L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 880
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
NS traite généralement les données des premières lignes - c'est-à-dire les données anciennes dans les premières lignes, et les données fraîches à la fin, de sorte que les dernières étapes d'apprentissage soient effectuées sur celles-ci.
Merci.
Tous les prédicteurs fonctionnent à l'ouverture des barres - je ne sais même pas maintenant comment identifier ceux qui pètent - par idée, leur signification devrait être élevée ?
Si toutes les options sont à prix ouvert, alors ils ne devraient pas regarder, si d'autres options sont possibles, alors ils regardent.
Si tout est à prix ouvert, il ne devrait pas y avoir de problème, mais s'il y a d'autres options, il y en a.
Pouvez-vous tester mon jeu de données sur un réseau neuronal, je n'arrive pas encore à le comprendre ? Celui qui est intégré dans ce programme ne veut pas apprendre plus de 56% - peut-être que je fais quelque chose de mal ou que le réseau n'est pas adapté.....
Pouvez-vous tester mon jeu de données sur un réseau neuronal, je n'arrive pas encore à le comprendre ? Construit dans ce programme ne veut pas apprendre plus de 56% - peut-être que je fais quelque chose de mal, ou le réseau n'est pas adapté.....
D'après la photo, vous avez environ 8% d'erreur (précision 92%), et non 56%.
Vous avez une régression dans votre dossier, et vous testez la classification, à en juger par votre description. Vous avez probablement besoin d'un fichier avec une classification.
D'après la photo, l'erreur est d'environ 8 % (précision de 92 %), et non de 56 %.
Oui ce fichier est faux, j'ai déjà ajouté des prédicteurs et fait la classification des cibles selon une règle simple - si plus ou égal à 50 points alors 1 (pour l'achat) et -1 (pour la vente), sinon 0, et les colonnes pour l'achat et la vente sont indépendantes.
Le 56% est un neurone et les captures d'écran sont celles de l'arbre.Oui ce fichier est faux, j'ai déjà ajouté des prédicteurs et fait une classification de la cible par une règle simple - si elle est supérieure ou égale à 50 points alors 1 (pour l'achat) et -1 (pour la vente), sinon 0, et les colonnes pour l'achat et pour la vente sont indépendantes.
Environ 56% - donc c'est un neurone, et des captures d'écran de l'arbre.Si l'arbre fonctionne mieux, utilisez-le. Le NS est plus difficile à mettre en place.
Jusqu'à présent, seule la logique fonctionne (ou peut-être que je teste mal ?), mais je ne sais pas comment l'utiliser.
Si quelqu'un veut aider à tester le fonctionnement des prédicteurs, il y a deux fichiers dans la pièce jointe - pour l'achat et la vente, la colonne 3 est la cible, les colonnes 1 et 2 ne sont pas utilisées, et le reste sont des prédicteurs.
alglib a kfold, est-ce que quelqu'un a trouvé comment travailler avec ? la documentation est presque nulle :)
Ah, je vois, ces méthodes enseignent automatiquement par validation croisée.
Les outils ont été donnés, mais il n'y a pas de manuel. Il serait bien d'avoir une aide pour chaque fonction, comment l'utiliser, et avec des exemples.
Jusqu'à présent, seule la logique fonctionne (ou peut-être que je teste mal ?), mais je ne sais pas comment l'utiliser.
Si quelqu'un veut aider à tester la performance des prédicteurs, il y a deux fichiers en annexe - pour l'achat et la vente, la colonne 3 est la cible, les colonnes 1 et 2 ne sont pas utilisées, et le reste sont des prédicteurs.
J'ai essayé le 1er fichier, je l'ai divisé en 3 parties :
Apprendre
Prédiction :
Réel 0 1
0 28107 1244
1 3045 4119
Test 1
Prédiction :
Réel 0 1
0 5950 356
1 742 776
Actuel 2
Prédiction :
Réel 0 1
0 5945 333
1 779 769
Calculé sur nnet avec 10 neurones dans une couche cachée (NS du paquet Rattle de R)
Pire que votre forêt, mais pas mauvais. Le deuxième fichier aura probablement les mêmes résultats.