L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1947

Nouveau commentaire
 
Evgeny Dyuka:
Je n'ai rien trouvé d'efficace, au début j'essayais juste de voir ce qui influencerait mieux le résultat, mais ensuite j'ai abandonné, c'était trop douloureux. Il semble que TensorBoard pourrait aider. Je ne l'ai pas encore mis au point, si vous entrez dans les détails, partagez avec moi comment le mettre en place.

Rien d'intéressant ici. 

%load_ext tensorboard
import datetime, os
logdir = os.path.join("logs", datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
tensorboard_callback = tf.keras.callbacks.TensorBoard(logdir, histogram_freq=1)
history = model.fit(InTrain, OutTrain, epochs=10, batch_size=32, callbacks=[tensorboard_callback])
%tensorboard --logdir logs

Je veux essayer de tirer les poids de la couche d'entrée, je dois trouver comment.

 
Rorschach:

Il n'y a rien d'intéressant.

Je veux essayer de tirer les poids de la couche d'entrée, j'ai besoin de trouver comment.

Merci pour le lien.
Est-il même nécessaire de s'en préoccuper ? S'il n'y a pas des milliers de fonctionnalités, mais des dizaines, alors le neurone trouvera ce dont il a besoin, il suffit de jouer avec le décrochage. Lorsque j'alimente beaucoup l'entrée, je règle le dropout à 0,5 et je laisse le système réfléchir lui-même à ce dont il a besoin.
 
Evgeny Dyuka:
Merci pour le lien.
Est-il même nécessaire de s'en préoccuper ? S'il n'y a pas des milliers de fonctionnalités, mais des dizaines, le neurone trouvera ce dont il a besoin, il suffit de jouer avec le décrochage. Lorsque j'envoie beaucoup de données à l'entrée, je règle le dropout à 0,5 et je laisse le système déterminer lui-même ce qu'il veut.

Je pense que oui. Je nourris 10 stagiaires en retard et la validation montre des chiffres similaires, je nourris 100 stagiaires qui commencent à se recycler.

 
Rorschach:

Je pense que nous devrions. Je nourris 10 stagiaires retardés et la validation montre des chiffres similaires, je nourris 100 stagiaires qui commencent à se recycler.

J'ai résolu le problème du réentraînement une fois pour toutes lorsque j'ai commencé à doser 5 à 10 mille pour la fonction, et des époques de 100-150. Il n'y a aucun problème de recyclage.
 
C'est samedi et ça a été une explosion...
 
Rorschach:

Tout le monde blâme le C++ pour les liens, mais Python a décidé d'aller plus loin et de les coller partout.

Il suffit d'apprendre à les utiliser correctement. Obtenir une tranche de données est une chose, mais faire des allers-retours jusqu'à ne plus comprendre d'où elles viennent en est une autre :)

 
mytarmailS:

étudier le paquet tsmp.

C'est intéressant, un peu comme la reconnaissance d'état dans un modèle de Markov caché.

Je ne sais pas comment l'utiliser, mais je vais le garder en tête...

fonction

https://sites.google.com/site/snippetfinderinfo/

Oh, je n'arrive pas à trouver un modèle, c'est comme s'il n'y avait pas de modèle.

Je peux, mais ils sont vite à court de nouvelles données.

 
Mihail Marchukajtes:
Il semble que ce soit samedi...

Sur ****, il est piétiné.

Ça arrive...
 
mytarmailS:

Alexei tu me rends nerveux à nouveau)

J'écris une douzaine de codes par jour, et je suis censé me souvenir du code que j'ai écrit pour vous ? Je l'ai écrit pour que tu apprennes quelque chose, et je suis censé savoir si tu as changé le code ou pas ?

Et vous n'avez même pas appris à regarder la variable ? Il suffit de taper "X" dans la console et d'appuyer sur la touche Entrée !

Et je pose des questions étranges ? Tu n'as pas honte, Alexei ?

Ne soyez pas nerveux - pratiquez - cela vous sera utile quand vous aurez des enfants :)

Alors, quel genre de fonction est-ce - le traducteur donne :

predict - il s'agit d'une fonction universelle permettant de prédire à partir de diverses fonctions d'ajustement de modèles. La fonction appelle certaines méthodes qui dépendent de la classe du premier argument.

Si je comprends bien, il s'agit essentiellement d'une fonction permettant d'appliquer le modèle à de nouvelles données.

J'ai lu l'aide de l'UMAP et j'en ai conclu que le modèle résultant est essentiellement une matrice.

C'est la matrice que je me demandais comment obtenir. Dans d'autres méthodes de création de modèles, il peut s'agir d'autre chose - des formules mathématiques ou un ensemble de règles logiques.

Mais pourquoi l'algorithme d'application du modèle aux nouvelles données n'est-il pas décrit - comment affecter une ligne de l'échantillon test à une coordonnée particulière en utilisant cette matrice ? Sans cela, toute cette direction ne vaut rien.

 
mytarmailS:

Ce ne sont pas des retours, il n'y a pas de modèles dans les retours (vérifié par 7 ans d'expérience) Ce sont des dimensions abrégées, il y a 2.5k traits dans ces deux courbes Te cherche des modèles sur des stéroïdes )

Comment avez-vous obtenu ces courbes ? Les principaux composants ?

1...194019411942194319441945194619471948194919501951195219531954...3399
Nouveau commentaire