Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 377
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
Después de dividir en tren/test/válido mezclar el tren. No barajar el resto de los conjuntos.
Esto es válido para la clasificación mediante redes neuronales. Además, para el entrenamiento de redes neuronales profundas, mezcle cada minibloque antes de alimentarlo.
Buena suerte
¿podría tener una referencia donde leer sobre la mezcla? Porque de forma puramente intuitiva no tiene sentido ) así como los predictores se correlacionan con el objetivo (con esto lo solucionamos, apenas)
Después de dividir en tren/test/válido mezclar el tren. No barajar el resto de los conjuntos.
Esto es válido para la clasificación mediante redes neuronales. Además, para el entrenamiento de redes neuronales profundas, se baraja cada minilote antes de alimentar la red neuronal.
Buena suerte
He encontrado un ejemplo de mezcla de tren y válido entre sí en la función de cálculo de conjuntos de ALGLIB. Aparentemente, es uno de los métodos.
Yo sólo barajaba el tren.
El error es el mismo en todos los segmentos, igual que cuando se mezclan el tren y el válido. Al parecer, el efecto es el mismo.
He encontrado un ejemplo de mezcla de tren y válido entre sí en la función de cálculo de conjuntos ALGLIB. Al parecer, es uno de los métodos.
Sólo se baraja el tren.
El error es el mismo en todos los segmentos, igual que cuando se mezclan el tren y el válido. Aparentemente el efecto es el mismo.
¿Cuál es el error en el archivo aparte de estos?
¿Cuál es el error en el archivo aparte de estos?
¿Te refieres a la prueba?
Error medio en la prueba (20%) sección =0,398 nLearns=2 NGrad=1208 NHess=0 NCholesky=0 codResp=6
Todavía no he hecho la trama de la prueba2. Sólo voy a tamizar a través de la prueba1. (Quizás en el futuro).
¿Se refiere al sitio de prueba?
Error medio en la prueba (20%) sección =0,398 nLearns=2 NGrad=1208 NHess=0 NCholesky=0 codResp=6
Todavía no he creado la parcela test2. Sólo voy a tamizar a través de la prueba1. (Quizás en el futuro).
Fuera de todas estas muestras
Fuera de todas estas muestras
Se han utilizado todos los datos de la caja.
¿Es posible dividir el archivo fuente 80/20? Y luego el 80% de todos sus ejercicios, y luego el 20% sin ninguna mezcla.
¿Puede dividir el archivo de origen por 80/20? Y luego el 80% de todos sus ejercicios y luego el 20% sin ninguna mezcla.
Con la mezcla:
Error medio en el entrenamiento (51,0%) sección =0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en el gráfico de validación (13,0%) =0,685 (68,5%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Gráfico completo (entrenamiento + validación):
Error medio de aprendizaje=0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en la prueba (16,0%) sección =0,661 (66,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en el sitio de prueba 2 (20,0%) =0,671 (67,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Sin agitar
Error medio en el entrenamiento (51,0%) plot =0,516 (51,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el gráfico de validación (13,0%) =0,376 (37,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Gráfico completo (entrenamiento + validación):
Error medio de aprendizaje=0,491 (49,1%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el lugar de la prueba (16,0%) =0,344 (34,4%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el sitio de prueba 2 (20,0%) =0,326 (32,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Sólo 2 ciclos de reentrenamiento, para la velocidad... la hora de acostarse ya)
Con el barajeo:
Error medio en el entrenamiento (51,0%) plot =0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en el gráfico de validación (13,0%) =0,685 (68,5%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Gráfico completo (entrenamiento + validación):
Error medio de aprendizaje=0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en la prueba (16,0%) sección =0,661 (66,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Error medio en el sitio de prueba 2 (20,0%) =0,671 (67,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Sin agitar
Error medio en el entrenamiento (51,0%) plot =0,516 (51,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el gráfico de validación (13,0%) =0,376 (37,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Gráfico completo (entrenamiento + validación):
Error medio de aprendizaje=0,491 (49,1%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el lugar de la prueba (16,0%) =0,344 (34,4%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Error medio en el sitio de prueba 2 (20,0%) =0,326 (32,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Sólo 2 ciclos de reentrenamiento, para la velocidad... la hora de acostarse ya)
Tu modelo no aprende nada, es todo de la pelota. En algún lugar recoge algo y luego resulta ser irrelevante
Comience con la búsqueda de datos. Objetivo, luego buscar los predictores que son relevantes para el objetivo, luego determinar la capacidad de predicción de los predictores seleccionados para el objetivo específico, y sólo entonces el modelo
Todo lo demás es un juego intelectual de números.
https://www.youtube.com/channel/UCLk-Oih8VlqF-StidijTUnw
tiene algo que hacer para el fin de semana :) ar para nubas
Y aquí tenemos a un tipo haciendo trading algorítmico.