Es ist unmöglich, mit Forox Geld zu verdienen!!! - Seite 32

 
Ich wollte mich nicht in die Diskussion einmischen, aber ich kann Ihnen sagen, dass ich Neuronen nur auf diese Weise trainiere. Übertraining wird mit ein paar grundlegenden Tricks an diesen Daten behandelt. Also joo, das ist vielversprechend.
 
Avals >> :

Die Vorverarbeitung, d. h. was in das System eingespeist wird, ist hier wahrscheinlich von Bedeutung. IMHA, das ist ein Eckpfeiler der adaptiven Systeme. Diese Werte selbst sollten stabile Marktphasen kennzeichnen. Und auf der Grundlage dieser Eingaben sollten synthetische Stoffe erzeugt werden. Grob gesagt, sollten sie erzeugt und ihre Verteilung verändert werden (Änderung der Werte der Eingangsparameter des adaptiven Systems)

Sie müssen sich nicht überlegen, was in den ATS-Eingang eingespeist wird. Sie müssen zunächst über die ursprüngliche Quelle der Eingabedaten verfügen, d. h. dieselbe OHLC, aber synthetisch.

 

Die Frage war ja an diejenigen gerichtet, die sich mit Statistik auskennen, denn ich kenne mich in diesem Bereich nicht gut genug aus.

Wenn ich es in funktionierenden Code implementiert habe, werde ich es in die Codebasis aufnehmen. Wer daran interessiert ist, wird es nutzen.


Wenn Sie etwas zu dem von mir vorgeschlagenen Thema zu sagen haben, würde ich mich freuen, es zu hören.

 
Oh ja, und zwar eine ganze Menge! Wie kann man das Problem der Anpassungsfähigkeit am besten angehen? Es geht darum, auf der Grundlage der statistischen Parameter der allgemeinen Stichprobe eine statistisch ähnliche Reihe zu konstruieren. Das Ergebnis wäre ein Preismodell mit ähnlichen Merkmalen wie die allgemeine Stichprobe, aber mit neuen Bewegungen und mit so vielen Daten wie nötig. Und die Neuartigkeit ihrer Bewegung wird den Eigenschaften der allgemeinen Probe entsprechen. Ein Raster oder ein adaptiver Expert Advisor kann sich nicht anpassen, da sich die Daten ständig ändern. Aber diese Daten enthalten statische Gesetze, auf die das Neuron oder der adaptive Expert Advisor abzielt. Und es sind die statischen Gesetze, die verallgemeinert werden (versuchen zu verallgemeinern, wir müssen immer noch an das Neuron denken). Das ist das Ende des ersten Teils. :)
 
IlyaA >> :
Oh ja, und zwar eine ganze Menge! Wie kann man das Problem der Anpassungsfähigkeit am besten angehen? Es geht darum, auf der Grundlage der statistischen Parameter der allgemeinen Stichprobe eine statistisch ähnliche Reihe zu konstruieren. Auf diese Weise erhalten wir ein Preismodell mit ähnlichen Merkmalen wie in der allgemeinen Stichprobe, aber mit neuen Daten und einer beliebigen Anzahl von Daten. Und die Neuartigkeit ihrer Bewegung wird den Eigenschaften der allgemeinen Probe entsprechen. Ein Grid oder ein adaptiver Expert Advisor kann sich nicht anpassen, da sich die Daten ständig ändern. Aber diese Daten enthalten statische Gesetze, auf die das Neuron oder der adaptive Expert Advisor abzielt. Und es sind die statischen Gesetze, die verallgemeinert werden (versuchen zu verallgemeinern, wir müssen immer noch an das Neuron denken). Das ist das Ende des ersten Teils. :)

Die Frage bezog sich nicht auf das Lernen. Die Frage bezog sich auf die Erstellung einer synthetischen VR mit vorgegebenen Parametern.

 
joo >> :

Die Frage bezog sich nicht auf die Ausbildung. Die Frage bezog sich auf die Erstellung eines synthetischen BP mit den angegebenen statistischen Parametern.


Der Algorithmus sieht in etwa wie folgt aus:

1. Festlegung einer Gruppe von Parametern für die allgemeine Bevölkerung. Normalerweise etwa 5-10. Soziologen haben 100-150.

2. Konstruieren Sie eine Wahrscheinlichkeitsdichte für jedes Merkmal oder jede Kombination von Merkmalen. 3.

Starten Sie die Modellierung von Daten mit bestimmten Verteilungen. Die Kombination wird auf Konsistenz mit allen Parametern geprüft, und es werden Korrekturen am Generierungsalgorithmus vorgenommen.

4. Die Daten werden für das Training von Expert Advisors verwendet.

 
IlyaA >> :


Der Algorithmus sieht in etwa wie folgt aus:

1. Festlegung einer Gruppe von Parametern für die allgemeine Bevölkerung. Normalerweise etwa 5-10. Soziologen haben 100-150.

2. Konstruieren Sie eine Wahrscheinlichkeitsdichte für jedes Attribut oder jede Kombination von Attributen. 3.

Starten Sie die Modellierung von Daten mit bestimmten Verteilungen. Die Kombination wird auf Konsistenz mit allen Parametern geprüft, und es werden Korrekturen am Generierungsalgorithmus vorgenommen.

4. Die Daten werden für das Training von Expert Advisors verwendet.

Das ist großartig! Und nun zu 1, 2, 3, außer 4, bitte näher ausführen.

 
IlyaA писал(а) >> Übertraining wird durch ein paar elementare Tricks bei solchen Daten geheilt.

Was für Tricks? wenn es kein Geheimnis ist....)))

 

Ich würde (echtes Signal + künstliches Rauschen) verwenden, um TC auf Stabilität zu untersuchen.

Und ich sehe keinen praktischen Sinn in einem rein künstlichen Oszillator. Ja, ich verstehe die Idee, den TC-Algorithmus unter den von einem Spezialisten simulierten Bedingungen zu debuggen, aber ich bin mir nicht sicher, ob dies angemessen ist. Dann lässt sich der benötigte Bereich in realen Angeboten immer finden und nicht einer.

 
LeoV >> :

Was für Tricks? wenn es kein Geheimnis ist....)))


Nun, es ist eigentlich ganz einfach. Ich werde Ihnen die Methoden nennen, aber ich bin sicher, Sie kennen sie auch.

1. Ein früher Halt.

2. Gegenprobe.

3. Verringerung der Gewichte

4. Beseitigung von Gewichten.

5. Glättende Approximation.