Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 880
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
NS suele procesar los datos de las primeras líneas, es decir, los datos antiguos en las primeras líneas, y los datos frescos al final, para que los últimos pasos de aprendizaje se realicen sobre ellos.
Gracias.
Todos los predictores funcionan en la apertura de la barra - no sé ahora cómo identificar los que se asoman - por idea su significación debe ser alta?
Bueno, si todos están a precio abierto - entonces no deben mirar, si otras opciones - entonces miran.
Bueno, si todo está a precio abierto - entonces no debería mirar, si otras opciones - lo hace.
¿Puedes probar mi conjunto de datos en alguna red neuronal, aún no lo sé? El incorporado en ese programa no quiere aprender más del 56% - tal vez estoy haciendo algo mal o la red no es adecuada....
¿Puedes probar mi conjunto de datos en alguna red neuronal, aún no lo sé? Construido en ese programa no quiere aprender más de 56% - tal vez estoy haciendo algo mal, o la red no es adecuado....
A juzgar por la imagen, tiene un error del 8% (precisión del 92%), no del 56%.
Tiene una regresión en su archivo, y está probando la clasificación, a juzgar por la descripción. Probablemente necesite un archivo con la clasificación.
A juzgar por la imagen, tiene un error de alrededor del 8% (precisión del 92%), no del 56%.
Sí, ese archivo es erróneo, ya he añadido predictores y he hecho la clasificación del objetivo según una regla simple - si es más o igual a 50 puntos entonces 1 (para comprar) y -1 (para vender), de lo contrario 0, y las columnas para comprar y vender son independientes.
El 56% es una neurona y las capturas de pantalla son del árbol.Sí, ese archivo está mal, ya he añadido predictores y he hecho una clasificación del objetivo por una simple regla - si es más o igual a 50 puntos entonces 1 (para comprar) y -1 (para vender), de lo contrario 0, y las columnas para comprar y para vender son independientes.
Alrededor del 56% - por lo que es una neurona, y capturas de pantalla del árbol.Bueno, si el árbol funciona mejor, entonces úsalo. El NS es más difícil de configurar.
Hasta ahora sólo funciona la lógica (¿o quizás estoy probando mal?), pero no sé cómo usarla.
Si alguien quiere ayudar a probar el trabajo de los predictores, hay dos archivos en el archivo adjunto - para la compra y la venta de la columna 3 es el objetivo, 1 y 2 no uso, y el resto son los predictores.
alglib tiene kfold, ¿alguien ha averiguado cómo trabajar con él? la documentación es casi nula :)
Ah, ya veo, estos métodos enseñan automáticamente a través de la validación cruzada
Se dieron las herramientas, pero no hay manual. Estaría bien tener una ayuda para cada función, cómo usarla y con ejemplos.
Hasta ahora sólo funciona la lógica (¿o quizás estoy probando mal?), pero no sé cómo usarla.
Si alguien quiere ayudar a probar el rendimiento de los predictores, hay dos archivos en el apéndice - para la compra y la venta la columna 3 es el objetivo, la 1 y la 2 no las uso, y el resto son predictores.
He probado el 1er archivo, lo he dividido en 3 partes:
Aprender
Predicción
Actual 0 1
0 28107 1244
1 3045 4119
Prueba 1
Predicción
Actual 0 1
0 5950 356
1 742 776
Corriente 2
Predicción
Actual 0 1
0 5945 333
1 779 769
Calculado en una red con 10 neuronas en una capa oculta (NS del paquete Rattle de R)
Peor que tu bosque, pero no está mal. El segundo archivo probablemente tendrá los mismos resultados.