Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1116
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Para que precisa de tempo se os dados forem embaralhados antes do treino, a menos que seja para destacar a secção de OOS... Não te preocupes, mostra-me apenas os resultados...
Eu preciso dela.
Resultados. Vê a minha linha. Eles estão lá no caso.
itslek correu para Validol))))
conjunto de dados de 42 exemplos! 42 exemplos!
nem sequer mencione a data na linha do tempo!
A ver.
Divida o preditor em duas partes: uma parte pertence a uma classe e a outra parte à outra classe. Desenhe um histograma de cada metade e combine.
Então.
Os preditores são de qualidade diferente, mas todos têm uma capacidade de previsão muito melhor do que antes (de memória).
Precisamos introduzir uma medida da distância entre os histogramas, que mostrará de forma mais realista a diferença entre eles, que será mais precisa do que como uma imagem.
conjunto de dados para 42 exemplos
Olha, eu não te entendo.... Se a sua IA é tão legal que pode aprender com 1000 exemplos, será como uma noz. Qual é o problema?
A ver.
Dividir o preditor em duas partes: uma parte pertence a uma classe e a outra parte à outra classe. Desenhe um histograma de cada metade e combine.
Então.
Os preditores são de qualidade diferente, mas todos têm uma capacidade de previsão muito melhor do que antes (de memória).
Precisamos introduzir uma medida da distância entre os histogramas que mostre a diferença entre eles de forma mais realista, o que será mais preciso do que como uma imagem.
Óptimo... continua. Precisamos do resultado de um modelo treinado. A análise de dados é boa, mas o mais importante é o lucro, se não me engano, claro. É por isso que lhe estou a pedir que os troque, se puder...
Olha, eu não te entendo.... Se a sua IA é tão legal que pode aprender com 1.000 exemplos, essa amostra seria canja. Qual é o problema?
Na verdade, é o contrário...
melhor um algoritmo pior, mas mais exemplos do que um algoritmo legal, mas menos dados.
mesmo 1000 não é suficiente, especialmente para o mercado...
Na verdade, é o oposto...
agree.... Depende da ferramenta de IA a ser usada. Alguns requerem uma amostra grande e outros, como um vector de vectores de referência, não precisam de uma amostra grande porque o método é intensivo em recursos e com uma amostra grande leva um tempo extremamente longo...
agree.... Depende da ferramenta de IA a ser usada. Alguns requerem uma amostra grande e outros, como os vectores de referência, não precisam de uma amostra grande porque o método é de recursos intensivos e leva um tempo extremamente longo para ser executado com uma amostra grande...
O que é a IA?
Resultados não ruins na capacidade de previsão NÃO levarão a modelos estáveis, como simplesmente um número ridículo de observações = 51. Precisamos de pelo menos 10 vezes esse número, e de preferência 100 vezes esse número.
Se você construir modelos sobre esse número de observações, os resultados são abismais.
Previsto
Actual [0,0] (0,1] Erro
[0,0] 42.9 28.6 40
(0,1] 28.6 0.0 100
Erro geral: 57,1%, Erro de classe média: 70%.
Horário do Rattle timestamp: 2018-10-18 21:29:39 usuário
======================================================================
Matriz de erros para o modelo Linear em Mic1.txt [validar] (conta):
Previsto
Actual [0,0] (0,1) Erro
[0,0] 1 4 80
(0,1] 2 0 100
Matriz de erros do modelo linear em Mic1.txt [validar] (proporções):
Previsto
Actual [0,0] (0,1] Erro
[0,0] 14.3 57.1 80
(0,1] 28.6 0.0 100
Erro geral: 85,7%, Erro de classe média: 90%.
Horário do Rattle timestamp: 2018-10-18 21:29:39 usuário
======================================================================
Matriz de erros do modelo Neural Net em Mic1.txt [validar] (conta):
Previsto
Actual [0,0] (0,1) Erro
[0,0] 2 3 60
(0,1] 1 1 50
Matriz de erros para o modelo Neural Net em Mic1.txt [validar] (proporções):
Previsto
Actual [0,0] (0,1] Erro
[0,0] 28.6 42.9 60
(0,1] 14.3 14.3 50
Erro geral: 57,1%, Erro de classe média: 55%.
Horário do Rattle timestamp: 2018-10-18 21:29:39 usuário