Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1883
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
Es wird keinen Treffer geben, wir sollten uns aufteilen. Box und Jenkins jubeln
Die Ergebnisse dieser Studie deuten darauf hin, dass einfache klassische Methoden wie lineare Methoden und exponentielle Glättung komplexe und hochentwickelte Methoden wie Entscheidungsbäume, mehrschichtige Perceptrons (MLP) und Long Short-Term Memory (LSTM) Netzwerkmodelle übertreffen.
Es wird keinen Treffer geben, wir sollten uns aufteilen. Box und Jenkins jubeln
Die Ergebnisse dieser Studie deuten darauf hin, dass einfache klassische Methoden wie lineare Methoden und exponentielle Glättung komplexe und hochentwickelte Methoden wie Entscheidungsbäume, mehrschichtige Perceptrons (MLP) und Long Short-Term Memory (LSTM) Netzwerkmodelle übertreffen.
Ein Artikel von Schwachköpfen für Schwachköpfe
Übrigens, vielleicht können die Experten helfen. Hier ist eine Frage:
Die Aufgabe besteht zum Beispiel darin, eine Katze anhand eines Fotos von einem Hund zu unterscheiden. Was ist der richtige Weg zum Lernen?
1. Zeigen Sie nur Bilder von Katzen und Hunden, d. h. eine binäre Klassifizierung.
2. Getrennt nur Katzen und "Nicht-Katzen" (Protos-Chaos) + getrennt auch Hunde und "Nicht-Hunde" lernen, d.h. zwei Trainingszyklen und zwei Muster am Ausgang.
3. Bilden Sie eine Dreiergruppe - Katzen, Hunde und Chaos. D.h. es wird ein Modell geben, aber die Antwort ist eine Klassifizierung von drei Optionen.
Im Moment habe ich die erste Option, und die ist eindeutig schief. Das Problem ist, dass Neuro nur eine der Varianten gut lernt, konventionell nur "Katzen" gut sieht und Hunde schlecht erkennt. Bei Backtests sind die Modelle beispielsweise gut darin, eine Kursbewegung nach oben zu erkennen und eine Abwärtsbewegung zu ignorieren. Wenn die Schätzung nach oben 67 % beträgt, schätzt das gleiche Modell nach unten nur 55 %. "Oben" und "unten" können von Modell zu Modell den Platz wechseln.
In der Regel heißt es, man solle alle ausprobieren und das Beste auswählen. Imho, 2 Raster, jedes mit seiner eigenen Aufgabe (Katzen oder Hunde), plus einen Schwellenwert für die Ausgabe festlegen. Dann muss man irgendwie feststellen, welche Beispiele am schlechtesten erkannt werden, sie müssen bearbeitet oder zusätzlich trainiert werden. Bei der Eingabe dienen die Beispiele, die in der Praxis verwendet werden, es macht keinen Sinn, das Haus in der Ausbildung zu zeigen, wenn es in der Prüfung nicht vorkommen wird. Auch die Bilder der Auszubildenden und des Tests sollten gleich behandelt werden.
Übrigens bin ich offen für Partnerschaften, wenn es eine Ressource gibt, nicht unbedingt eine materielle - ein Publikum für die Förderung oder eine Möglichkeit, weitere Forschung auf der Grundlage dessen zu organisieren, was Sie bereits haben. Es ist unmöglich, dieses Thema nur von Hand auf ein gutes Niveau zu bringen. Sie brauchen echte Experten in verschiedenen Bereichen.
Fügen Sie Ihren Profil-Link zum Telegram-Kanal ein. Das wäre interessant zu sehen.
In der Regel heißt es, man solle alle ausprobieren und die beste Option wählen. Imho, 2 Raster, jedes mit einer anderen Aufgabe (Katzen oder Hunde), plus einen Schwellenwert für die Ausgabe festlegen. Dann muss man irgendwie feststellen, welche Beispiele am schlechtesten erkannt werden, sie müssen bearbeitet werden oder es muss eine zusätzliche Schulung erfolgen. Bei der Eingabe dienen die Beispiele, die in der Praxis verwendet werden, es macht keinen Sinn, das Haus in der Ausbildung zu zeigen, wenn es in der Prüfung nicht vorkommen wird. Auch Bilder auf dem Tablett und auf dem Test sollten gleich behandelt werden.
Warum sollte der Preis durch das Prisma des Bildes betrachtet werden, wenn es genaue Koordinaten gibt? Preis und Zeit. Bleibt noch, das Modell von Interesse zu beschreiben. Und da es viele von ihnen gibt, selektiv. Die Maschine erkennt sie auch ohne Training zu 100 %.
Füge einen Link zum Telegramm-Kanal in dein Profil ein. Es wird interessant sein, das zu beobachten.
Signale von Indikatoren auf Pause bis Montag, gehen Sie auf "History" Taste, um zu sehen, wie sie aussehen und Neuro-Signale
In der Regel sagen sie: 1. Probieren Sie alle aus und wählen Sie die beste Option. Imho, 2 . 2. arbeitet jeder mit einer anderen Aufgabe (Katzen oder Hunde), plus setzen Sie einen Schwellenwert für die Ausgabe. Dann muss man irgendwie feststellen, welche Beispiele am schlechtesten erkannt werden, sie müssen bearbeitet oder zusätzlich trainiert werden. Geben Sie bei Eingabe 3. die Beispiele an, die in der Praxis verwendet werden. Es macht keinen Sinn, das Haus in der Schulung zu zeigen, wenn es in der Prüfung nicht vorkommen wird. Auch die Bilder der Auszubildenden und des Tests sollten gleich behandelt werden.
2. Versucht, es wurde schlimmer.
3. Woher wissen Sie, welche sie benutzt? Es ist eine Blackbox, also füttere ich alles.
Warum sollte man den Preis durch das Prisma eines Bildes betrachten, wenn es genaue Koordinaten gibt. Preis und Zeit. Bleibt noch, das Modell von Interesse zu beschreiben. Und da es viele von ihnen gibt, selektiv. Die Maschine erkennt sie auch ohne Training zu 100 %.
Die Frage bezog sich auf Katzen und Hunde. Und Sie können versuchen, das Netz für die grafische Analyse zu unterrichten.
Warum sollte man den Preis durch das Prisma eines Bildes betrachten, wenn es genaue Koordinaten gibt. Preis und Zeit. Bleibt noch, das Modell von Interesse zu beschreiben. Und da es viele von ihnen gibt, selektiv. Die Maschine erkennt sie auch ohne Training zu 100 %.
Die Frage bezog sich auf Katzen und Hunde. Und Sie können die grafische Netzwerkanalyse unterrichten
Vielleicht können Sie dem Netzwerk Screenshots zeigen, aber nach der Optimierung werden Sie zu Open, Close, High, Low kommen