Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1116
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
Wozu brauchen Sie die Zeit, wenn die Daten vor dem Training gemischt werden, es sei denn, um den OOS-Abschnitt hervorzuheben... Mach dir nichts draus, zeig mir einfach die Ergebnisse...
Ich brauche es.
Ergebnisse. Siehe mein Thema. Sie sind dort mit dem Fall befasst.
itslek lief für Validol))))
Datensatz mit 42 Beispielen! 42 Beispiele!
erwähnen Sie nicht einmal die Zeit in der Zeitleiste!
Sieh an.
Teilen Sie den Prädiktor in zwei Teile auf: ein Teil gehört zu einer Klasse, der andere Teil zur anderen Klasse. Zeichnen Sie ein Histogramm von jeder Hälfte und kombinieren Sie es.
Also.
Die Prädiktoren sind von unterschiedlicher Qualität, aber sie haben alle eine viel bessere Vorhersagekraft als früher (aus dem Gedächtnis)
Wir müssen ein Maß für den Abstand zwischen den Histogrammen einführen, das den Unterschied zwischen den Histogrammen realistischer darstellt und genauer ist als ein Bild.
Datensatz für 42 Beispiele
Schau, ich verstehe dich nicht.... Wenn Ihre KI so cool ist, dass sie aus 1000 Beispielen lernen kann, wird sie wie eine Nuss sein. Wo liegt das Problem?
Sieh an.
Teilen Sie den Prädiktor in zwei Teile auf: ein Teil gehört zu einer Klasse, der andere zu der anderen Klasse. Zeichnen Sie ein Histogramm von jeder Hälfte und kombinieren Sie es.
Also.
Die Prädiktoren sind von unterschiedlicher Qualität, aber sie haben alle eine viel bessere Vorhersagekraft als früher (aus dem Gedächtnis)
Wir müssen ein Maß für den Abstand zwischen den Histogrammen einführen, das den Unterschied zwischen den Histogrammen realistischer darstellt und genauer ist als ein Bild.
Toll... weiter. Wir brauchen das Ergebnis eines trainierten Modells. Datenanalyse ist gut, aber das Wichtigste ist natürlich der Gewinn, wenn ich mich nicht irre. Deshalb bitte ich dich, sie zu tauschen, wenn du kannst...
Hören Sie, ich verstehe Sie nicht.... Wenn Ihre KI so cool ist, dass sie aus 1.000 Beispielen lernen kann, wäre diese Probe ein Kinderspiel. Wo liegt das Problem?
Eigentlich ist es genau andersherum...
besser ein schlechterer Algorithmus mit mehr Beispielen als ein guter Algorithmus mit weniger Daten.
auch 1000 ist nicht genug, vor allem für den Markt...
Eigentlich ist das Gegenteil der Fall...
agree.... Das hängt davon ab, welches KI-Tool Sie verwenden. Einige erfordern einen großen Stichprobenumfang und andere, wie ein Vektor von Referenzvektoren, benötigen keine große Stichprobe, weil die Methode ressourcenintensiv ist und bei einer großen Stichprobe extrem lange dauert...
agree.... Das hängt davon ab, welches KI-Tool Sie verwenden. Einige erfordern einen großen Stichprobenumfang und andere, wie Vektoren von Referenzvektoren, benötigen keine große Stichprobe, da die Methode ressourcenintensiv ist und die Durchführung mit einer großen Stichprobe extrem lange dauert...
Was ist KI?
Nicht schlechte Ergebnisse bei der Vorhersagefähigkeit werden NICHT zu stabilen Modellen führen, da die Anzahl der Beobachtungen = 51 einfach lächerlich ist. Wir brauchen mindestens das 10-fache, besser das 100-fache dieser Zahl.
Wenn man Modelle auf dieser Anzahl von Beobachtungen aufbaut, sind die Ergebnisse miserabel.
Vorhersage
Tatsächlich [0,0] (0,1] Fehler
[0,0] 42.9 28.6 40
(0,1] 28.6 0.0 100
Gesamtfehler: 57,1%, durchschnittlicher Klassenfehler: 70%
Rassel Zeitstempel: 2018-10-18 21:29:39 Benutzer
======================================================================
Fehlermatrix für das lineare Modell auf Mic1.txt [validieren] (Zählungen):
Vorhersage
Tatsächlicher [0,0] (0,1) Fehler
[0,0] 1 4 80
(0,1] 2 0 100
Fehlermatrix für das lineare Modell auf Mic1.txt [validieren] (Proportionen):
Vorhersage
Tatsächlich [0,0] (0,1] Fehler
[0,0] 14.3 57.1 80
(0,1] 28.6 0.0 100
Gesamtfehler: 85,7%, durchschnittlicher Klassenfehler: 90%
Rassel Zeitstempel: 2018-10-18 21:29:39 Benutzer
======================================================================
Fehlermatrix für das Modell des Neuronalen Netzes auf Mic1.txt [validieren] (Anzahl):
Vorhersage
Tatsächlicher [0,0] (0,1) Fehler
[0,0] 2 3 60
(0,1] 1 1 50
Fehlermatrix für das Modell des Neuronalen Netzes auf Mic1.txt [validieren] (Proportionen):
Vorhersage
Tatsächlich [0,0] (0,1] Fehler
[0,0] 28.6 42.9 60
(0,1] 14.3 14.3 50
Gesamtfehler: 57,1%, durchschnittlicher Klassenfehler: 55%
Rassel Zeitstempel: 2018-10-18 21:29:39 Benutzer