L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 413

Nuovo commento
 
Maxim Dmitrievsky:

Sì, probabilmente l'hanno fatto in modo che tu possa avere più di 2 classi... quindi probabilmente ci sarà più clustering e potrai usare altri metodi come k-means :)
Non capisco affatto cosa fare con k-means... MS Azure ce l'ha, ma come soluzione pronta, e qui è solo un motore e come interpretare i suoi risultati non è affatto chiaro...
 

In generale, suggerisco di usare un singolo neurone con una funzione di attivazione tanh, che ha un'area di definizione di (-1;+1), per classificare acquisto/vendita.
Meno dati e più ovvio.

SoftMax, sì puramente per la classificazione, dove il numero di classi può essere qualsiasi. Richiamate il compito di classificare i fiori di iris.

E i risultati per tanh (o in alternativa sin) sono molto comodi da visualizzare su un grafico come indicatore.

https://en.wikipedia.org/wiki/Activation_function

Nello screenshot, il grafico in basso. Verde/rosso sono i segnali di addestramento; viola/blu sono le previsioni del modello addestrato.


 
elibrario:
Non capisco affatto cosa fare con k-means... MS Azure ce l'ha, ma come soluzione pronta, ma qui è solo un motore e come interpretare i suoi risultati non è affatto chiaro...

bene, questo è per raggruppare dati omogenei, funziona senza un insegnante, cioè il numero di classi (cluster in questo caso) non è noto in anticipo
 
Aleksey Terentev:

In generale, suggerisco di usare un singolo neurone con una funzione di attivazione tanh, che ha un'area di definizione di (-1;+1), per classificare acquisto/vendita.
Meno dati e più ovvio.

SoftMax, sì puramente per la classificazione, dove il numero di classi può essere qualsiasi. Richiamate il compito di classificare i fiori di iris.

E i risultati per tanh (o in alternativa sin) sono molto comodi da visualizzare su un grafico come indicatore.

https://en.wikipedia.org/wiki/Activation_function

Nello screenshot, il grafico in basso. Verde/rosso - segnali di allenamento, viola/blu - previsione basata sul modello allenato.



1 neurone non è insufficiente se il campione è grande? )
 
Maxim Dmitrievsky:

1 neurone non è abbastanza piccolo se il campione è grande? )

Scusa, stavo parlando del livello di uscita. =)
 
Aleksey Terentev:

Scusa, stavo parlando del livello di uscita. =)


Ho fatto una griglia in alglib con uscita lineare, ma con la limitazione del range da -1 a 1, e ancora occasionalmente va fuori range dopo l'allenamento con nuovi dati,

quindi sto pensando di aggiungere softmax ora

 
Maxim Dmitrievsky:


Ho fatto una griglia in alglib con un'uscita lineare, ma con un limite di range da -1 a 1, e ancora occasionalmente va fuori range dopo l'allenamento con nuovi dati,

quindi sto pensando di aggiungere softmax ora

se va fuori portata, può essere considerato un ottimo segnale = 150% ))
 
elibrario:
se va fuori dai limiti, può essere considerato un ottimo segnale = 150% ))

Sì, a volte invece di 0,1 ci può essere 1, forse perché i valori sono normalizzati in modo diverso nella formazione e poi nel processo di trading, i campioni sono diversi
 
Maxim Dmitrievsky:

Beh, è per il raggruppamento di dati omogenei, funziona senza un insegnante, cioè il numero di classi (cluster in questo caso) non è noto in anticipo

Perché non si sa? Il numero di cluster in cui dividere - impostato all'avvio come valore di input: K - numero desiderato di cluster, K>=1

Supponiamo che io abbia diviso i dati in 4 gruppi, cosa dovrei fare con loro?

 
Maxim Dmitrievsky:


Ho fatto una griglia in alglib con un'uscita lineare, ma con un limite di range da -1 a 1, e ancora occasionalmente va fuori range dopo l'allenamento con nuovi dati,

quindi sto pensando di aggiungere softmax ora

Non ho avuto a che fare con alglib, i pacchetti ML che conoscevo mi permettevano tutti di cambiare la funzione di attivazione dello strato.
1...406407408409410411412413414415416417418419420...3399
Nuovo commento