L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 933
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
C'est dans le script R, que j'ai montré à Michael il y a une centaine de pages. L'algorithme génétique essaie des paramètres pour elmnn (fonction d'activation, grain gpsh, nombre de neurones cachés). La fonction de fitness pour la génétique entraîne un comité de modèles elmnn en utilisant ces paramètres, évalués via kfold, etc.
J'ai écrit ce script moi-même, lorsque j'ai été inspiré par votre article sur elmnn et l'optimisation bayésienne. Mais fait de la génétique au lieu de baes, ça marche beaucoup plus vite pour moi, et fait de l'estimation de comité à mon goût.
Compris. Vous n'avez pas écrit sur ce sujet avant ou je l'ai manqué...
Bonne chance
La fonction de fitness pour la génétique entraîne un comité de modèles elmnn à l'aide de ces paramètres, évalués par kfold, etc.
Pouvez-vous nous donner plus de détails sur la formation par la fonction de fitness ? Mes prédicteurs peuvent-ils convenir à ce type de SN ? Comment essayer s'ils le peuvent ?
Sur quelle période de temps déchargez-vous les données ?
J'ai un écart de 2 ans et une différence de données de 15 secondes. Prédicteurs : 30 naturels et plus de 1000 générés au format "(double)(val1 < val2)".
Au début, je pensais également que le nombre de prédicteurs devait être réduit, mais la pratique a montré que plus est mieux.
Bien sûr, 1000 prédicteurs en 2 ans donnent un volume d'environ 3GB. Utiliser R pour de tels volumes n'est pas sérieux.
Je me demande pourquoi.
Python a dépassé R en datamining car il y a Cython et Jython connectés à des projets comme TensorFlow, Spark, MXNet...
Python n'a contourné personne. Avez-vous vu qui a rejoint le consortium R ? Ne recommencez pas un argument absurde pour savoir quelle langue est la meilleure. De plus, nous pouvons maintenant facilement utiliser les deux en même temps. La partie concernant Cython et Jython est amusante.
Bonne chance
Tout le monde peut faire partie du consortium, mais cela ne signifie pas un soutien total.
RStudio, contrairement à Anaconda, ne peut pas gérer correctement les graphiques : échelle, coordonnées, etc.
C'est https://jupyter.org/ qui est aujourd'hui la norme pour les serveurs informatiques.
Pouvez-vous développer l'entraînement par la fonction de fitness ? Mes prédicteurs peuvent-ils convenir à ce type de SN ? Comment essayer s'ils le peuvent ?
En gros, il s'agit d'une fonction qui a des paramètres - les paramètres de la neuronka. La fonction entraîne le réseau neuronal en fonction de ces paramètres et évalue le résultat. Et l'optimiseur génétique sélectionne tous ces paramètres de la fonction pour obtenir un score plus élevé, c'est-à-dire qu'il appelle cette fonction avec différents paramètres des milliers de fois pour essayer de trouver un meilleur réglage. Ceci est similaire à la génétique de l'optimiseur mt5.
Vous pouvez essayer, j'ai un exemple de code R sur mon blog, mais vous devez y ajouter l'évaluation et le tri des prédicteurs, le neurone lui-même ne le fera pas. Et sans élaguer les prédicteurs, vous obtiendrez probablement un dépassement et un mauvais résultat.
En gros, il s'agit d'une fonction qui a des paramètres - les paramètres de la neuronka. La fonction entraîne le réseau neuronal en fonction de ces paramètres et évalue le résultat. L'optimiseur génétique sélectionne tous ces paramètres de fonction pour obtenir un score plus élevé, c'est-à-dire qu'il appelle cette fonction avec différents paramètres, des milliers de fois, en essayant de trouver un meilleur réglage. Ceci est similaire à la génétique de l'optimiseur mt5.
Vous pouvez essayer, j'ai un exemple de code R sur mon blog, mais vous devez y ajouter l'évaluation et le tri des prédicteurs, le neurone lui-même ne le fera pas. Et sans filtrage des prédicteurs, il est fort probable que l'on obtienne un surajustement et un mauvais résultat.
Oui, je vais le mettre dans la file d'attente - je voulais d'abord le tester.
Mais une question se pose : pourquoi les prédicteurs ne peuvent-ils pas être filtrés dans l'optimiseur ?
Tout le monde peut faire partie du consortium, mais cela ne signifie pas un soutien total.
RStudio, contrairement à Anaconda, ne sait pas comment gérer correctement les graphiques : échelle, coordonnées, etc.
C'est https://jupyter.org/ qui est désormais la norme pour l'informatique côté serveur.
Le financement du développement, la mise en œuvre dans leurs produits n'est pas un soutien total ?
Vous construisez mal votre phrase. Écrivez comme ceci : "Je ne sais pas comment travailler correctement avec les graphiques dans Rstudio, je n'ai pas appris".
Le reste est sans commentaire, très naïf.
Et arrêtons cet argument. Écrivez spécifiquement sur le MO. Vous avez de l'expérience, bien qu'il n'y ait pas de résultats positifs, mais cela viendra avec le temps. Parlez-nous d'eux, partagez vos expériences. Ce sera beaucoup plus utile que des discussions oiseuses sur les avantages d'une langue par rapport à une autre.
Bonne chance
Vous ne faites pas la bonne phrase. Écrivez comme suit : "Je ne sais pas comment travailler correctement avec des graphiques dans Rstudio, je n'ai pas appris.
Et il n'y a pas de graphiques dans R lui-même. Dieu sait aussi ce qui se passe dans les progiciels graphiques.
Filtre_02 2016 arr_Buy
La classe "1" dépasse même la classe "0" en nombre, il y a donc moins de fausses entrées par rapport à avant. Essayez cet arbre dans l'EA s'il vous plaît ? Je suis moi-même curieux de savoir ce que le graphique des bénéfices va montrer.
30715182167207681753Cependant, la question est de savoir pourquoi les prédicteurs ne peuvent pas être remplacés dans l'optimiseur ?
Can