Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2292
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
Haga una segunda salida de la red para calcular el lote. O utilizar la confianza en la red como multiplicador de lotes.
las medias y las cuadrículas no siempre tienen que ver con el tamaño de los lotes
hay un ruido en los incrementos
¿cómo se encuentran los ciclos de 24 periodos en incrementos de 1 periodo?
Fácil. Pasar a los incrementos es la diferenciación. La relación entre las amplitudes y las frecuencias cambia, pero no van a ninguna parte. Es aún mejor cuando los ciclos lentos no obstruyen los rápidos, no es necesario filtrar por guiones.
hay un ruido en los incrementos
cómo se encuentran los ciclos de 24 periodos en incrementos de 1
ventana 48
Colegas,¿pueden decirme por experiencia?
Me pregunto si tiene sentido controlar los pesos de la capa de entrada (las entradas están normalizadas) durante el entrenamiento. ¿Ofrece algo realista para evaluar la importancia de las aportaciones?
Utilizo la biblioteca de Dmitriy Gizlykpara los experimentos.
Sé que descargando los datos en R o Python puedo calcular todo tipo de nits. Pero todavía no he llegado a ellos, y es conveniente que su solución en la tarjeta de vídeo es casi "volar".
En general, ¿tiene sentido controlar los pesos de los insumos para simplificar, o en todo caso debería hacer primero un análisis detallado de los mismos?
Para un análisis preliminar de las entradas puede utilizar
se puede estimar el impacto a través de los pesos
Ya veo, cuantos más pesos más influencia. ¿Es posible obtener más información?
Por ejemplo para entender que el problema no tiene la mejor solución, o no es convexo (si no confundo el término). Puede que de alguna manera los pesos se vayan al infinito, o puede que con los mismos errores de la red los pesos cambien de forma diferente (es decir, en una entrada muy pequeña, y luego en otro enfoque de entrenamiento (empezando de nuevo) viceversa muy grande), etc.
Prácticamente por ahora estoy luchando con una tarea en la que dos clases se distribuyen asimétricamente (una es superior al 60%) y las rejillas se "queman" en el 100% de los casos produciendo una clase.
Filtro los datos de entrada de forma diferente y recojo nuevos datos. La pregunta puede ayudar a filtrar las entradas "malas", qué entradas deben descartarse o filtrarse de forma diferente.
Puede utilizar el andamiaje para el análisis preliminar de las entradas
Sí, lo sé, lo hizo en R, perezoso para ir de ida y vuelta y largo. y algleib en MT5 permite esto normalmente sin ningún tipo de atasco?
Pero pensé que tal vez algún entrenamiento er me dirá si mirar los pesos de las entradas.
Ya veo, cuanto más peso más influencia. ¿Es posible obtener más información?
Por ejemplo para entender que el problema no tiene la mejor solución, o no es convexo (si no confundo el término). Puede que de alguna manera los pesos vayan al infinito, o puede que con los mismos errores de la red los pesos cambien de forma diferente (es decir, entonces en una entrada concreta muy pequeña y luego en otro enfoque de entrenamiento (habiendo empezado de nuevo) al contrario muy grande), etc.
Prácticamente por ahora estoy luchando con una tarea en la que dos clases se distribuyen asimétricamente (una es superior al 60%) y las rejillas se "queman" en el 100% de los casos produciendo una clase.
La pregunta puede ayudar a filtrar las entradas "malas", qué entradas deben descartarse por completo o filtrarse de forma diferente.
hay muchas cosas que puedes hacer. no puedo decirte el refresco, porque hay paquetes especiales.
Las clases deben estar equilibradas para NS. Añadir los ejemplos que faltan
Sí, lo sé, lo hice en R, demasiado perezoso para ir de un lado a otro y largo. pero Alglib en MT5 te permite hacerlo normalmente sin problemas?
Prefiero aprender python.
He aprendido a usar python:
Sigo luchando con un problema en el que dos clases se distribuyen de forma asimétrica (una es superior al 60%) y las redes se "queman" en el 100% de los casos con una clase.
Equilibrar las clases, o rehacer la métrica, lo que daría más puntos a una clase rara
Fácil. Pasar a los incrementos es la diferenciación. La relación de amplitud de las frecuencias cambia, pero no van a ninguna parte. Mejor aún, los ciclos lentos no atascan a los rápidos, no hay que filtrar por maceración.
Es extraño entonces por qué no puedes encontrarlos si es fácil.
Entonces, ¿por qué no los encontraste si es fácil?
hasta que no experimentes con ondas sinusoidales no entenderás