L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 627
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je me suis demandé pourquoi il a supprimé le premier message. Il a blogué le projet. =)
Oui, j'en avais marre de chercher mes propres messages sur le forum :D donc je peux au moins te donner un lien.
Je ne veux pas encore faire un article ici, mais si le résultat est intéressant, je peux le faire plus tard.
Je suis paresseux et je le fais lentement, avec des pauses d'une semaine :)
Je ne veux pas encore faire un article ici, mais si le résultat est intéressant, je peux le faire plus tard.
Je suis paresseux et je le fais lentement, avec des pauses d'une semaine :)
a esquissé un nouveau diagramme de réseau, c'est la première description. Il y aura une suite plus tard (avec un peu de chance).
J'ai créé un blog pour le mémorial car j'en ai assez de chercher des idées sur le forum.
https://rationatrix.blogspot.ru/2018/01/blog-post.html
Tu confonds le chaud et le doux. L'alimentation des données sur les résultats nets est une pratique défectueuse.
Vous ne ferez qu'embrouiller le réseau, qui ne sera pas en mesure de comprendre pourquoi le même motif monte dans un cas et descend dans un autre.
Cela est dû au fait que les données ont été mélangées avec les valeurs des résultats précédents. Il s'agit à la fois du résultat d'une transaction précédente et de l'équité.
Vous essayez d'insérer une fonction de fitness dans le corps de la grille elle-même. Mais savoir ce qui est bon ou mauvais est une connaissance étrangère, cela n'a rien à voir avec le mécanisme de la grille.
Si vous voulez alimenter l'histoire, passez des MLP aux mailles récursives.
Mais votre hypothèse est (IMHO) kotopedo.
ZS Et oui, tant que vous y êtes, vous avez écrit que la reconversion pose des problèmes. La science moderne des NS a résolu ce problème il y a longtemps.
La méthode la plus simple, la plus claire et la plus efficace est la validation croisée (voir Google).
Vous confondez le chaud et le doux. C'est une mauvaise pratique que d'alimenter les données de résultat net.
Vous ne ferez qu'embrouiller la grille, et elle ne sera pas en mesure de comprendre pourquoi le même motif monte dans un cas et descend dans un autre.
Cela est dû au fait que les données ont été mélangées avec les valeurs des résultats précédents. Il s'agit à la fois du résultat d'une transaction précédente et de l'équité.
Vous essayez d'insérer une fonction de fitness dans le corps de la grille elle-même. Mais savoir ce qui est bon ou mauvais est une connaissance étrangère, cela n'a rien à voir avec le mécanisme de la grille.
Si vous voulez alimenter l'histoire, passez des MLP aux mailles récursives.
Mais votre hypothèse est (IMHO) un cotopoe.
Apparemment, les réseaux neuronaux pour vous consistent en une seule définition - le Perseptron. À mon avis, vous n'êtes même pas conscient du fait qu'il ne s'agit que de la partie visible de l'iceberg, et même d'une toute petite partie.
Et le surentraînement n'a encore été vaincu par personne. Vous ne comprenez pas grand-chose au ministère de la Défense.Vous confondez le chaud et le doux. C'est une mauvaise pratique que d'alimenter les données de résultat net.
Vous ne ferez qu'embrouiller la grille, et elle ne sera pas en mesure de comprendre pourquoi le même motif monte dans un cas et descend dans un autre.
Cela est dû au fait que les données ont été mélangées avec les valeurs des résultats précédents. Il s'agit à la fois du résultat d'une transaction précédente et de l'équité.
Vous essayez d'insérer une fonction de fitness dans le corps de la grille elle-même. Mais savoir ce qui est bon ou mauvais est une connaissance étrangère, cela n'a rien à voir avec le mécanisme de la grille.
Si vous voulez alimenter l'histoire, passez des MLP aux mailles récursives.
Mais votre hypothèse est (IMHO) cotopée.
J'aimerais faire un analogue d'un réseau sauvegardé. Les réseaux récurrents n'ont malheureusement aucun concept d'environnement et aucune réponse. Les filets avec renforcement le font. La première chose qui vient à l'esprit est de le mettre à la porte si ses performances à l'extérieur ne sont pas satisfaisantes, par exemple par le biais de l'eq.
peut-être un cotopec, je ne sais pas moi-même, imho... c'est juste amusant :) et c'est facile à utiliser, ça ne prend pas longtemps.
Et oui, tant que j'y suis, vous avez écrit que le surentraînement pose des problèmes. La science moderne des NS a résolu ce problème il y a longtemps.
La méthode la plus simple, la plus claire et la plus efficace est la validation croisée (voir Google).
Je sais tout ça, la validation croisée est un ajustement aussi, mais plus subtil.
la récurrence se boucle aussi sur elle-même et parfois ne peut pas apprendre
et je ne comprends pas bien - vous dites que vous ne pouvez pas alimenter les sorties du réseau vers les entrées et ensuite vous me dites d'utiliser la récurrence... :) et c'est tout ce qu'il fait, il mange ses sorties
une récurrence est, dans le cas le plus simple, un MLP régulier qui se dévore lui-même.
Je sais tout à ce sujet, la validation croisée est aussi une méthode appropriée mais plus sophistiquée.
la récurrence se boucle aussi sur elle-même et parfois ne peut pas apprendre
et je ne comprends pas - vous dites que vous ne pouvez pas alimenter les sorties du réseau aux entrées et ensuite vous me dites d'utiliser la récurrence... :) et c'est tout ce qu'il fait, il mange ses sorties
Une récurrence est en fait une MLP qui se mange elle-même.
Non, ce que je disais, c'est que vous ne pouvez pas mélanger les données du marché avec les résultats du réseau.
En d'autres termes, votre réseau traite les cotations, tandis que vous lui fournissez des données sur la réussite ou l'échec d'une transaction précédente.
Et en général, que le réseau ait bien fonctionné ou non, c'est une unité distincte (j'avais l'habitude de l'appeler fonction de fitness en GA, en NS on l'appelle fonction d'erreur, mais l'idée est la même).
Supposons que vous formez un réseau par backprop, il s'avère que vous avez une erreur devenant une partie des données, huile de beurre. J'espère que vous comprenez ce que je veux dire.
Le jugement de tous les réseaux neuronaux pour vous consiste en une seule définition - le Perseptron. À mon avis, vous n'êtes même pas conscient qu'il ne s'agit que de la partie visible de l'iceberg, et même celle-ci est minuscule.
Et personne n'a jamais vaincu le recyclage. Vous avez peu de compréhension de la sphère du Ministère de la Défense.Je parlais du réseau spécifique présenté par Maxim.
Si vous ne comprenez pas trois phrases... Tu sais, pourquoi je devrais te le dire))