Y a-t-il un modèle dans ce chaos ? Essayons de le trouver ! Apprentissage automatique sur l'exemple d'un échantillon spécifique. - page 8
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
Oui, il y a beaucoup de données, et j'ai l'intention d'en ajouter d'autres - il est donc nécessaire de développer une méthodologie de sélection avant l'obscurcissement.
Je suis en train de m'entraîner, et je dirai que beaucoup de choses dépendent des paramètres, en particulier du nombre de divisions dans les tables quantiques.
Je viens de commencer une expérience où l'entraînement est effectué avec les paramètres par défaut de la carte vidéo - une passe, sans tenir compte de l'évaluation du modèle et du test sur l'échantillon d'examen, prend 2 à 3 minutes - en fonction du nombre d'arbres résultant dans le modèle. Sur mon processeur FX-8350 plutôt obsolète, c'est environ 60% plus lent.
Je pense que la vitesse est tout à fait acceptable, j'entraîne généralement 100 modèles avec une graine fixe pour évaluer l'efficacité de la méthode.
Si vous entraînez jusqu'à la "fin", le programme estime le temps à 2 heures.
Pas des niveaux, mais des fourchettes, plus des modèles de vagues et des chandeliers. Ces éléments ne figurent pas dans les livres. Cela devrait fonctionner.
2-3 minutes avec une profondeur d'arbre de 6 et 1000 arbres ?
Les arbres 250-400 sont construits, car il existe un contrôle de l'arrêt de la formation sur l'échantillon de test, c'est-à-dire que s'il n'y a pas d'amélioration au cours des 100 derniers arbres, la formation s'arrête et le modèle est réduit au dernier arbre présentant une amélioration.
Voici une autre variante - je la préfère encore, car elle donne un résultat stable sur tous les échantillons.
0,042 est le meilleur résultat. Meilleur que sur toutes les colonnes et la courbe d'équilibre est plus jolie. Mais pas aussi bien que sur Catbusta.
La première colonne est-elle zéro ou "1" ? :)
C'est zéro.
Probablement proche de la signification de 1041-1489.
A 448 barres, le meilleur 0.03000
0,042 est le meilleur résultat. Il est meilleur que toutes les colonnes et la courbe d'équilibre est plus jolie. Mais pas aussi bien que ce que vous avez fait sur Catbusta.
A 448 barres, le meilleur résultat est 0,03000.
Le résultat est déjà nettement meilleur, et il semble avoir été obtenu grâce au choix de prédicteurs favorisant l'apprentissage. La question est de savoir combien il y a d'autres prédicteurs utiles et comment les extraire.
Essayez de modifier l'objectif en mettant "1" uniquement si vous réalisez un profit de plus de 50 pips (peut-être que moins est mieux) - cela a amélioré l'apprentissage dans mes expériences, bien que le nombre d'objectifs positifs soit devenu encore plus petit...
Le résultat est déjà nettement meilleur et semble être dû au choix de prédicteurs qui favorisent l'apprentissage. Ce qui nous intéresse, c'est de savoir combien d'autres prédicteurs sont utiles et comment les éliminer.
Essayez de modifier l'objectif en mettant "1" uniquement si le profit est supérieur à 50 pips (peut-être même moins) - cela a amélioré l'apprentissage dans mes expériences, bien que le nombre d'objectifs positifs soit devenu encore plus petit...
Le graphique pour le porgoa de 60 pt est le meilleur.
La 2ème colonne est le seuil de la classe (mais pas dans la majoration du professeur, mais dans les prévisions). La troisième est le bénéfice.
Le graphique pour 60 pts est le meilleur.
Et comment connaissez-vous le bénéfice lors de la prévision, ou avez-vous un modèle de régression ?
Essayez de vous décaler lorsque vous enseignez :)
Et comment, en matière de prévision, connaissez-vous le bénéfice, ou disposez-vous d'un modèle de régression ?
Essayez le décalage lors de la formation :)