L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1503
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
Bonjour à tous ceux d'entre vous qui travaillent dans le domaine des NS.
Je n'ai pas beaucoup étudié la N.-É. en matière de compréhension de base, mais j'ai des questions et personne à consulter.
Si l'un d'entre vous connaît bien les modèles de construction, veuillez lui indiquer dans quelle direction chercher une solution, et si elle a du sens.
La tâche est de la nature suivante.
Il y a un échantillon dans le tableau unidimensionnel, les valeurs de l'indicateur étant redessinées.
Est-il possible d'enseigner le réseau en utilisant NS pour obtenir le même tableau d'échantillons mais sans redessiner cet échantillon en temps réel ?
Par exemple, si un professeur enseigne des valeurs doubles d'un échantillon, le résultat sera-t-il redessiné en temps réel ?
Si non, quel modèle est mieux adapté ?
Le clustering, tel que je le comprends, donne la réponse finale sous forme de deux solutions Oui Non, vrai faux, 0 1
Que ce modèle d'apprentissage n'est pas adapté à la tâche à accomplir.
Quel modèle d'apprentissage est nécessaire pour la tâche à accomplir ?
Et y a-t-il un intérêt à s'entraîner pour se débarrasser du redécoupage des valeurs dans le résultat final ?
Bon temps à tous ceux qui sont dans le sujet NS.
J'ai étudié les NS dans leur compréhension de base, mais j'ai des questions et personne à consulter.
Si quelqu'un connaît bien le modèle, veuillez me conseiller dans quelle direction chercher une solution, et si elle a du sens.
La tâche est de la nature suivante.
Il y a un échantillon dans le tableau unidimensionnel, les valeurs de l'indicateur étant redessinées.
Est-il possible d'enseigner le réseau en utilisant NS pour obtenir le même tableau d'échantillons mais sans redessiner cet échantillon en temps réel ?
C'est-à-dire, utiliser un professeur pour former des valeurs d'échantillon en double, et ce résultat se redessinera-t-il en temps réel ?
Si oui, quel est le modèle le mieux adapté ?
Le clustering, tel que je le comprends, donne la réponse finale sous forme de deux solutions Oui Non, vrai faux, 0 1
Que ce modèle d'apprentissage n'est pas adapté à la tâche à accomplir.
Quel modèle d'apprentissage est nécessaire pour la tâche à accomplir ?
Et cela a-t-il un sens de s'entraîner pour se débarrasser du redécoupage des valeurs dans le résultat final ?
si le résultat est constamment redessiné, alors qu'est-ce qui compte comme résultat final ???
pourquoi ne pas compter comme tout le reste, à la fin de la bougie ?
si le résultat est constamment redessiné, alors qu'est-ce qui compte comme résultat final ???
pourquoi ne pas compter comme tout le reste, à la fermeture de la bougie ?
Nous n'enseignons pas la valeur extrême, maisla gamme de valeurs.
Le résultat final est le professeur original dans le tableau unidimensionnel.
C'est à dire que le but est de copier par exemple le même masque, mais pas de le redessiner en temps réel (le masque est par exemple, il ne dessine pas).
Je n'ai pas étudié beaucoup de NS en compréhension de base, mais j'ai des questions et personne à consulter.
...
Est-il possible d'entraîner un réseau en utilisant NS pour obtenir le même tableau d'échantillons, mais de façon à ce que cet échantillon ne se redessine pas en temps réel par la suite ?
C'est-à-dire, utiliser un professeur pour former des valeurs d'échantillon en double, et ce résultat se redessinera-t-il en temps réel ?
étrange compréhension de base de la NS, et quelle est alors votre définition de l'erreur de formation de la NS ?
La réponse est non, le NS se redessinera toujours selon votre compréhension, même si vous vous êtes entraîné sur les données ne se redessinant pas, vous pouvez expérimenter avec les fonctions d'activation et la structure du NS, mais cela s'arrêtera toujours dans l'erreur d'entraînement du NS - cette erreur se "redessinera" lors du calcul du NS entraîné
comme ceci
étrange compréhension de base de l'opération NS, et ce alors dans votre concept de l'erreur de formation NS ?
La réponse est non, le NS se redessinera toujours selon votre définition, même s'il est formé sur les données ne se redessinant pas, vous pouvez expérimenter avec les fonctions d'activation et la structure du NS, mais tout de même "s'arrêtera" dans l'erreur d'apprentissage du NS - cette erreur se "redessinera" lors du calcul du NS formé
comme ceci
L'erreur d'apprentissage est la différence entre la sortie souhaitée et la sortie réelle du modèle.
Il ne permet pas d'évaluer la précision du modèle avec de nouvelles données qui n'ont pas été impliquées dans le processus d'apprentissage.
Il est préférable d'utiliser l'erreur de généralisation, c'est-à-dire l'erreur du modèle sur un ensemble de tests.
C'est donc comme ça.
C'est pourquoi je voulais savoir s'il était possible de résoudre cette tâche avec l'aide de NS.
Et sur les modèles possibles qui peuvent résoudre ce problème.
Oui, l'idée était juste de prendre une gamme de valeurs non dessinées dans le passé et d'entraîner le réseau sur cet échantillon.
Il existe des programmes spécialisés permettant de s'entraîner avec des modèles prêts à l'emploi ou de les construire manuellement.
La question est de savoir quel modèle est le plus adapté à la tâche, le nom du modèle, je suis sûr qu'il existe un tel modèle.
Oui, il est possible qu'il y ait une erreur, mais vous pouvez essayer de la minimiser, l'essentiel étant que le modèle ait été choisi correctement.
J'écouterai les opinions des autres participants.
Comment ça se passe avec les données réelles ?
Comment ça se passe sur les données réelles ?
Il semble qu'elle attire les plus, mais c'est trop tôt pour le dire. Je viens de le commencer vendredi sur mon compte de démonstration. Je pense augmenter le seuil d'entrée minimum pour diminuer le nombre de transactions et améliorer leur qualité.
Il semble qu'il soit dans le vert, mais c'est trop tôt pour le dire. Je viens de le commencer vendredi sur mon compte de démonstration. J'envisage d'augmenter le seuil d'entrée minimum afin de réduire le nombre de transactions et d'améliorer leur qualité.
C'est un déchet, pas un TS, mon ami.
Il semble qu'il soit dans le vert, mais c'est trop tôt pour le dire. Je viens de le commencer vendredi sur mon compte de démonstration. J'envisage d'augmenter le seuil d'entrée minimum afin de réduire le nombre de transactions et d'améliorer leur qualité.
C'est de la merde, pas le TS, mon ami.
Un nombre aussi faible de transactions n'est pas suffisant pour reconnaître le Graal. La différence entre les résultats analytiques et les résultats réels n'est pas si grande.