L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2053
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
Et voici comment le catbust a été entraîné sur les mêmes données (en 5 secondes)
52 : learn : 0.7964708 test : 0.7848837 best : 0.7860866 (27) total : 604ms remaining : 5.09s
Ensemble de données source :
Modèle entraîné (la seconde moitié de la transaction est l'échantillon de test) :
Pas toujours, bien sûr, en fonction de l'échantillonnage (et il est aléatoire, c'est-à-dire qu'il nécessite un suréchantillonnage). Parfois comme ça :
34 : learn : 0.5985972 test : 0.5915832 best : 0.5927856 (9) total : 437ms remaining : 5.81s
Maxim, j'ai une question, quelles sont les valeurs sur vos graphiques et avez-vous fait un tracé de convergence ?
Maxim, j'ai une question, quelles sont les valeurs des axes sur vos graphiques ?
Le nombre de transactions, pour y profit en pips
la seule chose qui reste à faire est de sauvegarder le modèle dans le métaque et de le vérifier dans son testeur
le nombre de transactions, y le bénéfice en pips.
J'ai beaucoup d'expérience dans ce type de commerce.
vous vous souvenez de la dernière fois où nous avons parlé de wizards ? sur le paternoster, je l'ai mis en formation le même jour, il est toujours en apprentissage. ça prend beaucoup de temps.
le réseau est écrit en metatrader ? ) J'ai déjà fait des commentaires à ce sujet
Le réseau est-il écrit en metatrader ? ) J'ai déjà fait des commentaires sur ce sujet
je l'ai déjà commenté dans meta, mais du côté positif)))) il ne se ré-entraîne pas)), faites un graphique des erreurs de votre réseau, j'aimerais voir)
Et voici comment le catbust a été entraîné sur les mêmes données (en 5 secondes)
52 : learn : 0.7964708 test : 0.7848837 best : 0.7860866 (27) total : 604ms remaining : 5.09s
Ensemble de données source :
Modèle entraîné (la seconde moitié de la transaction est l'échantillon de test) :
Pas toujours, bien sûr, en fonction de l'échantillonnage (et il est aléatoire, c'est-à-dire qu'il nécessite un suréchantillonnage). Parfois comme ça :
34 : learn : 0.5985972 test : 0.5915832 best : 0.5927856 (9) total : 437ms remaining : 5.81s
résultat correct 0,59
on ne peut pas simplement échantillonner une série chronologique, ce n'est pas comme les iris de fischer ))))
vous regardez vers l'avenir ... l'échantillonnage est strictement pour la piste, d'abord diviser, puis échantillonner
et non pas vice versa comme vous l'avez fait
sur le mete, mais du côté positif)))) il ne se recycle pas)), faites un graphique de vos erreurs de réseau, j'aimerais voir)
vous ne pouvez pas utiliser des algorithmes qui prennent tant de temps à se recycler... vous risquez de devenir grisonnant.
le résultat correct est 0.59
on ne peut pas simplement échantillonner une série chronologique, ce n'est pas l'iris de Fisher ))))
vous regardez vers l'avenir ... l'échantillonnage peut être strictement tracé, d'abord diviser, puis échantillonner
et non dans l'autre sens comme vous l'avez fait
Que voulez-vous dire par résultat correct ? Ce sont des erreurs pour différents ensembles de données.
pas de chronologie, mais des étiquettes. voir les vidéosVous ne pouvez pas utiliser des algorithmes qui prennent autant de temps à apprendre.
Akurashi je suppose qu'il s'agit de la précision de la prédiction ? et du logloss ? il ne devrait pas y avoir d'apprentissage sur un test, et l'erreur devrait être la même quel que soit le nombre de passages ? ou -+ au moins, mais elle ne devrait pas diminuer
Qu'entendez-vous par résultat correct ? Il s'agit d'erreurs pour différents ensembles de données.
il ne s'agit pas d'un échantillonnage de séries temporelles, mais d'étiquettes. voir les vidéosJe comprends bien que vous entraînez le réseau à prédire des séries temporelles, n'est-ce pas ?