Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1947
![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
Eu não conseguia pensar em nada eficaz, no início eu só estava tentando ver o que influenciaria melhor o resultado, mas depois desisti, foi muito doloroso. Parece que o TensorBoard pode ajudar. Eu ainda não descobri, se você entrar em detalhes, por favor, compartilhe comigo como montar isso.
Nada de interessante lá.
Eu quero tentar puxar os pesos da camada de entrada, preciso descobrir como.
Não há nada de interessante aí.
Eu quero tentar puxar os valores dos pesos da camada de entrada, preciso ver como.
É mesmo necessário preocupar-se com isso? Se não há milhares de recursos, mas dezenas, o neurônio vai descobrir o que ele precisa, basta brincar com o abandono. Quando me alimento muito para entrar, defino o dropout para 0,5 e deixo-o pensar por si mesmo no que precisa.
Obrigado pelo link.
É mesmo necessário preocupar-se com isso? Se não há milhares de recursos, mas dezenas, o neurônio vai descobrir o que ele precisa, basta brincar com o abandono. Quando eu alimento muitas coisas para entrar, eu defino o dropout para 0.5 e deixo-o descobrir por si mesmo o que quer.
Eu acho que sim. Alimento 10 formandos e validação mostram números semelhantes, alimento 100 formandos começam a reciclar.
Acho que devíamos. Alimento 10 estagiários atrasados e a validação mostra números semelhantes, alimento 100 estagiários começam a se reciclar.
Todos culpam C++ pelas ligações, mas a python decidiu ir mais longe e enfiá-las em todo o lado.
Você só tem que aprender a usá-los corretamente. Obter uma fatia de dados é uma coisa, mas atribuir para trás e para a frente até não perceber de onde vem é outra :)
a estudar o pacote Tsmp.
Coisas interessantes, como o reconhecimento do estado num modelo Markov escondido.
Não sei como usá-lo, mas vou ter isso em mente...
função
https://sites.google.com/site/snippetfinderinfo/
oh não consigo encontrar um padrão, é como se não existisse um padrão
Posso, mas acabam rapidamente com os novos dados.
Parece ser sábado...
No site **** é pisado.
Acontece...Alexei, você está me deixando nervoso de novo)
Eu escrevo uma dúzia de códigos todos os dias e devo lembrar-me do código que escrevi especialmente para ti? Escrevi-o para que aprendesses algo, e é suposto eu saber se mudaste o código ou não?
E tu nem sequer aprendeste a olhar para a variável? Basta digitar "X" no console e pressionar enter!
E eu estou a fazer perguntas estranhas? Não estás envergonhado, Alexei?
Não precisa de estar nervoso - pratique - quando tiver filhos, vai ser útil :)
Então, que tipo de função é esta - o tradutor dá:
é uma função universal para prever a partir de várias funções de ajuste do modelo. A função chama certos métodos que dependem da classe do primeiro argumento.
Pelo que entendi, é essencialmente uma função aplicar o modelo a novos dados.
Li a ajuda da UMAP, da qual concluí que o modelo resultante é essencialmente uma matriz.
Essa é a matriz que eu estava a pensar em como obter. Em outros métodos de criação de modelos poderia ser algo diferente - fórmulas matemáticas ou um conjunto de regras lógicas.
Mas, porque não está descrito o algoritmo para aplicar o modelo a novos dados - como atribuir uma linha de amostra de teste a uma determinada coordenada usando esta matriz? Sem isso, toda esta direcção é uma porcaria.
Estes não são retornados, não existem padrões nos retornados (verificados por 7 anos de experiência) Estas são dimensões abreviadas, existem 2,5k traços nestas duas curvas Te está à procura de padrões em esteróides )
Como conseguiste estas curvas? Os principais componentes?