그는 어떻게 기억하지 못합니까? 그것이 바로 그것이 하는 일입니다. "신경망 기반 데이터베이스"라는 표현을 본 적이 있습니까? 나는 이것을 한 번 만났고 이것이 NA / 나무가 무엇인지에 대한 가장 좋은 정의라고 생각합니다.
하나의 트리는 마지막 분할까지 훈련될 수 있으며, 그런 다음 절대 정확도로 전체 기록을 절대적으로 기억할 것입니다(과도하게 훈련된 모델을 얻음). 마지막 분할 이전이 아니라 조금 더 일찍 분할을 중지하면(예: 시트당 10개의 예제) 일반화로 암기하고 가장 유사한 10개 예제의 결과를 평균화합니다 . 재교육은 줄어들 것입니다. 저것들. undertraining이 overfitting으로 바뀌기 시작할 때 나눗셈을 중지할 필요가 있습니다. 이것은 가장 중요하고 어려운 작업입니다.
거래에서 신경망과 기계 학습을 혼합해서는 안되는 것 같습니다. 여기그림 이 마음에 들었습니다. 여전히 신경망을 기반으로 한 기술 분석의 기회(눈, 귀 등이 필요한 곳, 이미 위에 언급됨) 또는 반복되는 옵션에 대해
데이터가 너무 많을 때, 공식이 없을 때 데이터 세트의 입력과 출력 사이의 관계를 찾는 데 도움이 필요하거나 설명을 제시하기보다 예측을 해야 할 때와 같이.
또는 가중치를 사용하여 - (하지만 논리적으로 결정하는 방법, 나는 그것이 가능하지 않다고 봅니다(0에서 1까지의 어리석은 것을 제외하고), 또는 훈련이 있는 경우(0 또는 1), 그러면 그들이 가지 않도록 길을 잃다)
뉴런은 신호가 순차적으로 통과하는 층을 형성합니다. 이 모든 것은 데이터가 전송되는 채널인 신경 연결로 연결됩니다. 각 채널에는 전송하는 데이터에 영향을 주는 매개변수인 고유한 "가중치"가 있습니다.
보다 일반적인 형태의 머신 러닝은 의사 결정 트리이자 의사 결정 숲입니다. 여기에서 나는 당신에게 동의합니다. 중요한 것은 제 시간에 멈추고 유전 알고리즘(동일한 Excel에서)과 통계를 사용하는 것입니다. 추가 학습을 위한 오류 및 오류 역전파 ... 그리고 아마도 동일한 Monte-Carlo 및 Sharpe 비율 등도 포트폴리오의 위험을 평가하고 분산 및 헷징 방법(여기에서 실제로 다운로드할 수 있습니다. 분석을 위한 많은 데이터)
올바른 네트워크 조직은 없습니다. 각 네트워크 아키텍처에는 고유한 장점과 단점이 있습니다. 역전파 네트워크는 우수한 성능을 제공하기 때문에 일반적이지만 훈련 및 구성이 어려운 경우가 많습니다. 순환 네트워크는 "메모리 기능"을 사용하여 데이터에서 시간 종속성을 추출하여 예측을 향상시킬 수 있기 때문에 역전파 네트워크에 비해 몇 가지 이점을 제공합니다. 더 복잡한 모델은 오류 또는 네트워크 구성 문제를 줄이는 데 유용할 수 있지만 종종 훈련 및 분석이 더 복잡합니다.
- 즉. 메모리 가 네트워크 아키텍처에 삽입되어야만 ... 그리고 메모리를 변동성 변수(예: 가격)의 모델에 넣는 것이 제 생각에는 너무순진하고 무모 해 보입니다... 메모리는 인구 통계학적 분석에 포함될 수 있습니다 데이터, 계절 변동 및 기타 더 체계적으로 정말 반복적이고 일정합니다... 그러나 일일 거래자의 가격 움직임이 아닙니다... 극단적인 경우 무스 분석에서... IMHO... 또는 약간의 기억 마지막 K는 당신이 보는 경우에만 (그런 다음 Flat / Trend 구별하기 - 확률 0.5 만 )
(설명된 이유 때문에 아마도 실제로 이 논쟁은 무의미합니다. 특정 네트워크의 특정 아키텍처나 기타 기계 학습 옵션에 관계없이 말이지요 ) ... 하지만 경고에 대해 감사합니다.
여기 메모리와 함께 - 멀리 갈 필요가 없습니다(더 정확하게는 메모리 없이 - 그들은 그것을 몰아내고 잊었습니다. 중간 메모리 데이터는 더 이상 Output'에서 중요하지 않습니다):
Monte Carlo는 모든 결정이 전체 위험에 어느 정도 영향을 미칠 것이라고 가정하는 의사 결정 도구입니다.
포트폴리오 최적화를 위해 몬테칼라 방법 을 사용하는 방법 - 먼저 주식에 무작위 가중치를 부여한 후 수익률과 표준편차를 계산합니다. 수신된 값이 저장됩니다. 다음 단계는 가중치를 무작위로 변경하는 것입니다(중요한 것은 합이 1이어야 한다는 것을 잊지 않는 것입니다). 모든 것이 반복됩니다. 결과 값을 계산하고 저장합니다. 반복 횟수는 시간, 계산을 위한 컴퓨터 성능 및 투자자가 기꺼이 감수할 위험에 따라 다릅니다.
(분석 및 솔루션 패키지가 있는 Excel에서는 아마도 구현이 훨씬 더 간단할 것입니다 . 문제는 모델에 다시 남아 있고 유전 및 기타 알고리즘은 솔루션 검색에 설정되어 있습니다. 여기에서 " 무딘 열거 방법 " 준비됨) .. 위험 관리에는 사실이며 아직 가격 움직임에 대한 예측은 아닙니다.
Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются. В этом посте будет рассмотрено то, как оптимизировать...
Im trying to wrap my head around understanding neural networks and from everything I've seen, I understand that they are made up of layers created by nodes. These nodes are attached to each other with "weighted" connections, and by passing values through the input layer, the values travel through the nodes...
MT5용으로 작동하는 응용 프로그램을 만들었습니다. 이미 최종 사용자에게 직접 제공되며 두 번의 클릭으로 설치됩니다. 신경망은 사용자의 컴퓨터에서 exe 파일로 시작됩니다(exe 없이 Python 스크립트 없이 가능). 외부 요청, API, dll 등이 없습니다. 표준 지표 형태의 예측.
Предлагаю готовое решение по интеграции прогнозов нейросети и Metatrader 5. Преимущества этого решения: Это реально работающее приложение для трейдеров. Устанавливается "в два клика". Нейросеть
그는 어떻게 기억하지 못합니까? 그것이 바로 그것이 하는 일입니다.
"신경망 기반 데이터베이스"라는 표현을 본 적이 있습니까? 나는 이것을 한 번 만났고 이것이 NA / 나무가 무엇인지에 대한 가장 좋은 정의라고 생각합니다.
하나의 트리는 마지막 분할까지 훈련될 수 있으며, 그런 다음 절대 정확도로 전체 기록을 절대적으로 기억할 것입니다(과도하게 훈련된 모델을 얻음).
마지막 분할 이전이 아니라 조금 더 일찍 분할을 중지하면(예: 시트당 10개의 예제) 일반화로 암기하고 가장 유사한 10개 예제의 결과를 평균화합니다 . 재교육은 줄어들 것입니다. 저것들. undertraining이 overfitting으로 바뀌기 시작할 때 나눗셈을 중지할 필요가 있습니다. 이것은 가장 중요하고 어려운 작업입니다.
거래에서 신경망과 기계 학습을 혼합해서는 안되는 것 같습니다. 여기 그림 이 마음에 들었습니다. 여전히 신경망을 기반으로 한 기술 분석의 기회(눈, 귀 등이 필요한 곳, 이미 위에 언급됨) 또는 반복되는 옵션에 대해
데이터가 너무 많을 때, 공식이 없을 때 데이터 세트의 입력과 출력 사이의 관계를 찾는 데 도움이 필요하거나 설명을 제시하기보다 예측을 해야 할 때와 같이.
또는 가중치를 사용하여 - (하지만 논리적으로 결정하는 방법, 나는 그것이 가능하지 않다고 봅니다(0에서 1까지의 어리석은 것을 제외하고), 또는 훈련이 있는 경우(0 또는 1), 그러면 그들이 가지 않도록 길을 잃다)
뉴런은 신호가 순차적으로 통과하는 층을 형성합니다. 이 모든 것은 데이터가 전송되는 채널인 신경 연결로 연결됩니다. 각 채널에는 전송하는 데이터에 영향을 주는 매개변수인 고유한 "가중치"가 있습니다.
보다 일반적인 형태의 머신 러닝은 의사 결정 트리이자 의사 결정 숲입니다. 여기에서 나는 당신에게 동의합니다. 중요한 것은 제 시간에 멈추고 유전 알고리즘(동일한 Excel에서)과 통계를 사용하는 것입니다. 추가 학습을 위한 오류 및 오류 역전파 ... 그리고 아마도 동일한 Monte-Carlo 및 Sharpe 비율 등도 포트폴리오의 위험을 평가하고 분산 및 헷징 방법(여기에서 실제로 다운로드할 수 있습니다. 분석을 위한 많은 데이터)
추신
음, 가격 움직임을 예측하기 위한 일종의 개요 NN
올바른 네트워크 조직은 없습니다. 각 네트워크 아키텍처에는 고유한 장점과 단점이 있습니다. 역전파 네트워크는 우수한 성능을 제공하기 때문에 일반적이지만 훈련 및 구성이 어려운 경우가 많습니다. 순환 네트워크는 "메모리 기능"을 사용하여 데이터에서 시간 종속성을 추출하여 예측을 향상시킬 수 있기 때문에 역전파 네트워크에 비해 몇 가지 이점을 제공합니다. 더 복잡한 모델은 오류 또는 네트워크 구성 문제를 줄이는 데 유용할 수 있지만 종종 훈련 및 분석이 더 복잡합니다.
- 즉. 메모리 가 네트워크 아키텍처에 삽입되어야만 ... 그리고 메모리를 변동성 변수(예: 가격)의 모델에 넣는 것이 제 생각에는 너무 순진하고 무모 해 보입니다... 메모리는 인구 통계학적 분석에 포함될 수 있습니다 데이터, 계절 변동 및 기타 더 체계적으로 정말 반복적이고 일정합니다... 그러나 일일 거래자의 가격 움직임이 아닙니다... 극단적인 경우 무스 분석에서... IMHO... 또는 약간의 기억 마지막 K는 당신이 보는 경우에만 (그런 다음 Flat / Trend 구별하기 - 확률 0.5 만 )
(설명된 이유 때문에 아마도 실제로 이 논쟁은 무의미합니다. 특정 네트워크의 특정 아키텍처나 기타 기계 학습 옵션에 관계없이 말이지요 ) ... 하지만 경고에 대해 감사합니다.
여기 메모리와 함께 - 멀리 갈 필요가 없습니다(더 정확하게는 메모리 없이 - 그들은 그것을 몰아내고 잊었습니다. 중간 메모리 데이터는 더 이상 Output'에서 중요하지 않습니다):
Monte Carlo는 모든 결정이 전체 위험에 어느 정도 영향을 미칠 것이라고 가정하는 의사 결정 도구입니다.
포트폴리오 최적화를 위해 몬테칼라 방법 을 사용하는 방법 -
먼저 주식에 무작위 가중치를 부여한 후 수익률과 표준편차를 계산합니다. 수신된 값이 저장됩니다. 다음 단계는 가중치를 무작위로 변경하는 것입니다(중요한 것은 합이 1이어야 한다는 것을 잊지 않는 것입니다). 모든 것이 반복됩니다. 결과 값을 계산하고 저장합니다. 반복 횟수는 시간, 계산을 위한 컴퓨터 성능 및 투자자가 기꺼이 감수할 위험에 따라 다릅니다.
(분석 및 솔루션 패키지가 있는 Excel에서는 아마도 구현이 훨씬 더 간단할 것입니다 . 문제는 모델에 다시 남아 있고 유전 및 기타 알고리즘은 솔루션 검색에 설정되어 있습니다. 여기에서 " 무딘 열거 방법 " 준비됨) .. 위험 관리에는 사실이며 아직 가격 움직임에 대한 예측은 아닙니다.
모든 답변이 끝나면 결론 부분을 작성해야 합니다. 지금까지 모든 사람이 자신의 이야기에 대해 이야기합니다 ... (주제는 이것입니다-하나의 결론은 없을 것입니다-많은 방법이 있습니다-공통 분모가 없습니다)
엘리브라리우스 가 기억하는 나무처럼
저것들. undertraining이 overfitting으로 바뀌기 시작할 때 나눗셈을 중지할 필요가 있습니다. 이것은 가장 중요하고 어려운 작업입니다.
모든 답변이 끝나면 결론 부분을 작성해야 합니다. 지금까지 모든 사람이 자신의 이야기에 대해 이야기합니다 ... (주제는 이것입니다-하나의 결론은 없을 것입니다-많은 방법이 있습니다-공통 분모가 없습니다)
엘리브라리우스 가 기억하는 나무처럼
이것은 카지노를 위한 것입니다. Forex에서는 모든 것이 다릅니다. 로봇에게 무엇을 설명할 수 있습니까? 파란색이 빨간색보다 높으면 매수합니다. 그게 다야;)
Vladimir, 저는 약 12개의 고유한 직위/주를 보유하고 있습니다.
stackoverflow를 살펴보면 매우 간단한 논리가 나타납니다(Excel Solution Search 추가 기능에서와 같이).
0/ 정직하고 훈련 세트에서 추론된 평균과 척도 를 사용 -
1/ 신경망은 가중치와 편향을 통해 학습한 내용을 기억 합니다.
2/ 무작위로 가중치 초기화 - 이것은 이미 기계에 책임을 전가합니다 - 개발자가 아닌 만족스러운 것
3/ 빅 데이터(그리고 pc의 큰 힘) 또는 회귀 또는 로지스틱 모델 또는 기타(생각하고 선택할 가치가 있음)에 대한 몇 가지 패턴으로 훈련시키십시오 . 많은 것을 선택할 필요가 없기 때문입니다. 선형 회귀 우리는 옵티마이저가 작동할 기회를 빼앗을 것이므로 추측합니다)
4/ ... 입력을 입력하고 훈련된 기계 및 모든 것에서 결과를 얻습니다.
ps 연속 대 이산 인공 신경망을 기억하십시오. 첫 번째, 아마도 적분 함수, 두 번째 - 예를 들어 평면/추세를 결정하기 위해...
그리고 유행 에 대한 몇 가지 조언
순환 신경망 예를 들어 다양한 재무 예측 애플리케이션을 위한 유행하는 방법이었습니다.
pps 약간의 이론
베이지안 네트워크에서 꼭짓점과 가장자리는 의미가 있습니다. 네트워크 구조 자체는 변수 간의 조건부 종속성에 대한 귀중한 정보를 제공합니다. 신경망을 사용하면 네트워크 구조는 아무 것도 알려주지 않습니다.
및 python 라이브러리(R도 가능), Excel이 충분하지 않은 경우
(지금까지 읽을 수도, 이해할 수도 없는 사람들은 카지노에서 충분히 놀지 않았기 때문에 여전히 로봇에게 무언가를 설명하는 꿈을 꿉니다.)
... 그러나 선형 회귀는 내가 기억하는 한 가격이 비선형이고 수익이 선형이기 때문에 혼란스럽습니다(반대의 경우가 아니라면?)
그 반대도 마찬가지 입니다 .
가격은 노멀 분포를 따르지 않지만 많은 경우에 가격 수익률은 정규 분포를 따릅니다.
그 반대도 마찬가지 입니다 .
논리가 역전되긴 했지만 먼 기억과 맞물려 확정...MT5용으로 작동하는 응용 프로그램을 만들었습니다. 이미 최종 사용자에게 직접 제공되며 두 번의 클릭으로 설치됩니다.
신경망은 사용자의 컴퓨터에서 exe 파일로 시작됩니다(exe 없이 Python 스크립트 없이 가능).
외부 요청, API, dll 등이 없습니다.
표준 지표 형태의 예측.
여기에서 더 읽어보세요.