Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 376
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Se encuentra en la sección de formación de parada temprana de ALGLIB con validación:
Algo me parece mal, porque en la negociación real las barras irán en su propio orden, y no mezcladas con las de hace una hora y un día.
Y si la "naturaleza" del mercado cambia, significa que hay que reaprender o buscar nuevos modelos de NS.
¿Tiene más de 500 enlaces en su cuadrícula? Escriben que L-BFGS es menos eficiente que L-M si hay pocas neuronas
¿Tiene más de 500 conexiones en su red? Escriben que L-BFGS es menos eficiente que L-M si hay pocas neuronas
Menos hasta ahora, para ahorrar tiempo - etapa de desarrollo, cuando haya terminado trabajaré duro para encontrar predictores y diagramas de red
¿Quizás puedas escribir un artículo cuando lo tengas todo resuelto? :) No hay buenos artículos sobre la red neuronal alglibiana, hay uno traducido difícil de digerir.
Artículo tipo de descripción de NS (porque ni siquiera pude encontrar ayuda adecuada para alglib) y ejemplo de aprendizaje/reentrenamiento, auto-optimización en bot. Pues eso, que me he dado cuenta de que no hay suficiente información para estudiar. Es como si incluso pagar por ello ) pasar su tiempo no en vano
¿Por qué no escribes un artículo cuando lo tengas claro? :) No hay buenos artículos sobre la neurona Alglib, hay uno traducido difícil de entender
Artículo tipo de descripción de NS (porque ni siquiera pude encontrar una ayuda adecuada para Alglib) y ejemplo de aprendizaje/reentrenamiento, auto-optimización en el bot. Pues eso, que me he dado cuenta de que no hay suficiente información para estudiar. Para este tipo de pago más) gastar su tiempo no en vano.
Tomé como base https://www.mql5.com/ru/articles/2279. Lo puse en condiciones de trabajo en 8 horas. Creo que la mayoría de los programadores no se tomarán más tiempo.
Pero ha sido una semana de reajustes, añadiendo opciones, pruebas, etc.
No lo creo, no tendré tiempo para un artículo el 100% de las veces... Además, yo mismo estoy empezando a entender la NS, así que no puedo decir nada inteligente/nuevo.
Tomé como base https://www.mql5.com/ru/articles/2279. Lo puse en condiciones de funcionar en 8 horas. Creo que la mayoría de los programadores no se tomarán más tiempo.
Pero ha sido una semana de reajustes, añadiendo opciones adicionales, pruebas, etc.
Sigo mirando hacia el clasificador bayesiano + la genética, no son malos resultados. Con las rejillas es un poco confuso en mi cabeza, un montón de matices
Sí, me refiero al mismo artículo, no me pareció muy aceptable, aunque soy más comerciante que programador )
Entrenamiento de parada temprana en datos no mezclados:
Se siente como si hubiera un ajuste a la trama de validación. El de la prueba es bueno, pero no estaba en formación y no se comparó, probablemente sea una coincidencia.
Al mezclar, el error se ha igualado en las secciones de entrenamiento y validación.El mismo fay cuenta conjuntos, y hay una división de 2/3 y todo se mezcla entre ambas parcelas, voy a tratar de hacer lo mismo...
Lo barajé:
Y en la prueba se puso peor.
Algo me parece mal para mezclar los datos y luego dividirlos en secciones de entrenamiento y validación, porque en la negociación real las barras seguirán su propio orden, y no se mezclarán con las de hace una hora, un día o una semana. Del mismo modo, para los algoritmos de validación cruzada, la sección de validación está al principio, luego en el medio y luego al final.
Y si la "naturaleza" del mercado cambia, significa que tenemos que reaprender o buscar nuevos modelos de NS.
Y si no mezclas y convalidas en el último tramo, ¿cómo evitas encajar en ese tramo?
4 parcelas ¿se resuelve? Formación/validación/prueba1/prueba2 ?
¿Cuántos ciclos de formación/validación hay que hacer? No he visto ninguna información al respecto en ningún sitio.... ¿1 ciclo en total? - ¿y justo después aprobamos o cambiamos algo en el conjunto de predictores o en el esquema de la red? Más concretamente en N ciclos de entrenamiento se nos mostrará una mejor.
La sección de prueba2 es un veredicto: no hay coincidencia, entonces empezamos de nuevo, preferiblemente con un conjunto de predictores
PS.
Por cierto, también hay un probador, el veredicto final del TS.
La situación con la mezcla de los resultados sigue sin estar clara:
Aprendizaje de parada temprana en datos no intermitentes:
Se siente como si hubiera un ajuste a la trama de validación. El de la prueba es bueno, pero no estaba en la formación y no se comparó, probablemente sea una coincidencia.
Debido a la mezcla, el error se iguala en las secciones de entrenamiento y validación.El mismo fay cuenta conjuntos, y hay una división de 2/3 y todo se mezcla entre ambas parcelas, voy a tratar de hacer lo mismo...
Lo barajé:
Y en la prueba se puso peor.
Parece un error mezclar los datos y luego dividirlos en secciones de entrenamiento y validación, porque en la negociación real las barras seguirán su propio orden, y no se mezclarán con las de hace una hora, un día o una semana. Del mismo modo, para los algoritmos de validación cruzada, la sección de validación está al principio, luego en el medio y luego al final.
Y si la "naturaleza" del mercado cambia, significa que tenemos que reaprender o buscar nuevos modelos de NS.
Y si no mezclas y convalidas en la última sección, ¿cómo evitas encajar en esta sección?
1. Según tengo entendido, no se entrena nada en absoluto, sino que se obtiene un resultado aleatorio con predictores que no tienen nada que ver con la variable objetivo.
2. Revolviendo.
No conozco a NS.
Pero en muchos otros algoritmos de MO, el aprendizaje se realiza exactamente en una línea. Se toma un valor de cada predictor y se le asigna la variable objetivo. Por lo tanto, barajar es irrelevante. Hay algoritmos de MO que tienen en cuenta a los vecinos.
Pero de todos modos nuestros puntos de vista coinciden e inicialmente siempre hago las pruebas en test2 sin barajar.
PS.
Una vez más.
Si el error en dos muestras diferentes es diferente como la suya - significa que su sistema no tiene remedio, sólo para ser desechado.
vagando por el pozo negro sin fondo llamado internet, me encontré con este papel.
Artificial Neural Networks architectures for stock price prediction:comparisons and applications
En otras palabras, la arquitectura de NS para la predicción de acciones - comparación y aplicación
La situación de los resultados de la mezcla sigue sin estar clara:
Algo me parece mal para mezclar los datos y luego dividir en entrenamiento y validación, porque en una operación real las barras irán en su propio orden, no mezcladas con las de hace una hora, día o semana. Del mismo modo, para los algoritmos de validación cruzada, la sección de validación está al principio, luego en el medio y luego al final.Y si la "naturaleza" del mercado cambia, significa que tenemos que reaprender o buscar nuevos modelos de NS.
Y si no mezclas y convalidas en el último tramo, ¿cómo evitas encajar en ese tramo?
Después de dividir en tren/test/válido , baraja el tren. No mezclar el resto de los conjuntos.
Esto es válido para la clasificación por redes neuronales. Además, al entrenar redes neuronales profundas, hay que mezclar cada minilote antes de alimentar la red neuronal.
Buena suerte