Come si valuta praticamente il contributo di un input "specifico" al NS? - pagina 4
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
Possiamo anche proporre la seguente variante: per semplicità prendiamo NS con tre ingressi.
E applicare tutti i 20 input e lasciare che l'ottimizzatore trovi da solo la migliore combinazione di 3 input secondo il criterio, per esempio, di una corsa in avanti per un drawdown minimo.
Qualcosa del genere.
Possiamo anche proporre la seguente variante: per semplicità prendiamo NS con tre ingressi.
E applicare tutti i 20 input e lasciare che l'ottimizzatore trovi da solo la migliore combinazione di 3 input secondo il criterio, per esempio, di una corsa in avanti per un drawdown minimo.
Qualcosa del genere.
Non proprio venerdì, ma ...
C'è un NS, qualsiasi NS, c'è un input A={A1, A2, .... A20}. Allenare il NS e ottenere un risultato soddisfacente. Come valutare praticamente il contributo di ogni elemento dell'input A1, A2, ... A20 a questo risultato?
Le opzioni che mi vengono in mente sono:
1) Somma e calcola in qualche modo tutti i pesi con cui l'elemento passa attraverso la rete. Non mi è molto chiaro come farlo, dovrei immergermi nel funzionamento della rete e calcolare in qualche modo alcuni coefficienti, ecc.
2) Provate ad "azzerare" in qualche modo, o per esempio ad invertire un elemento del vettore di input e vedere come influisce sul risultato finale. Finora ho deciso di farlo.
Ma prima di realizzare questa seconda variante ho deciso di chiedere un consiglio. Chi può aver pensato a questo argomento più a lungo di me? Forse qualcuno può consigliarmi qualche libro-articolo utile?
Propongo di scrivere un indicatore ed eseguirlo in una finestra separata.
Le linee indicatrici farebbero delle osservazioni cognitive molto interessanti.
Le linee indicatrici possono essere: uscite di adder neuron; uscite di neuroni dopo trasduttori non lineari; eventualmente uscite di comitato, ecc. Tutto dipende solo dai vostri desideri e fantasie.
Tale visibilità aiuterà a "penetrare" in questa scatola nera e a capire come tutto accade/funziona lì.
Questo è sicuro. Tutti hanno una scelta: leggere libri o sviluppare un volo sfrenato di fantasia.
Per la cronaca, questo è il metodo descritto nei libri.
Forse non nella forma che ho presentato qui, ma essenzialmente corretto.
Il grado di influenza di ogni input è quasi impossibile da stimare realisticamente .
Non lo so. Relativamente agli altri ingressi, va bene. Solo gli ingressi devono essere normalizzati.
Quindi prendiamo le uscite predette come punto di riferimento e per ogni ingresso per tutti i modelli calcoliamo l'errore RMS per qualche spostamento molto piccolo di un certo ingresso.
Applicare un solido approccio basato sull'evidenza al di fuori del suo contesto econometrico solleva domande infantili.
Fare una regressione:
Profitto = s(1) * A0 + ... s(n) * A(n)
Stimiamo i coefficienti di questa regressione.
Immediatamente otteniamo
probabilità che un coefficiente specifico sia uguale a zero - cancellare un tale ingresso
probabilità che tutti i coefficienti presi insieme siano uguali a zero
Usando le ellissi otteniamo i coefficienti di correlazione
eseguire il test per gli ingressi ridondanti
eseguire un test sugli ingressi mancanti
testare la stabilità dei valori dei coefficienti (valutare la casualità del loro cambiamento)
Un uomo intelligente è venuto e ha dato una risposta adulta alla mia domanda infantile) Grazie a questo. Non solo la regressione e NS non sono proprio la stessa cosa, ma l'opzione proposta non è almeno più semplice. Stimiamo, otteniamo, conduciamo, conduciamo, conduciamo... E non è chiaro come interpretare i risultati ottenuti in un sistema completamente diverso. Il MACD è buono o cattivo? Può un TS usarlo, mentre l'altro no?
Possiamo anche suggerire la seguente variante: prendiamo un NS con tre ingressi per semplicità.
E alimentiamo tutti i 20 input e lasciamo che l'ottimizzatore trovi da solo la migliore combinazione di 3 input con il criterio, per esempio, del forward trading per il drawdown minimo.
Qualcosa del genere.
Ho fatto esattamente la stessa cosa, ma non ho preso nessun input e ho creato delle combinazioni di essi. Ho escluso gli input e alcune combinazioni di essi e ho guardato il risultato - che è la stessa cosa. Accendere, spegnere - qual è la differenza? A causa delle specificità dell'implementazione, ho trovato più conveniente escludere.
Esatto. Tutti hanno una scelta: leggere un libro o sviluppare un volo sfrenato di fantasia.
Poi di nuovo, ho anche chiesto dei libri di articoli. Nessuno ha suggerito nulla sull'argomento e nemmeno tu. Andare alla biblioteca di scienza e tecnologia e pregare per l'econometria, l'unica non-scienza?) Anche se i libri non mi dispiacciono molto, se li sfoglio nel bagno con scopo educativo o culturale, sono di scarsa utilità pratica e non hanno soluzioni pronte, perché sono scritti da teorici fondamentalisti o da scienziati applicati senza successo. E non importa quanto li leggiate, senza "immaginazione sfrenata" non hanno alcuna utilità pratica.
Non lo so. Relativamente agli altri ingressi, va bene. Solo gli ingressi devono essere normalizzati.
Quindi prendiamo le uscite previste come punto di riferimento e per ogni ingresso per tutti i modelli, calcoliamo l'errore RMS per qualche spostamento molto piccolo di un certo ingresso.
A proposito, NS è anche una regressione. La stessa dipendenza del conto alla rovescia attuale dai conti alla rovescia precedenti. Ma non è questo il punto.
Quello che suggerisce Faa è applicabile alla regressione lineare, e la rete neurale è una regressione non lineare.
A proposito, NS è anche una regressione.