Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2292
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
Faça uma segunda saída da rede para calcular o lote. Ou usar a confiança na rede como um multiplicador de lote.
o cálculo da média e as grelhas nem sempre são do tamanho do lote.
há um ruído nos incrementos
como se encontram os ciclos de 24 períodos em incrementos de 1 período
Fácil. Ir para os incrementos é diferenciação. A relação entre amplitudes e frequências muda, mas elas não vão a lado nenhum. É ainda melhor quando os ciclos lentos não entupem os rápidos, não é preciso filtrar por traços.
há um ruído nos incrementos
como se encontram os ciclos de 24 períodos em 1 incrementos
janela 48
Colegas,podem dizer-me por experiência própria?
Será que faz sentido monitorizar os pesos da camada de entrada (as entradas são normalizadas) durante o treino? Dá algo realista para avaliar o significado dos inputs?
Eu uso a biblioteca de Dmitriy Gizlykpara experiências.
Eu sei que descarregando os dados em R ou Python eu posso calcular todo o tipo de lêndeas. Mas ainda não cheguei a eles, e é conveniente que a solução dele no cartão de vídeo seja quase "voar".
Em geral, faz sentido monitorar os pesos dos insumos para simplificar, ou em qualquer caso eu deveria primeiro fazer uma análise detalhada dos insumos?
Para uma análise preliminar das entradas, você pode usar
você pode estimar o impacto através de pesos
Estou a ver, quanto mais pesos, mais influência. É possível obter mais informações?
Por exemplo, para entender que o problema não tem melhor solução, ou não é convexo (se eu não confundir o termo). Talvez de alguma forma os pesos vão para o infinito, ou talvez com os mesmos erros de rede os pesos podem mudar de forma diferente (ou seja, em uma entrada muito pequena, e depois em outra abordagem de treinamento (começando de novo) vice versa muito grande), etc.
Praticamente por enquanto estou lutando com uma tarefa onde duas classes estão assimetricamente distribuídas (uma é mais de 60%) e as grades "queimam" em 100% dos casos produzindo uma classe.
Eu filtro os dados de entrada de forma diferente e pego novos dados. A questão pode ajudar na filtragem de entradas "ruins", quais entradas devem ser descartadas ou filtradas de forma diferente.
Você pode usar andaimes para análise preliminar de insumos
Sim, eu sei, foi em R, preguiçoso para ir e vir e longo. e algleibe no MT5 permite isso normalmente sem qualquer interferência?
Mas pensei que talvez algum treino me dissesse se devo olhar para os pesos das entradas.
Estou a ver, quanto mais peso, mais influência. É possível obter mais informações?
Por exemplo, para entender que o problema não tem a melhor solução, ou não é convexo (se eu não confundir o termo). Talvez de alguma forma os pesos vão para o infinito, ou talvez com os mesmos erros de rede os pesos podem mudar de forma diferente (ou seja, então com um determinado input muito pequeno e depois em outra abordagem de treinamento (tendo começado de novo), pelo contrário, muito grande), etc.
Praticamente por enquanto estou lutando com uma tarefa onde duas classes estão assimetricamente distribuídas (uma é mais de 60%) e as grades "queimam" em 100% dos casos produzindo uma classe.
Eu filtro os dados de entrada de diferentes maneiras e pego novos dados. a pergunta pode ajudar na filtragem de entradas "ruins", quais entradas devem ser descartadas completamente ou filtradas de maneira diferente.
Há muitas coisas que podes fazer. Não te posso dizer o refrigerante, porque há pacotes especiais.
As aulas devem ser equilibradas para a NS. Adicionar os exemplos em falta
Sim, eu sei, foi em R, demasiado preguiçoso para andar para trás e para a frente e por muito tempo. Mas Alglib no MT5 deixa-te fazê-lo normalmente sem problemas?
Eu prefiro aprender pitão.
Eu aprendi a usar a pitão:
Ainda estou a lutar com um problema em que duas classes estão assimetricamente distribuídas (uma é mais de 60%) e as redes "queimam" em 100% dos casos com uma classe.
Classes de equilíbrio, ou refazer a métrica, o que daria mais pontos a uma classe rara
Fácil. Ir para os incrementos é diferenciação. A relação de amplitude das frequências muda, mas elas não vão a lado nenhum. Melhor ainda, ciclos lentos não entupem os rápidos, não é preciso filtrar por mashups.
estranho então porque não os consegues encontrar se é fácil.
Então porque não os encontraste, se é fácil?
até experimentar com ondas sinusoidais que nunca vai saber.