Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 640
![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
Con toda seriedad, por favor no hagas un escándalo, Mikhail. El momento es crucial. Si esta idea, no importa por qué razón (ya sea por falta de habilidad o por completa estupidez ante las nuevas oportunidades) no funciona, entonces la siguiente descenderá sobre la comunidad de comerciantes muy, muy pronto. Estoy seguro de ello.
¡¡¡¡Aquí están los siete de me!!!! Y marca este día en tu calendario con un lápiz rojo, porque ese es el día en que me descargué R y lo iré girando poco a poco...
En Sensei, un regalo de los chicos))) h2o.automl.
El traqueteo es medio, pero todo está en automático...
http://playground.tensorflow.org
la visualización del aprendizaje de NS, parece ser sólo por diversión o como ejemplo de enseñanza
algo que claramente tiene problemas para clasificar la espiral :)
Y una arquitectura de este tipo ya puede
es como Poincaré - si el espacio de características es incoherente se necesitan al menos 2 capas, ya hubo una pregunta sobre esto de elibrarius
Y esta arquitectura ya puede
Además, haz que la velocidad de aprendizaje sea más lenta cuando la red empiece a vibrar.
Jugué con esta cosa el verano pasado. Algo muy visual).
Maxim, ¿qué pasa con la selección de características? Aye-aye.
Además, haz que la velocidad de aprendizaje sea más lenta cuando la red empiece a vibrar.
El verano pasado jugué con esta cosa. Algo muy ilustrativo).
Sí, si pones los senos, puede ser con 1 capa.
La EMVC no hace lo que yo quería, no hace lo que parece a partir de una lectura superficial de la descripción.
EMVC toma una tabla con predictores y objetivos (sólo clases. No se permite la regresión), y calcula la probabilidad de que cada ejemplo de entrenamiento pertenezca realmente a una clase determinada. Es posible encontrar las filas de la tabla de entrenamiento que contradicen la mayoría de los ejemplos de entrenamiento (valores atípicos, errores) y eliminarlas para evitar que el modelo se confunda en el entrenamiento.
Se suponía que debía encontrar un conjunto de predictores que dieran las estimaciones de probabilidad más altas, pero los conjuntos de predictores encontrados eran insatisfactorios. No voy a experimentar con esto, hay mejores herramientas para seleccionar predictores. No puedo ver la estimación de la entropía cruzada, el paquete la utiliza de alguna manera internamente pero no devuelve esa respuesta al usuario.
Pero existe una herramienta interesante para seleccionar los ejemplos de entrenamiento en lugar de los predictores.
La EMVC no hace lo que yo quería, no hace lo que parece a partir de una lectura superficial de la descripción.
EMVC toma una tabla con predictores y objetivos (sólo clases. No se permite la regresión), y calcula la probabilidad de que cada ejemplo de entrenamiento pertenezca realmente a una clase determinada. Es posible encontrar las filas de la tabla de entrenamiento que contradicen la mayoría de los ejemplos de entrenamiento (valores atípicos, errores) y eliminarlas para evitar que el modelo se confunda en el entrenamiento.
Se suponía que debía encontrar un conjunto de predictores que dieran las estimaciones de probabilidad más altas, pero los conjuntos de predictores encontrados eran insatisfactorios. No voy a experimentar con esto, hay mejores herramientas para seleccionar predictores. No puedo ver la estimación de la entropía cruzada, el paquete la utiliza de alguna manera internamente pero no devuelve esa respuesta al usuario.
Pero al menos tenemos una herramienta interesante para filtrar los ejemplos de entrenamiento en lugar de los predictores.
Es una pena.
Una vez más has demostrado la idea de que los milagros no ocurren, hay que recoger todo desde cero.
De este modo, se pueden encontrar líneas en la tabla de entrenamiento que contradigan la mayoría de los otros ejemplos de entrenamiento (picos, errores), y eliminarlas para evitar confundir al modelo durante el entrenamiento.
¿Realmente importa en los datos de Forex, donde es difícil encontrar regularidades? Creo que con este programa podemos cribar la mitad de los ejemplos. Y los valores atípicos pueden buscarse con métodos más sencillos: no borrarlos, sino, por ejemplo, equipararlos al máximo permitido.