Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1883
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
Não vai haver um golpe, vamos separar-nos. Caixa e Jenkins regozijam-se
Os resultados deste estudo sugerem que métodos clássicos simples, tais como métodos lineares e suavização exponencial, superam métodos complexos e sofisticados, tais como árvores de decisão, Percepções Multilayer (MLP) e modelos de rede de Memória de Curto Prazo Longa (LSTM).
Não vai haver um golpe, vamos separar-nos. Caixa e Jenkins regozijam-se
Os resultados deste estudo sugerem que métodos clássicos simples, tais como métodos lineares e suavização exponencial, superam métodos complexos e sofisticados, tais como árvores de decisão, Percepções Multilayer (MLP) e modelos de rede de Memória de Curto Prazo Longa (LSTM).
Um artigo de imbecis para imbecis
A propósito, talvez os especialistas possam ajudar. Aqui está uma pergunta:
A tarefa, por exemplo, é distinguir um gato de um cão por uma foto. Qual é a maneira certa de aprender?
1. Mostrar apenas fotos de cães e gatos, ou seja, classificação binária.
2. Separadamente ensinar apenas gatos e "não gatos" (protos caos) + separadamente também cães e "não cães", ou seja, dois ciclos de treinamento e dois padrões na saída.
3. Faça uma classificação de três - gatos, cães e caos. Ou seja, haverá um modelo, mas a resposta é uma classificação de três opções.
Neste momento, tenho a primeira opção e está claramente torta. O problema é que o neuro aprende bem apenas uma das variantes, convencionalmente só vê bem "gatos", e reconhece mal os cães. Por exemplo, nos testes de fundo os modelos são bons a detectar um movimento de preços ascendente e a ignorar um movimento descendente. Se o palpite para cima é de 67%, o mesmo modelo só palpite para baixo é de 55%. "Para cima" e "para baixo" de modelo para modelo pode mudar de lugar.
Normalmente eles dizem para experimentar todos e escolher o melhor. Imho, 2 grelhas, cada uma trabalhando com a sua própria tarefa (cães ou gatos), além de estabelecer um limite na saída. Então você precisa determinar de alguma forma quais exemplos são reconhecidos como os piores, eles precisam ser processados ou treinamento adicional. Na entrada servem os exemplos que serão usados na prática, não adianta mostrar a casa em treinamento se ela não estiver no teste. Também as fotos no estagiário e no teste devem ser tratadas igualmente.
A propósito, estou aberto a parcerias se houver um recurso, não necessariamente material - um público para promoção ou uma oportunidade de organizar mais pesquisas com base no que você já tem. É impossível elevar este tópico a um bom nível apenas à mão. Você precisa de verdadeiros especialistas em diferentes áreas.
Atire o seu link de perfil para o canal de telegramas. Seria interessante de se ver.
Eles costumam dizer que tente tudo e escolha a melhor opção. Imho, 2 grelhas, cada uma trabalhando com uma tarefa diferente (cães ou gatos), além de estabelecer um limite na saída. Então você precisa determinar de alguma forma quais exemplos são reconhecidos como os piores, eles precisam ser processados ou treinamento adicional precisa ser feito. Na entrada servem os exemplos que serão usados na prática, não adianta mostrar a casa em treinamento se ela não estiver no teste. Também as imagens na bandeja e no teste devem ser tratadas igualmente.
Porque deve o preço ser visto através do prisma da imagem se existem coordenadas exactas. Preço e tempo. Resta descrever o modelo de interesse. E como há muitos deles, selectivamente. A máquina reconhece-os a 100%, mesmo sem treinamento.
Atire um link para o canal de telegramas do seu perfil. Vai ser interessante de se ver.
dos indicadores na pausa até segunda-feira, vá para o botão "Histórico" para ver como eles se parecem e os sinais neurológicos
Eles costumam dizer 1. Experimente todos e escolha a melhor opção. Imho, 2 . 2. cada um trabalha com uma tarefa diferente (cães ou gatos), além de estabelecer um limite na saída. Então você precisa determinar de alguma forma quais exemplos são reconhecidos como os piores, eles precisam ser processados ou treinamento adicional. Na entrada 3. fornecer os exemplos que serão usados na prática, não faz sentido mostrar a casa no treinamento, se ela não estiver no teste. Também as fotos do estagiário e do teste devem ser tratadas da mesma forma.
2. Tentei, ficou pior.
3. Como é que sabes quais é que ela está a usar? É uma caixa negra, por isso alimento tudo.
Porquê olhar para o preço através do prisma de uma imagem quando existem coordenadas precisas. Preço e tempo. Resta descrever o modelo de interesse. E como há muitos deles, selectivamente. A máquina reconhece-os a 100%, mesmo sem treinamento.
A pergunta era sobre cães e gatos. E você pode tentar ensinar a rede para análise gráfica.
Porquê olhar para o preço através do prisma de uma imagem quando existem coordenadas precisas. Preço e tempo. Resta descrever o modelo de interesse. E como há muitos deles, selectivamente. A máquina reconhece-os a 100%, mesmo sem treinamento.
A pergunta era sobre cães e gatos. E você pode ensinar a análise gráfica da rede
Talvez você possa mostrar screenshots para a rede, mas após a otimização você chegará a Abrir, Fechar, Alto, Baixo