Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2293
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
hasta que no experimentes con sinusoides no entenderás
Asaulenko experimentó con los sinusoides, luego se escapó a algún lugar... se ofendió con ellos
Tome un simple MA de 24 períodos y compruébelo. Tal vez algún otro filtro de paso bajoAsaulenko experimentó con sinusoides, y luego huyó a algún lugar... ofendido por ellos
Tome una simple MA de 24 periodos y compruébelo. Tal vez algún otro filtro de paso bajohttps://www.mql5.com/ru/forum/86386/page2089#comment_19102675
https://www.mql5.com/ru/forum/86386/page2089#comment_19102675
No entiendo qué es lo que busca de esta manera. Es necesario encontrar una desviación estadísticamente significativa de la media en períodos específicos, o autocorrelación
podría tener sentido pasar por filtros de paso bajo en lugar de sólo MAH
Hay otra oportunidad obvia para una aplicación potencialmente útil de los poderes de los cosnickers. Estamos hablando de las pruebas de aleatoriedad en general y de las pruebas del NIST en particular. Allí tienen todo lo que les gusta: ciclos, Fourier, patrones, etc. Sin embargo, allí sólo se investigan las secuencias binarias, pero para empezar podemos limitarnos a investigar los gráficos de Renko.
Alexey, ¿cómo podemos conectar la teoría de las martingalas con la martingala en forex, para ver la MO + martingala desde un punto de vista científico? :)
Alexei, ¿cómo se puede vincular la teoría de la martingala a la martingala de Forex, para mirar desde una especie de perspectiva científica en MO + martingala? :)
No puedo explicar por qué se necesita un martin en mO
todavía no has explicado por qué necesitas una martin en mo
te lo dije - una asignación de espacio diferente, otras oportunidades que no puedes conseguir aprendiendo un oficio
y no se trata de aumentar el lote.En la práctica, sigo luchando con un problema en el que dos clases se distribuyen asimétricamente (una más del 60%) y las redes se "queman" el 100% del tiempo produciendo una clase.
Las cuadrículas son algo tan sensible... Un pequeño desequilibrio y ya se queman. Equilibrar los dobles o eliminar algo de una clase grande es distorsionar los datos, me parece que no es bueno. Especialmente si la proporción de la clase es del 95% al 5%.
Esta es una de las razones por las que me he pasado a los modelos de madera (árboles, bosques, refuerzos).
La propagación inversa del error en las redes, también da sus propios problemas al quedarse atascado en puntos locales.
El segundo.
Los árboles no tienen estos inconvenientes.Hay muchas cosas que se pueden hacer, no te puedo decir ya que hay paquetes especiales.
Las clases deben estar equilibradas para la NS. Añade los ejemplos que faltan.
Es mejor dominar python.
Equilibrar las clases, o rehacer la métrica, que daría más puntos a una clase rara
Gracias. Por cierto pensar cómo rehacer la métrica vino a la mente por lo que - el ejemplo si las clases son 0 (30%) y 1 (70%), a continuación, para el valor correcto en el pase inverso para dar no 0 y 1, pero 0 y 0,7 ( o 0,85?) Como una opción.
Pero no puedo decidir de inmediato si esta es la forma correcta de hacerlo, si estos números o hacer magia con la función de activación, y así sucesivamente, y no he encontrado tales ejemplos.
Gracias. Por cierto pensando en cómo rehacer la métrica, vino a la mente por lo que - el ejemplo si las clases son 0 (30%) y 1 (70%), a continuación, para el valor correcto en el pase de retorno para dar no 0 y 1, pero 0 y 0,7 ( o 0,85?) Como una opción.
Pero de entrada no sé si es la forma correcta de hacerlo, si son estos números o hacer magia con la función de activación, etc, y no he podido encontrar esos ejemplos.
https://www.mql5.com/ru/forum/86386/page2108#comment_19209601