L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 523
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Non è niente, è solo un adattamento comune, è stato discusso 100 volte prima. È elementare e non ha alcuna utilità pratica nel forex.
Cioè, è un montaggio. Pensavo di aver detto che era un'area fuori campione di OOS..... Dov'è la misura? Questo è esattamente il livello di generalizzazione abbastanza alto se tutto.....
Intendo la vestibilità. Pensavo di aver detto che era una sezione fuori campione...... Dov'è la misura? Questo è esattamente l'alto livello di generalizzazione se tutto.....
ah... fuori... mi sono perso l'OOS :) allora dovrebbe funzionare sul reale, anche se peggio, ma ancora nel +
per ottenere risultati stabili, è necessario fare la convalida incrociata e il TS adattivo... ma anche lì ci sono molte insidie
L'insidia principale con il sistema di auto-addestramento che ho trovato è che le impalcature o NS sono addestrate in modo leggermente diverso ogni volta sullo stesso campione, il che può portare a cambiamenti significativi nei risultati finali. Cioè, se più volte nel tester per eseguire lo stesso TS, i risultati saranno diversi :)
E ogni volta che studio NS sempre di più, cominciano a piacermi il logit semplice o la regressione lineare:D
Qualcuno sa cosa succede alla rete quando il numero di esempi di allenamento per classe è diverso? Ho visto che questo porta a distorsioni e la rete inizia a produrre solo una classe, e che l'allineamento del numero di classi corregge la situazione. E che l'allineamento del numero di esempi per classi corregge la situazione.
Ma voglio capire la ragione di questo.
Per esempio, dopo aver visto 100 gatti e 2 cani, una persona presta più attenzione ai cani e li guarda, tipo "Oh, qualcosa di nuovo". Per qualche ragione questi 2 cani sembrano gatti ad una rete neurale. Così la quantità rovina la qualità.
Un numero troppo piccolo di esempi di una delle classi non permette di assegnare un solo neurone/connessione per la loro definizione? Anche se con softmax, il neurone di uscita è assegnato, quindi non vengono fatte connessioni ad esso.
O a questi 2 esempi, se ne trovano 10 molto simili di un'altra classe e fanno una preponderanza dalla sua parte?
Intendo la vestibilità. Pensavo di aver detto che era una sezione fuori campione...... Dov'è la misura? Questo è esattamente l'alto livello di generalizzazione se tutto.....
Bene, allora ecco un back versus forward per mese
Qualcuno sa cosa succede alla rete quando il numero di esempi di allenamento per classe è diverso? Ho visto che questo porta a distorsioni e la rete inizia a produrre solo una classe, e che l'allineamento del numero di classi corregge la situazione. E che allineare il numero di esempi per classe corregge la situazione.
Ma voglio capire qual è la ragione?
Un uomo, per esempio, avendo visto 100 gatti e 2 cani, presterà più attenzione ai cani e li guarderà, come - "Oh! Qualcosa di nuovo". Per qualche ragione questi 2 cani sembrano gatti ad una rete neurale. Cioè la quantità rovina la qualità.
Un numero troppo piccolo di esempi di una delle classi non permette di assegnare un solo neurone/connessione per la loro definizione? Anche se con softmax, il neurone di uscita è assegnato, quindi non vengono fatte connessioni ad esso.
O a questi 2 esempi, si trovano 10 molto simili di un'altra classe e si fa l'override nella loro direzione?
Beh, fa una media degli esempi, la seconda classe inizia a contribuire meno
Un altro curioso profeta lib di facebook
http://strategy.doubledoji.com/how-to-use-facebooks-prophet-algorithm-in-forex-trading/
https://github.com/doubledare704/Jupyter-bitcoin
esempi per forex e bitcoin
A cosa è arrivato il progresso.
Quali progressi sono stati fatti.
Strano che le sopracciglia non siano state incluse nel trattamento, anche se una ciocca di capelli fa parte del gruppo.
Bene, allora, ecco anche un back versus forward del mese che si vanta.
Questo è quello di cui sto parlando... figo. Abbastanza possibile scommettere sul reale ...
Non so cosa stiano facendo le vostre reti. Ma Reshetovsky quando le classi sono distorte. Quando il numero di uno e di zeri nella variabile di uscita non sono uguali. Aggiunge al campione di allenamento e di test le classi che sono più piccole. Come esempio di cani e gatti. Se ci sono 100 gatti e 2 cani, il campione sarà aumentato con altre 98 copie di cani per l'equilibrio. Ma l'esempio non è buono, perché c'è un modo complicato di aggiungere. Non solo così. Come risultato otteniamo un campione di 100 gatti diversi e 100 copie di cani. Quindi questo è tutto...