red neuronal y entradas - página 36
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
El pdf no quiere adjuntar, el rar tampoco. ¿Qué necesitas?
Explícate:
se evaluaron primero cuatro modelos y el resultado fue
1. mlpe con AUC=0,924 y Acc=85,7%.
2. DT con AUC=0,877 y Acc=84,4%.
3. mlp con AUC=0,874 y Acc=81,7%.
4. svm con AUC=0,857 y Acc=82,4%.
es decir, ¿el conjunto de redes neuronales multicapa activadas por diferentes valores iniciales (aleatorios) de los pesos mostró mejores resultados que andomForest y el árbol de decisión?
No. El conjunto es mejor que DT, mlp y svm. Los valores de RF y ada se dan a continuación y son mejores.
¿la diferencia de Acc entre el 85,7% y el 89,4% supondría una mejora significativa en la predicción?
Tengo una regresión lineal y una regresión no lineal que dan valores R múltiples para, por ejemplo, el oro, de 0,95485489 y 0,97386429 respectivamente. No he encontrado ninguna mejora significativa en las propiedades predictivas del modelo en la práctica - en el comercio
El Ass=91% para el modelo ada. Y esto es muy bueno. No hice la regresión. O mejor dicho, lo hice, pero no me gustó.
¿Qué muestra el valor R múltiple? No lo había visto antes.
El Ass=91% para el modelo ada. Y esto es muy bueno. No hice la regresión. O mejor dicho, lo hice, pero no me gustó.
¿Qué muestra el valor R múltiple? Nunca lo había visto.
R múltiple es el coeficiente de correlación múltiple.
Pregunta: hay dos métodos. El uso de uno de ellos proporciona una precisión de predicción, por ejemplo, entre un 1 y un 3% mejor que el otro, pero no proporciona una ventaja comercial tangible de un método sobre el otro.
Ahora, si se divide el ángulo de inclinación por la desviación, se obtiene un valor que caracteriza completamente el comercio. Ahora se puede utilizar como función de aptitud para el ajuste.
Es usted, lo siento, quien ha "inventado" el indicador Sharpe. Un muy buen indicador, por cierto.
Prueba coneste profesor. (https://www.mql5.com/ru/code/903). No se puede hacer nada mejor que eso.
Las entradas son las que quieras, incluso puedes tener OHLC.
No es el Profesor, es el que no cumple. Como el chiste.
Una conversación en un trolebús.
-¿Puede decirme cuándo va a llegar la parada?
-Mírame. -Tu anterior, en cuanto me baje.
En tu caso, necesitas una previsión de al menos tres bares por delante. Y eso es una regresión.
Y si crees que eres un pionero aquí, olvídalo. Esta dirección está completamente pisoteada. Lea más.
Buena suerte
No es el Profesor, es el doble de la palabra. Como en el chiste.
Una conversación en un trolebús.
-¿Puede decirme cuándo va a llegar la parada?
-Me sigues. -En cuanto me baje, la última.
En tu caso, necesitas una previsión de al menos tres bares por delante. Y eso es una regresión.
Y si crees que eres un pionero aquí, olvídalo. Esta dirección está completamente pisoteada. Lea más.
Buena suerte
(Risas)
No hay regresión allí, la regresión que alimentas a la entrada en tu ejemplo.
He mirado "tu" BBCI, no es mejor y además tiene fallos.
Proponga los datos de entrada (excluyendo el OHLC) y el profesor.
No estoy reclamando nada, tú preguntaste, yo me ofrecí.
Parece que no lo tienes claro y la regresión está en tu mente.
Sigue pisando fuerte. Buena suerte.
Los datos pueden introducirse en la entrada tras la transformación espectral del vector de entrada.
La tarea de la red neuronal en este caso podría ser predecir el "futuro" del espectro. He investigado un poco sobre este tema. Creo que esa transformación tiene sentido, aunque es un cálculo que requiere muchos recursos. Aquí he descrito con más detalle, algunas variantes de aplicación.