L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2461
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
Carrie trading è un vecchio trabiccolo....
ma tutto sommato, come si dice su internet: keep watching!
p.s.
Vladimir Baskakov , le tue esclamazioni in #24597 non ti rendono più un interlocutore interessato, più simile a un paparazzo che cerca dove gridare... gridando?... - l'argomento della tua liquirizia è finito... è chiaro che non sei interessato a lavorare con il tuo cervello sull'argomento, e EA non funzionerà da sola senza un codificatore...
sì, hai avuto la tua risposta, (se non hai imparato niente di più dagli argomenti di cui sopra nella tua vita)
p.s.
Vladimir Baskakov , le tue esclamazioni in #24597 non ti rendono più un interlocutore interessato, più simile a un paparazzo che cerca un posto per gridare... gridando?... - l'argomento della tua liquirizia è finito... ovviamente non sei interessato a lavorare con il tuo cervello sull'argomento, e EA non funziona da sola senza un codificatore...
Mi piacciono le persone con tanta fiducia in se stesse, verità non confermate. Ma queste persone appaiono qui regolarmente e scompaiono rapidamente. Come: aspettando in silenzio il profitto...
sì, ti è già stata data una risposta, (se non sei riuscito a tirar fuori altro dai topic precedenti)
p.s.
Mi piacciono le persone con una tale sicurezza di sé, non supportata da alcuna verità. Ma si presentano qui regolarmente e spariscono rapidamente. E' come dire: "Aspettiamo in silenzio i profitti...
Sì... perché si tratta di personalità, non di materia... a Einstein con la sua richiesta di provarle qualcosa con il suo deposito... (come, metterlo giù anche, se non cede tutto il suo vantaggio competitivo in questo mercato, io sogghignare e deridere e insultare e metterlo giù e punzecchiarlo, fino a quando si precipita a mostrare le immagini, e se "me" (cioè, voi) come le immagini, poi tormentarlo a morte, per attaccare ai suoi profitti o il suo discorso marcio di non dargli il tempo di guadagnare fino a quando egli azioni) ... Einstein ti capirà...
dialoghi come questo parlano davvero molto di te come persona, come trader, come analista e come programmatore... personalmente sono solo disgustato di impegnarsi in dibattiti di questo tipo su tali talk show di tali "professionisti" superficiali... quindi non inizio nemmeno lo show
Sì... perché questa è una discussione sulle personalità, non il tema dell'argomento dichiarato... a Einstein con la sua richiesta di provarle qualcosa con il suo deposito... (come, mettere giù anche lui, se rinuncia a tutto il suo vantaggio competitivo in questo mercato, perseguiterà e deridere fino a quando si precipita a mostrare le immagini, e se "me" (cioè, voi) come le immagini, poi lo tormentano a morte per attaccare ai suoi profitti o le sue chiacchiere marce per non dargli il tempo di guadagnare fino a quando egli azioni) ... Einstein ti capirà...
dialoghi come questo parlano davvero molto di te come persona, come trader, come analista e come programmatore... personalmente, sono solo disgustato di impegnarsi in questo tipo di dibattito su tali talk show da tali "professionisti" superficiali... quindi non inizio nemmeno il programma
Saluti Fratelli!!!
Ricordo di averlo detto più di una volta, ma lo dirò di nuovo. Sì, il metodo di addestramento e l'architettura del NS sono importanti, ma molto più importanti sono i dati che usate. In molti modi una vasta gamma di architetture di rete funzionerà bene con dati ben preparati. È naturale che ogni tipo di NS ha bisogno di una pre-elaborazione specifica, ma se i dati di input, le informazioni che si prendono per entrare nella rete hanno senso per l'obiettivo, allora il risultato sarà visibile subito. Il punto di scavare diversi metodi di costruzione del NS se l'uscita solo sulla configurazione unica ancora non può funzionare.
Beh, sto solo dicendo che forse i giovani leggono :-).
Dalla mia esperienza, i dati (dati di pre-elaborazione) e la funzione obiettivo sono particolarmente importanti. Infatti, i dati sono "recettori", uscita da recettori, si può/deve permettere loro di "evolvere", di essere selezionati. La funzione obiettivo scelta/formata in modo intelligente fornisce risultati robusti di apprendimento/evoluzione, risolve il compito di addestramento/retraining.
Nella mia esperienza, i dati (pre-elaborazione dei dati) e la funzione obiettivo sono particolarmente importanti. Infatti, i dati sono "recettori", l'uscita dai recettori può/deve essere lasciata "evolvere" ed essere selezionata. Una funzione bersaglio adeguatamente selezionata/formata fornisce risultati robusti di apprendimento/evoluzione, risolve il problema della potenza/ri-apprendimento.
Sono un po' in disaccordo sulla funzione obiettivo. Supponiamo di avere un obiettivo ideale ma l'apprendimento non va bene e non è possibile ottenere risultati soddisfacenti con i dati attuali, se iniziamo a degradare l'obiettivo rendendolo meno ideale, questo porterà a risultati di apprendimento migliori. È come se adattassimo l'obiettivo ai dati di input che abbiamo. Sì, la qualità dell'apprendimento migliorerà, ma sarà poco utile. A mio parere, dovremmo costruire un obiettivo ideale e cercare un tale insieme di dati che ci permetta di ottenere i migliori risultati di apprendimento possibili. Cioè, dovreste cercare nei dati di input, non nei dati di destinazione.
Quando si parla di dati, si intende l'informazione fornita all'input. Per quanto riguarda la pre-elaborazione, è standard e applicabile a qualsiasi dato che utilizziamo. Questo è almeno la centratura e il ridimensionamento.
Sono un po' in disaccordo sull'obiettivo. Supponiamo di avere un obiettivo ideale ma l'apprendimento è scarso e non possiamo ottenere risultati di apprendimento soddisfacenti con i dati attuali, se iniziamo a degradare l'obiettivo rendendolo meno che ideale questo porterà a risultati di apprendimento migliori. È come se adattassimo l'obiettivo ai dati di input che abbiamo. Sì, la qualità dell'apprendimento migliorerà, ma sarà poco utile. A mio parere, dovremmo costruire un obiettivo ideale e cercare un tale insieme di dati che ci permetta di ottenere i migliori risultati di apprendimento possibili. Cioè, dovreste cercare nei dati di input, non nei dati di destinazione.
Quando si parla di dati, si intende l'informazione fornita all'input. Per quanto riguarda la pre-elaborazione, è standard e applicabile a qualsiasi dato che utilizziamo. È almeno la centratura e il ridimensionamento.
Lei ha interpretato la mia opinione al contrario, in natura, l'obiettivo è il più pratico - il più "necessario" sopravvive e si moltiplica. Ed è necessario allenare l'obiettivo più "pratico" senza cambiarlo in alcun modo.
Sui dati, sì, informazioni date come input, ma idealmente dovremmo avere "occhi", "orecchie", "naso", ecc.
Lei ha interpretato la mia opinione al contrario, in natura l'obiettivo è il più pratico - il più "necessario" sopravvive e si moltiplica. Ed è necessario allenare l'obiettivo più "pratico" senza modificarlo in alcun modo.
Riguardo ai dati, sì, le informazioni alimentate all'input, ma idealmente dovremmo formare/ricevere - "occhi", "orecchie", "naso", ecc.
Sì... perché questa è una discussione sulle personalità, non il tema dell'argomento dichiarato...