L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 52
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
L'aptitude peut augmenter simplement parce que le modèle a amélioré sa topologie et supprimé quelques neurones, pour une même précision.
D'après ce que j'ai compris des commentaires dans le code, il s'agit d'un portage depuis Lua. Et Lua est aussi un portage, car l'original était déjà en c++: http://nn.cs.utexas.edu?neat.
Le portage est malheureux, beaucoup d'actions inutiles, il serait préférable que l'auteur de RNeat prenne le code C++ comme base, et utilise les paquets génétiques R existants pour faire évoluer le réseau.
J'ai trouvé cette note sur un site web, mais elle ne fonctionne plus pour une raison quelconque.
Peut-être que quelqu'un sera intéressé :
...L'étape suivante était un nouveau modèle : nous appliquons un filtre passe-basau prix de clôture (j'ai utilisé un filtre Butterworth de 2ème ordre), nous appliquons une approximation polynomiale-harmonique, nous transformons A*cos(wx)+B*sin(wx) pour former M*sin(wx+f) et nous prenons M et f comme caractéristiques secondaires.
.... Et avec ce modèle, j'ai réussi à construire un réseau qui avait de très bonnes propriétés de généralisation : il reconnaissait correctement presque toutes les nouvelles données.
Yury Reshetov- Yury, comprenez-vous ce que l'homme a écrit ici en général ?
C'est un peu la mode ces derniers temps de se vanter de comptes centraux.
mytarmailS:
...L'étape suivante était un nouveau modèle : nous appliquons un filtre passe-basau prix de clôture (j'ai utilisé un filtre Butterworth de 2ème ordre), appliquons une approximation polynomiale-harmonique, transformons A*cos(wx)+B*sin(wx) pour former M*sin(wx+f) et prenons M et f comme caractéristiques secondaires.
.... Et avec ce modèle, j'ai réussi à construire un réseau qui avait de très bonnes propriétés de généralisation : il reconnaissait correctement presque toutes les nouvelles données.
Yury Reshetov- Yury, comprenez-vous ce que l'homme a écrit ici en général ?
Pour être honnête, pas vraiment. Il y a beaucoup de questions :
À première vue, on a l'impression d'avoir une sorte de texte érudit sans spécificité - des affirmations non fondées.
Et par conséquent, sans connaître les réponses aux questions ci-dessus, on ne peut que deviner comment le reproduire dans la pratique et obtiendra-t-on un résultat adéquat ?
Il y avait encore une publicité quelque part ?
Le problème ici n'est pas la vantardise ou les comptes en cents.
Le problème est autre.
Les participants à la discussion espèrent, à mon avis, trouver un graal en leur glissant des éléments inutiles.
Et ils oublient complètement qu'ils doivent utiliser une stratégie ou une tactique toute faite, selon ce qui est le mieux.
La machine ne fait que ce que vous y mettez.
La merde à l'entrée est la merde à la sortie.
Désolé.
Le problème ici n'est pas la vantardise ou les comptes en cents.
Le problème est autre.
Les participants à la discussion espèrent, à mon avis, trouver un graal en leur glissant des éléments inutiles.
Et ils oublient complètement qu'ils doivent utiliser une stratégie ou une tactique toute faite, selon ce qui est le mieux.
La machine ne fait que ce que vous y mettez.
La merde à l'entrée est la merde à la sortie.
Je suis désolé.
Un réseau neuronal protéique peut être plein de conneries à l'entrée et à la sortie.
Désolé.
Un réseau neuronal protéique peut également être plein de goo, tant en entrée qu'en sortie.
(rires) Désolé.
Exactement, c'est ce que je dis.
Qu'avez-vous à dire à ce sujet ?
Exactement, c'est ce que je dis.
Avez-vous quelque chose à dire sur le sujet ?
La question est donc pour vous. )
Quelle est la tactique ? Qu'est-ce qui te vient à l'esprit ? Alors dites-moi.