MetaTrader 5 Python User Group - Come usare Python in Metatrader - pagina 82
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
Come faccio a fare un offset?
Questa è la tabella (Data Frame)
come farlo in questo modo:
Per cosa? Lo stampi e basta?
Come faccio a fare un offset?
Questa è la tabella (Data Frame)
Come fare in questo modo:
Qui, trovatopandas.DataFrame.shift
La cosa principale è non dimenticare di cancellare l'ultima riga, perché conterrà spazzatura.
Cari signori, vi prego di consigliarmi su cosa c'è di sbagliato nella mia comprensione.
Ho costruito una rete neurale. Preparato i dati.
Addestrato.
Risultato.
E poi non capisco cosa succede...
predictions = model.predict(X_test[:15])
.
Perché questi risultati di "previsione"? Previsto 0-0, 0-1 o 1-0....
È sempre così...
Quando si fa una domanda, tutti pensano: perché preoccuparsi?
Opinione soggettiva: il 93% delle volte devi andare su google.... Il 90% del tempo necessario per azzeccare la domanda....
Grazie per il feedback! Questo è tutto per ora. Vado su google....
queste sono le probabilità delle classi 1 e 2
Il 2° ha una probabilità più alta, quindi è previsto
la loro somma deve essere uguale a 1, c'è una sorta di errore di formazione qui
Dovrebbe emettere 1 neurone se si tratta di classificazione binaria. O softmaxqueste sono le probabilità delle classi 1 e 2
Il 2° ha una probabilità più alta, quindi è previsto
la loro somma dovrebbe essere uguale a 1, c'è una sorta di errore di formazione qui
Avete bisogno di 1 neurone per uscita se si tratta di una classificazione binaria. O softmaxLa classificazione binaria non implica 1 neurone per uscita. Almeno da quello che ho trovato...
Ma il problema è che l'immagine non cambia nemmeno quando si usano altre funzioni di perdita!
Domani scriverò un tester di dati con la convalida delle previsioni. Ma qualcosa mi dice che il risultato sarà deplorevole!
Non riesco proprio a capire perché la "precisione" è superiore al 96% e la previsione è "così"...
Forse sto facendo qualcosa di sbagliato?
La classificazione binaria non implica 1 neurone per uscita. Almeno da quello che ho trovato...
Ma il problema è che l'immagine non cambia nemmeno quando si usano altre funzioni di perdita!
Domani scriverò un tester di dati con la convalida delle previsioni. Ma qualcosa mi dice che il risultato sarà deplorevole!
Non riesco proprio a capire perché la "precisione" è superiore al 96% e la previsione è "così"...
Forse sto facendo qualcosa di sbagliato?
Credo di non avere idea di che tipo di costruttore di rete sia.
1 neurone non implica, ma un sommatore dovrebbe stare e un'attivazione f-e. Di solito si mette 1 neurone
ci possono essere molte ragioni. Per esempio, i dati non sono normalizzati, non sono preparati correttamente, la rete è stortaCredo di non avere idea di che tipo di costruttore di rete sia.
1 neurone non implica, ma un sommatore deve essere a posto e un'attivazione f-e. Di solito è 1 neurone.
Ci possono essere molte ragioni. Per esempio, i dati non sono normalizzati, non sono preparati correttamente, la rete non è costruita correttamenteIl problema è che la normalizzazione è una causa persa!
Lasciatemi spiegare. Ci sono alcuni dati A, B, C...
Sono diversi in termini di significato e così via. Tutti (google) dicono che la normalizzazione dovrebbe essere fatta per colonne (A-A-A, B-B-B, C-C-C) e non per righe. Questo è logicamente comprensibile.
Ma quando appaiono nuovi dati per la "predizione" COME normalizzarli se si tratta di una sola riga? E qualsiasi termine in quella riga può andare oltre la normalizzazione sui dati di allenamento e di test?
E la normalizzazione per stringhe non ha alcun effetto!
In realtà, già dopo aver controllato queste sfumature, ho avuto questo "grido dell'anima" ))))