Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2025

Nuevo comentario
 
Maxim Dmitrievsky:

no hay racimos inútiles

Entonces, ¿cómo saber si es inútil o no? )))

 
mytarmailS:

¿Cómo sabes si es un novato o no? )))

Convencionalmente, sólo hay dos en una curva bidimensional: subida o bajada. Pero tienes muchas combinaciones de ellos, alternancias. Esto es lo más importante para el modelo.

porque no necesitas tanto ruido, te pasas de la raya.

La recurrencia no aprende bien cuando hay muchos patrones. Es más importante que tenga un pequeño número de patrones de intercalación, una secuencia. No el número de patrones. ¿Lo tienes?

 
Maxim Dmitrievsky:

Convencionalmente, sólo hay dos en una curva bidimensional: subida o bajada. Pero tienes muchas combinaciones, alternancias. Eso es lo más importante para el modelo.

porque no necesitas tanto ruido, te pasas de la raya.

La recurrencia no aprende bien cuando hay muchos patrones. Para ello es más importante tener un pequeño número de patrones de intercalación, una secuencia. No el número de patrones. ¿Lo tienes?

Así, en los grupos de "eventos", puedes escribir cualquier cosa, no sólo el precio...

En fin. Casi he creado un algoritmo, que busca secuencias rentables en el ruido como 1-2-3 - "sí"...

Cada secuencia será en forma de reglas, luego se combinan en un conjunto de reglas y luego se suman las señales, como un Bosque, sólo que profundo, recurrente)).

Simplemente no sé cómo entrenar, no entiendo nada de RL ((

 
Maxim Dmitrievsky:

Sólo se envía el número de cluster a la red, no su contenido. No le importa el contenido.

¿Has visto mi ejemplo? )) ¿Qué era? ¿El contenido o el número? )))

 
Maxim Dmitrievsky:

Intenta predecir con una cuadrícula de recurrencia esta simple cuadrícula

Si encuentra un patrón, entonces se puede utilizar

Un patrón es 1 2 3 4 , tal secuencia ... si está en la cadena entonces "SI".


ni siquiera lo intentes Forrest.

prueba

  Reference
Prediction NO YES
       NO  58  71
       YES 57  64
                                          
               Accuracy : 0.488  
Archivos adjuntos:
DT2.csv  1021 kb
 

Hoy he leído el título correcto.
Bases de datos basadas en redes neuronales.
No hay predicciones, sólo búsqueda en la base de datos. La única diferencia con las bases de datos convencionales es la capacidad de generalizar/combinar los datos más similares.

 
Maxim Dmitrievsky:
La consistencia es cuando los números van uno tras otro

Piensa en ello como una secuencia, todo el resto es ruido (el ruido es algo que lanzamos juntos pensando que significa algo)

pero no significan nada. pero no lo sabremos hasta que encontremos el patrón.

 
mytarmailS:

Imagina que la coherencia es exactamente esto, todo lo demás es ruido (el ruido son todas las características diferentes que hemos lanzado y que creen que significan algo)

pero no significan nada. pero no lo sabremos hasta que encontremos el patrón.

En tu juego las respuestas se encuentran con una simple búsqueda, no mientas
 
Maxim Dmitrievsky:
En su juego las respuestas se buscan con una simple búsqueda, no mientas

¿Y si el rango no es de 1 a 20 sino de 1 a 5k?

y la secuencia es mayor que 10 ?

muéstrame una búsqueda simple )) y donde alquilar racimos ))

 
mytarmailS:

¿Y si el rango no es de 1 a 20 sino de 1 a 5k?

y la secuencia es de más de 10 ?

muéstrame esa simple búsqueda )) y donde alquilar racimos ))

En una secuencia, cada elemento sucesivo tiene que estar relacionado con los anteriores, por ejemplo, las palabras de una frase. Por lo demás, es una basura sin estructura, que hay que buscar ahí. Tienes una búsqueda tonta de las papeleras. Saca el verde y luego el rojo. Es una búsqueda de microsegundos, incluso a 20k.
1...201820192020202120222023202420252026202720282029203020312032...3399
Nuevo comentario