Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 627

 
Aleksey Terentev:

Me preguntaba por qué había borrado el primer post. Ha publicado el plan en el blog. =)

Sí, sólo se cansó de buscar sus propios mensajes en el foro :D así que al menos el enlace será capaz de dar
 
Maxim Dmitrievsky:
Sí, es que me he cansado de buscar mis propios mensajes en el foro :D así que al menos puedo ponerte un enlace
Por eso escribí el artículo, para no repetir lo mismo a diferentes personas...
 
Mihail Marchukajtes:

Todavía no quiero hacer un artículo aquí, pero si el resultado es interesante, puedo hacerlo más adelante

Me da pereza y lo hago poco a poco, con descansos de una semana :)

 
Maxim Dmitrievsky:

Todavía no quiero hacer un artículo aquí, pero si el resultado es interesante, puedo hacerlo más adelante

Me da pereza y lo hago poco a poco, con descansos de una semana :)

Yo escribí el mío durante un mes con la edición... desde el momento de la primera edición hasta el lanzamiento de .....
 
Maxim Dmitrievsky:

esbozó un nuevo diagrama de red, esta es la primera descripción. Habrá una secuela más adelante (ojalá)

He creado un blog para el monumento porque estoy harto de buscar retazos de ideas en el foro

https://rationatrix.blogspot.ru/2018/01/blog-post.html

Estás confundiendo lo cálido y lo suave. Alimentar los datos de los resultados netos es una práctica errónea.

Simplemente confundirás a la red, y no podrá entender por qué el mismo patrón sube en un caso y baja en otro.

Esto se debe a que los datos se han mezclado con los valores de los resultados anteriores. Se refiere tanto al resultado de una operación anterior como a la equidad.

Usted está tratando de insertar una función de aptitud en el cuerpo de la propia red. Pero saber lo que es bueno lo que es malo es un conocimiento ajeno, no tiene nada que ver con el mecanismo de la red.

Si quieres alimentar la historia pasa de los MLP a las mallas recursivas.

Pero su hipótesis es (IMHO) kotopedo.

ZS Y sí, ya que estás, escribiste que hay problemas con la reconversión. La ciencia moderna de la NS resolvió este problema hace tiempo.

La forma más sencilla, clara y eficaz es la validación cruzada (búsquela en Google).

 
Nikolay Demko:

Estás confundiendo lo cálido y lo suave. Es una mala práctica alimentar los datos del resultado neto.

Simplemente confundirás a la red, y no podrá entender por qué el mismo patrón sube en un caso y baja en otro.

Esto se debe a que los datos se han mezclado con los valores de los resultados anteriores. Se refiere tanto al resultado de una operación anterior como a la equidad.

Usted está tratando de insertar una función de aptitud en el cuerpo de la propia red. Pero saber lo que es bueno lo que es malo es un conocimiento ajeno, no tiene nada que ver con el mecanismo de la red.

Si quieres alimentar la historia pasa de los MLP a las mallas recursivas.

Pero su hipótesis es (en mi opinión) un cotopo.

Por lo visto, las redes neuronales consisten en una definición: el Perseptrón. En mi opinión, ni siquiera es consciente de que esto es sólo la punta visible del iceberg, y una muy pequeña.

Y el sobreentrenamiento no ha sido vencido por nadie todavía. No tienes mucho conocimiento del Ministerio de Defensa.
 
Nikolay Demko:

Estás confundiendo lo cálido y lo suave. Es una mala práctica alimentar los datos del resultado neto.

Simplemente confundirás a la red, y no podrá entender por qué el mismo patrón sube en un caso y baja en otro.

Esto se debe a que los datos se han mezclado con los valores de los resultados anteriores. Se refiere tanto al resultado de una operación anterior como a la equidad.

Usted está tratando de insertar una función de aptitud en el cuerpo de la propia red. Pero saber lo que es bueno lo que es malo es un conocimiento ajeno, no tiene nada que ver con el mecanismo de la red.

Si quieres alimentar la historia pasa de los MLP a las mallas recursivas.

Pero su hipótesis es (en mi opinión) un cotopo.

Me gustaría hacer un análogo de una red de apoyo. Desgraciadamente, las redes recurrentes no tienen el concepto de entorno ni de respuesta. Las redes con refuerzo lo hacen. ¿Cómo se hace? Lo primero que se me ocurre es darle una patada si su rendimiento en el exterior es insatisfactorio, por ejemplo, a través de eq.

tal vez un cotopec, no lo sé yo mismo, imho... es simplemente divertido :) y es fácil de usar, no toma mucho tiempo.

 
Nikolay Demko:

Y sí, ya que estaba, escribiste que había un problema de sobreentrenamiento. La ciencia moderna de la NS resolvió este problema hace tiempo.

La forma más sencilla, clara y eficaz es la validación cruzada (búsquela en Google).

Lo sé todo, la validación cruzada también es un ajuste, pero más sutil.

la recurrencia también hace un bucle sobre sí misma y a veces no puede aprender

y no lo entiendo del todo - dices que no puedes alimentar las salidas de la red a las entradas y luego me dices que use la recurrencia... :) y eso es todo lo que hace, se come sus salidas

una recurrencia es, en el caso más simple, un MLP regular que se come a sí mismo

 
Maxim Dmitrievsky:

Lo sé todo, la validación cruzada también es un ajuste pero más sofisticado

la recurrencia también hace un bucle sobre sí misma y a veces no puede aprender

y no lo entiendo - dices que no puedes alimentar las salidas de la red a las entradas y luego me dices que use la recurrencia... :) y eso es todo lo que hace, se come sus salidas

Una recurrencia es básicamente un MLP que se come a sí mismo.

No, lo que decía es que no se pueden mezclar los datos del mercado con las salidas de la red.

En otras palabras, su red procesa las cotizaciones, mientras que usted la alimenta con datos sobre si una operación anterior tuvo éxito o no.

Y en general, si la red funcionó bien o no, esto es una unidad separada (solía llamarla función de aptitud en GA, en NS se llama función de error, pero la idea es la misma).

Supongamos que entrenas una red por backprop, resulta que tienes un error que se convierte en parte de los datos, aceite de mantequilla. Espero que entiendas lo que quiero decir.

 
Aleksey Terentev:

Juzgar por todas las redes neuronales para usted consiste en una definición - el Perseptrón. En mi opinión, ni siquiera eres consciente de que esto es sólo la punta visible del iceberg, e incluso es una punta muy pequeña.

Y nadie ha vencido a la reconversión. Tienes poco conocimiento de la esfera del Ministerio de Defensa.

Me refería a la red específica presentada por Maxim.

Si no entiendes tres frases... Ya sabes, por qué debería decírtelo))