenzte Zeit leben, muss man regelmäßig optimieren, je kleiner die TF, desto öfter.
Um lokale Minima als mögliche Ursache von Problemen auszuschließen , ist es sinnvoll, dieGradientennorm gegen die Zeit aufzuzeichnen .Wenn die Gradientennorm nicht gegen Null geht, handelt es sich nicht umlokale Minima.
Haben Sie das schon einmal gemacht?
Haben Sie das nicht getan?
Das ist eine schwierige Frage. Ich füttere das Netz einfach mit verschiedenen Merkmalen und fange es ab, wenn es Anzeichen von Lernbereitschaft zeigt. Dann teste ich sie sofort auf einem realen Markt. Das Netz beantwortet die Frage "oben/unten", so dass die Antworten auf jede Kerze zutreffen, allerdings mit unterschiedlichem Vertrauensgrad. Alles ist einfach )) keine offenen Positionen, keine Gewinne und keine Verluste.