Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2019
![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
Você também pode levar uma mensagem pessoalmente.
Bem, aí está, paradoxo situacional, não consigo entrar na caixa do correio) o site está com falhas. Se funcionar, eu escrevo para ti e para o Maxim.
não é complicado, só tens de descobrir.
Você não precisa de energia nenhuma. Eu posso aprender LSTM no meu laptop em poucos minutos sem placas de vídeo. Sobre o poder é um mito.
), bem... declaração discutível.
A mesma operação em MQL leva 10 minutos ou mais. A velocidade poderia ser aumentada se o host tivesse mais núcleos no processador ou nos próprios processadores )))).), bem... afirmação controversa.
A mesma operação com MQL leva 10 minutos ou mais. A velocidade poderia ser aumentada se o host tivesse mais núcleos na CPU ou nos próprios processadores)))).2700 épocas em 30 segundos é muito rápido
Bem, aí está, paradoxo situacional, não consigo entrar nas caixas de correio) o site está com falhas. Escrever-te-ei a ti e ao Maksim quando estiver tudo esclarecido.
Eu escrevi-te, a mensagem foi transmitida?
2700 épocas em 30 segundos é muito rápido.
Os dados não são suficientes, o array é como 400 de profundidade, mas se você carregá-lo na história profunda, mesmo C++ com threads será muito lento )))), mas o mais triste é que no final você não pode obter um sistema bem treinado, eu tenho um limiar de 30000 época, ele pára de treinar, mas você sabe que não é a merda treinada, por que assim ... Acho que é por causa de colisões, ou seja, parece-me que existe um conjunto de dados que num caso diz que o modelo é curto e no outro caso este mesmo modelo aparece como um modelo longo, se é assim, a culpa é minha, mas não tenho tempo para lidar com ele ((. Por causa disso, eu simplesmente reduzi o conjunto de dados de entrada para treinamento.
Meu... não é complicado no sentido em que se pode entender
Normalmente um par de camadas são suficientes, você não precisa de muita profundidade em forex.
É que arquitectonicamente existem redes mais avançadas para vr, mais frescas do que a lstm. Pode ser lucrativo a partir daí, ainda não verifiquei. Todos os "clássicos", como os impulsos e a perseverança, não são nada adequados para a RV.
Se mais camadas são necessárias ou não só podem ser julgadas pelos resultados alcançados, acho...
Que outras redes existem lá fora, pode nomeá-las - não sou muito bom em variedades de redes.
Posso deixar-te uma amostra para uma rede da moda?
Os dados são pequenos, a matriz é como 400 de profundidade, mas se eu carregar na história profunda, mesmo C++ com threads vai entrar em um tizzy )))), mas o mais triste é que no final eu não posso obter um sistema bem treinado, eu tenho 30000 marco de época, ele pára de treinar, mas você entende que não é a merda treinada, por que é assim ... Eu acho que é por causa de colisões, ou seja, como me parece haver um conjunto de dados que num caso diz que o modelo é curto e no outro caso este mesmo modelo aparece como longo, se é assim é culpa minha, mas eu não tenho energia suficiente para lidar com ele ((. Por causa disso, eu simplesmente reduzi o conjunto de dados de entrada para treinamento.
Porque um número tão grande de épocas... geralmente 1000 ou mesmo 100 é suficiente para uma taxa dinâmica de looping.
Se são ou não necessárias mais camadas só pode ser julgado pelos resultados alcançados, acho eu...
Que outras redes existem por aí, você pode nomeá-las - eu não sou muito bom em variação de rede.
Posso deixar-lhe uma amostra para correr numa espécie de rede chique?
Estou só a aprender sobre redes neurais. Eu já escrevi aqui. São novos transformadores e convolucionais, etc., utilizados principalmente para processamento de linguagem e som.
Os conjuntos de dados para eles são preparados de uma forma especial, os conjuntos de dados normais não funcionarãoEstou só a aprender sobre redes neurais. Eu já escrevi aqui. Estas são as novas convoluções e transformadores e assim por diante, utilizadas principalmente para o processamento de linguagem e som.
Eles têm conjuntos de dados especiais, os normais não funcionam...Se você sabe como se preparar, você pode fazê-lo...
porquê um número tão grande de épocas... geralmente até 1000 ou mesmo 100, com uma taxa de perspicácia dinâmica
O objetivo é obter a máxima precisão para o treinamento, ou seja, precisão para 1. Como os pesos primários são definidos aleatoriamente, às vezes as épocas podem ser inferiores a 1000.