L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2292
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
Fate una seconda uscita della rete per calcolare il lotto. O usare la fiducia nella griglia come moltiplicatore del lotto.
La mediazione e le griglie non riguardano sempre la dimensione del lotto
c'è un rumore negli incrementi
come trovare cicli di 24 periodi in incrementi di 1 periodo
Facile. Passare agli incrementi è una differenziazione. Il rapporto tra le ampiezze e le frequenze cambia, ma non vanno da nessuna parte. È ancora meglio quando i cicli lenti non intasano quelli veloci, non c'è bisogno di filtrare con i trattini.
c'è un rumore negli incrementi
come trovare cicli di 24 periodi in incrementi di 1
finestra 48
Colleghi,potete dirmelo per esperienza?
Mi chiedevo se ha senso controllare i pesi dello strato di ingresso (gli ingressi sono normalizzati) durante l'allenamento? Dà qualcosa di realistico per valutare l'importanza degli input?
Uso la libreria di Dmitriy Gizlykper gli esperimenti.
So che scaricando i dati in R o Python posso calcolare tutti i tipi di nodi. Ma non ci sono ancora arrivato, ed è conveniente che la sua soluzione sulla scheda video sia quasi "volante".
In generale, ha senso controllare i pesi degli input per semplicità, o in ogni caso dovrei prima fare un'analisi dettagliata degli input?
Per un'analisi preliminare degli input potete usare
è possibile stimare l'impatto attraverso i pesi
Capisco, più pesi ci sono più influenza, è possibile avere più informazioni?
Per esempio per capire che il problema non ha una soluzione migliore, o non è convesso (se non confondo il termine). Forse in qualche modo i pesi andranno all'infinito, o agli stessi errori di rete i pesi possono cambiare in modo diverso (cioè a un ingresso molto piccolo, e poi in un altro approccio di formazione (ricominciando) al contrario molto grande), ecc.
Praticamente per ora sto lottando con un compito in cui due classi sono distribuite in modo asimmetrico (una è più del 60%) e le griglie si "bruciano" nel 100% dei casi producendo una classe.
Filtro i dati di input in modo diverso e raccolgo nuovi dati. La domanda può aiutare a filtrare gli input "cattivi", quali input dovrebbero essere scartati o filtrati in modo diverso.
È possibile utilizzare l'impalcatura per l'analisi preliminare degli input
Sì, lo so, l'ho fatto in R, pigro per andare avanti e indietro e lungo. e algleib su MT5 permette questo normalmente senza alcun inceppamento?
Ma ho pensato che forse qualche formazione er mi dirà se guardare i pesi degli ingressi.
Capisco, più pesi ci sono più influenza, è possibile avere più informazioni?
Per esempio per capire che il problema non ha la soluzione migliore, o non è convesso (se non confondo il termine). Forse in qualche modo i pesi andranno all'infinito, o forse con gli stessi errori di rete i pesi possono cambiare in modo diverso (cioè poi ad un particolare input molto piccolo e poi in un altro approccio di allenamento (avendo ricominciato) al contrario molto grande), ecc.
Praticamente per ora sto lottando con un compito in cui due classi sono distribuite in modo asimmetrico (una è più del 60%) e le griglie si "bruciano" nel 100% dei casi producendo una classe.
Filtro i dati di input in modi diversi e raccolgo nuovi dati. la domanda può aiutare a filtrare gli input "cattivi", quali input dovrebbero essere scartati del tutto o filtrati in modo diverso.
Ci sono molte cose che si possono fare. Non posso dirvi la soda, perché ci sono pacchetti speciali.
Le classi dovrebbero essere bilanciate per NS. Aggiungere gli esempi mancanti
Sì, lo so, l'ho fatto in R, troppo pigro per andare avanti e indietro e a lungo. ma Alglib su MT5 ti permette di farlo normalmente senza problemi?
Preferisco imparare il pitone.
Ho imparato a usare python:
Sto ancora lottando con un problema in cui due classi sono distribuite asimmetricamente (una è più del 60%) e le reti "bruciano" nel 100% dei casi con una classe.
Bilanciare le classi, o rifare la metrica, che darebbe più punti a una classe rara
Facile. Passare agli incrementi è una differenziazione. Il rapporto di ampiezza delle frequenze cambia, ma non vanno da nessuna parte. Ancora meglio, i cicli lenti non intasano quelli veloci, non devi filtrare per mashup.
Strano allora perché non li trovi se è facile.
Allora perché non li hai trovati se è facile?
fino a quando non farete esperimenti sulle onde sinusoidali non capirete