Neuromantes, no paséis de largo :) necesito consejo - página 7
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
..
La primera imagen, si entiendo bien lo que muestra, corresponde a la ideología de Patrones Desbordados.
En mi opinión, es esencial contar con una muestra de prueba para controlar la formación de la red.
Puede que sea así, pero ¿de dónde podemos sacarlo sin perder tiempo?
el segmento B está implícitamente implicado en el entrenamiento, porque B determina el final del entrenamiento por el mínimo error)
En mi caso, no es aplicable porque no hay formación como tal. Lo único que hay que hacer es reconfigurar la red en función de los resultados.
¿Por qué pares?) Prueba algunos índices, algo de oro... Me pregunto cuál será el resultado.
Probablemente dentro del margen. Probaré con el oro. ¿Dónde puedo conseguir un historial adecuado para los índices? El pegamento no se comercializa.
Sigo olvidando preguntar, ¿cómo sería el examen del periodo de aprendizaje de TC? Me pregunto "cuánto" aprende con esta ANC. Entiendo que la LOC produce el máximo resultado posible en base a lo que se le da en el sistema de ecuaciones (siento que hay algo de álgebra matricial severa involucrada :)). ¿Cómo sería este máximo si se trasladara al comercio? ¿Cómo de suave será todo allí?
¿Es posible hacer un cuadro así también en al menos un mes de su período de estudio nativo? Los resultados obtenidos por la SN durante el periodo de formación también son importantes y hablan por sí mismos.
Sigo olvidando preguntar, ¿cómo sería un examen de TC para un periodo de formación?
https://www.mql5.com/ru/forum/132692/page2#454397
La segunda imagen, esto es para un año en una muestra de prueba.
Puede ser, pero ¿de dónde sacarlo sin perder tiempo?
En mi caso, no es aplicable porque no hay formación propiamente dicha. Sólo puedo reconfigurar la red en función de los resultados.
Probablemente dentro del margen. Probaré con el oro. ¿Dónde puedo conseguir un historial adecuado para los índices? El pegamento no se comercializa.
Tengo varios EAs de redes neuronales en mi cuenta demo ahora. Construyo redes en un paquete estadístico y conecto funciones ddl con ellas.
Así que creo que las cuestiones de selección -el tamaño de la muestra de entrenamiento, el tamaño de la muestra de control y cómo se forma y cuánto dura el periodo de negociación fuera de la muestra- son muy importantes. Obtengo resultados diferentes, y sobre todo es posible mejorar la reducción. Aunque hasta ahora el sistema está funcionando en beneficio (por desgracia, gracias a Dios), pero podemos determinar los parámetros óptimos y trabajar con ellos. Tengo que hacer algunas pruebas de avance, por supuesto, y dedicarle algo de tiempo, pero creo que el resultado merecerá la pena.
TheXpert intenta, como ya se ha dicho aquí, hacer pruebas con datos de otra fuente.
¿Qué significa eso? ¿En la misma historia de otro DC?
Y comprueba que hay un vistazo al futuro. Es todo muy parecido al autoengaño...
De la manera más diligente a primera hora. Incluso diría que me insultan esos consejos. ¿Y qué es exactamente lo que parece ser autodestructivo?
Pues bien, siento con todo mi ser que las cuestiones de selección: el tamaño de la muestra de entrenamiento, el tamaño de la muestra de control y cómo se forma y el tamaño del periodo de negociación fuera de la muestra son muy importantes. Obtengo resultados diferentes, y sobre todo es posible mejorar la reducción. Aunque hasta ahora el sistema está funcionando en beneficio (por desgracia, gracias a Dios), pero podemos determinar los parámetros óptimos y empezar a trabajar con ellos. Por supuesto, requiere algo de tiempo y pruebas de avance, pero creo que el resultado merecerá la pena.
¿Qué significa? ¿En la misma historia de otro DC?
Lo primero es lo primero. Incluso diría que me siento insultado por esos consejos. ¿Y qué es exactamente lo que suena a autodestrucción?
Bien por ti, pero esencialmente nada. ¿Tal vez pueda compartir su experiencia?Un par de artículos sobre el tema que nos ocupa: http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss.ac%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-whuang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTtQ
http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23.6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw
Para resumir los resultados de la investigación: no es necesario tomar una muestra muy grande para la formación. Para el día 1 el plazo de 1-3 años es adecuado... Para las barras de una hora tomo hasta 1 año, para las de 15 minutos hasta medio año, para las de 5 minutos hasta un trimestre. Tomo los datos del servidor de comercio y uso Page Up.
Tienes dos años para un plazo de 15 minutos, eso puede ser excesivo, aunque he leído que has probado con plazos más cortos. Creo que no más de medio año es suficiente.
Voy a escribir sobre la prueba (en la literatura rusa, y en Inglés - validación) de muestreo más tarde, quiero llevar a cabo una serie de experimentos de este fin de semana. Observaciones generales: si la muestra de prueba se toma antes de un periodo de negociación, una red neuronal hará un "ajuste fino" para este periodo mientras aprende en un espacio muestral mayor. El lado positivo es que, como la muestra de prueba no se mezcla con la de entrenamiento, damos a la red datos que aún no ha visto aproximadamente y se puede decir que esos datos reflejan el estado real del mercado. Si mezclamos la muestra de prueba con la de entrenamiento, el error sobre ella suele ser menor, porque la red ve los ejemplos que rodean a la muestra de prueba y, por tanto, el algoritmo encuentra mínimos de error más profundos, pero no el hecho de que los nuevos datos alcancen al menos un resultado similar. Esto lo he obtenido personalmente y lo he observado en repetidas ocasiones.
Para resumir los resultados de la investigación: no se necesita una muestra muy grande para entrenar.
Dejemos de lado la muestra de entrenamiento, no te dije el esquema de construcción completo, no hay nada malo en ello.
Consideraciones generales: si la muestra de prueba se toma antes del periodo de negociación, la red neuronal hará un "ajuste fino" para este periodo, aprendiendo en un espacio muestral mayor. Además, como la muestra de prueba no se mezcla con la de entrenamiento, damos a la red datos que aún no ha visto aproximadamente y esos datos, podemos decir, reflejan el estado actual del mercado.
¿Y en qué se diferencia esto de la ampliación de la ventana de muestra de entrenamiento? Está hablando en el contexto de su estrecha aplicación. Mi implementación es fundamentalmente diferente, así que no entiendo de qué estoy hablando.
¿Qué quiere decir con "mixto" y "no mixto"? ¿Cómo se consigue la mezcla? ¿Qué "ajuste fino" si la red no ha visto nunca estos datos?
Si la muestra de prueba se mezcla con la de entrenamiento, el error sobre ella suele ser menor, porque la red ve los ejemplos que rodean a la muestra de prueba y, por tanto, el algoritmo encuentra mínimos de error más profundos, pero no el hecho de que los nuevos datos arrojen resultados al menos similares. Esto lo he obtenido personalmente y lo he observado en repetidas ocasiones.
¿Qué significa esto? ¿En la misma historia de otro DC?
Preferiblemente en el mismo historial, pero de diferentes cotizadores.
No debería utilizar las cotizaciones de VC (y MetaQuotes también) porque los plazos inferiores, especialmente los de 1999-2005, son de muy mala calidad.
Estas cotizaciones se suavizaron no por una ventana deslizante, sino por todo el historial. En otras palabras, hay una mirada al futuro que ya está incrustada en las propias citas. Las redes neuronales lo encuentran sin problemas.