Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2213
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
Sie trainieren das Neuron also auf "maximalen Gewinn", d.h. Sie trainieren nach einem Kriterium ( "maximaler Gewinn").
Alexander Alexandrowitsch sagt, dass das Neuron die beste Lösung "nicht handeln" findet. Ich weiß nicht, wie er es gemacht hat, aber okay...
Wenn das Neuron also beschließt, "nicht zu handeln" Wenn das Neuron also entschieden hat, "nicht zu handeln", bedeutet dies, dass wir ein weiteres Kriterium hinzufügen müssen (eine Mindestanzahl von Geschäften): "min. deals".
Es stellt sich heraus, dass wir bereits nach zwei Kriterien (oder 10) optimieren müssen
Wir können hier nichts normalisieren, da wir das Endergebnis nicht kennen.
Eine Menge Ziele. Normalerweise haben wir ein 2-faches Ziel. Maximaler Gewinn und keine Entnahme aus der Bilanz. Es besteht die Gefahr, dass der Gewinn abfließt.
In einem Kernkraftwerk zwischen 19 und 30 Parameter. Das Ziel ist ein maximaler und stabiler Ertrag und dass er nicht aufhört und explodiert. Bei maximalem Rückstoß kann sie explodieren, und wenn die Stangen ebenfalls herausgenommen werden, explodiert sie sicher nicht, aber sie kann anhalten.
Verschiedene Grenzzustände oder Klassen.
wahrscheinlich....
========================
eine große Stichprobe gemacht
im Quadrat ist der Teil des Tests (neue Daten), den ich gezeigt habe
Wie auch immer, 5 Minuten lang wird die Kommission alles auffressen.
Es ist jedoch möglich, ein interessantes Modell zu erstellen
Es ist notwendig, in die Fitnessfunktion sofort das Training des Modells und die Überprüfung an Schacht- und Testproben einzubeziehen
Ich habe bisher eine sehr unordentliche Arbeit geleistet.
Trainieren Sie das System ein paar Tage vor dem aktuellen Termin und testen Sie es dann eine oder zwei Wochen vorher. Schauen Sie, was passiert. Sie werden eine Menge interessanter Dinge sehen.
Danke, sie sind nicht klar.
Vergessen Sie es....
Ich verstehe Ihr Resampling auch nicht((.
Es ist oft schwer, etwas Kompliziertes zu verstehen.)
Eine Menge Ziele. Normalerweise 2x Ziel. Maximaler Gewinn, ohne das Guthaben zu belasten. Es besteht die Gefahr, dass der Gewinn abfließt.
Ja, man kann alles mit Fitnessfunktionen machen....
Es ist der "freieste" Weg, dem Neuron mitzuteilen, was es tun soll...
Trainieren Sie das System vor ein paar Tagen mit dem aktuellen System und testen Sie es dann vor ein oder zwei Wochen. Schauen Sie, was passiert. Sie werden eine Menge interessanter Dinge sehen.
Ich verstehe nicht, warum Sie das tun sollten.
Vergessen Sie es....
Ich verstehe Ihr Resampling auch nicht((.
Es ist oft schwer, etwas Kompliziertes zu verstehen.)
du verstehst es nicht, weil du es nicht gelesen hast
Ich sage dir, du sollst ein Diagramm zeichnen, was du tust, sonst weiß ich nicht, wovon du redest.
Du verstehst es nicht, weil du es nicht gelesen hast.
Ich fordere Sie auf, ein Diagramm zu zeichnen, sonst weiß ich nicht, wovon Sie reden.
Ich habe es gelesen, das letzte...
Etwas später, jetzt beim Schreiben von Code, möchte ich versuchen, nur die Modelle auszuwählen, die den Test bestanden haben, aber automatisch
Versuchen Sie eine Suche nach mehreren KriterienIch würde sagen, zeichnen Sie ein Diagramm von dem, was Sie tun, sonst weiß ich nicht, wovon Sie reden.
Ich tue dasselbe wie Vladimir im letzten Drittel dieses Artikels.
Nur passe ich die Parameter für MASD nicht an, um den Gewinn zu maximieren, sondern ich passe nur die Gewichte der Neuronen an.
Aber es ist das Gleiche.
Ich tue dasselbe wie Vladimir im letzten Drittel dieses Artikels
Nur passe ich die Parameter für MASD nicht an, um den Gewinn zu maximieren, sondern ich passe nur die Gewichte der Neuronen an.
Also das Gleiche...
Das ist die Optimierung durch ein Hyperparameter-Raster
Nun, es handelt sich um eine Hyperparameter-Gitteroptimierung
könnte man sagen, dass...
Der Punkt liegt in den Möglichkeiten.
Jede Idee kann über eine Fitnessfunktion in ein neuronales Netz eingebracht werden, auch die, die man selbst nicht in Code beschreiben kann.
Nun, man könnte sagen, dass...
Der Punkt sind die Möglichkeiten.
Jede Idee kann über die Fitnessfunktion in das neuronale Netz geschrieben werden, auch solche, die man selbst nicht in Code beschreiben kann.
lernt das Gitter immer noch durch die Minimierung der Enropie. Und das Abbruchkriterium kann aus einem beliebigen benutzerdefinierten Verlust gemacht werden
das Gitter wird immer noch durch Minimierung der Enropie gelernt. Und das Abbruchkriterium kann aus einem beliebigen benutzerdefinierten Verlust gemacht werden
Ich weiß nicht, über es in Python, aber es ist nicht so gut in r-ka, oder ich weiß nicht, wie es zu tun, das ist, warum ich diese erstellt habe...