Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 880
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
NS normalmente processa os dados das primeiras linhas - ou seja, dados antigos nas primeiras linhas, e dados novos no final, para que os últimos passos de aprendizagem sejam dados neles.
Obrigado.
Todos os palpiteiros trabalham na abertura de bares - nem sabem agora como identificar aqueles que espreitam - por ideia o seu significado deve ser elevado?
Bem, se todos estão a preço aberto - então eles não devem espreitar, se outras opções - então eles espreitam.
Bem, se tudo está a preço Aberto - então não deve espiar, se outras opções - sim.
Podes testar o meu conjunto de dados numa rede neural qualquer, ainda não consegui perceber? Aquele integrado nesse programa não quer aprender mais do que 56% - talvez eu esteja fazendo algo errado ou a rede não seja adequada....
Podes testar o meu conjunto de dados numa rede neural qualquer, ainda não consegui perceber? Construído nesse programa não quer aprender mais do que 56% - talvez eu esteja fazendo algo errado, ou a rede não é adequada....
A julgar pela imagem você tem cerca de 8% de erro (Precisão 92%), não 56%.
Você tem regressão no seu arquivo e está testando a classificação, a julgar pela descrição. Provavelmente você precisa de um arquivo com classificação.
A julgar pela imagem você tem um erro de cerca de 8% (Precisão 92%), não 56%.
Sim esse arquivo está errado, eu já adicionei preditores e fiz a classificação de acordo com uma regra simples - se mais ou igual a 50 pontos então 1 (para compra) e -1 (para venda), caso contrário 0, e as colunas para compra e venda são independentes.
O 56% é um neurónio e as capturas de ecrã são da árvore.Sim esse arquivo está errado, já adicionei preditores e fiz uma classificação do alvo por uma regra simples - se for mais ou igual a 50 pontos então 1 (para compra) e -1 (para venda), caso contrário 0, e as colunas para compra e para venda são independentes.
Cerca de 56% - por isso é um neurónio, e screenshots da árvore.Bem, se a árvore funciona melhor então usa-a. A NS é mais difícil de montar.
Até agora só a lógica funciona (ou talvez eu esteja testando errado?), mas eu não sei como usá-la.
Se alguém quiser ajudar a testar o funcionamento dos preditores, há dois arquivos no anexo - para comprar e vender 3 colunas é o alvo, 1 e 2 eu não uso, e o resto são preditores.
alglib tem kfold, alguém já descobriu como trabalhar com ele? a documentação é quase nula :)
Ah, vejo que estes métodos ensinam automaticamente através da validação cruzada.
Uh-huh. As ferramentas foram dadas, mas não há manual. Seria bom ter ajuda para cada função, como usar, e com exemplos.
Até agora só a lógica funciona (ou talvez eu esteja testando errado?), mas eu não sei como usá-la.
Se alguém quiser ajudar a testar o desempenho dos preditores, há dois arquivos no apêndice - para comprar e vender 3 colunas é o alvo, 1 e 2 eu não uso, e o resto são preditores.
Eu tentei o 1º ficheiro, dividi-o em 3 partes:
Aprendendo
Previsto
Real 0 1
0 28107 1244
1 3045 4119
Teste 1
Previsto
Real 0 1
0 5950 356
1 742 776
Atual 2
Previsto
Real 0 1
0 5945 333
1 779 769
Calculado em nnet com 10 neurónios numa camada oculta (NS de Rattle package from R)
Pior que a tua floresta, mas nada mal. O segundo arquivo provavelmente terá os mesmos resultados.