Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 376
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
Encontrado no ALGLIB, o treino de paragem precoce com secção de validação:
Algo me parece errado, porque na negociação real os bares vão na sua própria ordem, não misturados com os de uma hora e um dia atrás.
E se a "natureza" do mercado muda, significa que é preciso reaprender ou procurar novos modelos de NS.
Você tem mais de 500 links na sua rede? Dizem que a L-BFGS é menos eficiente que a L-M se houver poucos neurónios.
Você tem mais de 500 conexões na sua rede? Eles escrevem que a L-BFGS é menos eficiente que a L-M se houver poucos neurónios
Menos até agora, para poupar tempo - fase de desenvolvimento, quando eu terminar estarei trabalhando duro para encontrar preditores e diagramas de rede
Talvez possas escrever um artigo quando tiveres tudo resolvido? :) Não há bons artigos sobre a rede neural argeliana, há um traduzido difícil de digerir.
Artigo tipo de descrição de NS (porque eu nem consegui encontrar ajuda adequada para a algibeira) e exemplo de aprendizagem/treinamento, auto-optimização em bot. Bem, isso sou só eu, só reparei que não há informação suficiente para estudar. É como se até pagasses por isso ) não gastasses o teu tempo em vão
Porque não escreves um artigo quando já tens tudo resolvido? :) Não há bons artigos sobre a neurônica Alglib, há um traduzido difícil de entender.
Artigo tipo de descrição de NS (porque eu nem consegui encontrar ajuda adequada para Alglib) e exemplo de aprendizagem/treinamento, auto-optimização em bot. Bem, isso sou só eu, só reparei que não há informação suficiente para estudar. Para este tipo de pagamento mais) não gaste o seu tempo em vão.
Tomei o https://www.mql5.com/ru/articles/2279 como base. Coloquei-o em condições de trabalho dentro de 8 horas. Acho que a maioria dos programadores não vai levar mais tempo.
Mas tem sido uma semana de retrabalho, acrescentando opções, testes, etc.
Não me parece - não vou ter tempo para um artigo 100% do tempo... Além disso, eu mesmo estou começando a entender NS, então eu não posso dizer nada inteligente/nova.
Tomei o https://www.mql5.com/ru/articles/2279 como base. Coloquei-o em condições de trabalho dentro de 8 horas. Acho que a maioria dos programadores não vai levar mais tempo.
Mas tem sido uma semana de retrabalho, acrescentando opções extras, testes, etc.
Eu ainda estou olhando para o classificador Bayesian + genética, não maus resultados. Com grelhas é um pouco lamacento na minha cabeça, muitas nuances
Sim, quero dizer o mesmo artigo, não me pareceu muito aceitável, embora eu seja mais um trader do que um programador )
Treinamento precoce sobre dados não misturados:
Parece que houve um ajuste na trama de validação. O teste é bom, mas não estava em treinamento e não foi comparado, provavelmente apenas uma coincidência.
Ao misturar, o erro é equalizado nas seções de treinamento e validação.O mesmo fay conta conjuntos, há uma divisão 2/3 e tudo se mistura entre as duas parcelas, vou tentar fazer o mesmo...
Baralhei-o:
E no teste, ficou pior.
Algo parece errado para misturar os dados e depois dividi-los em seções de treinamento e validação, porque na negociação real as barras seguirão sua própria ordem e não se misturarão com as de uma hora, um dia ou uma semana atrás. Da mesma forma, para algoritmos de validação cruzada onde a secção de validação está no início, depois no meio e depois no fim.
E se a "natureza" do mercado mudar, isso significa que precisamos reaprender ou procurar novos modelos NS.
E se você não misturar e validar na última seção, como você evita encaixar nessa seção?
4 parcelas funciona? Treinamento/validação/teste1/teste2 ?
Quantos ciclos de treinamento/validação você precisa fazer? Eu não vi nenhuma informação sobre isso em nenhum lugar.... 1 ciclo no total? - e logo a seguir aprovamos ou alteramos algo no conjunto de preditores ou no esquema de rede? Mais precisamente em N ciclos de treino ser-nos-á mostrado um melhor.
A secção de testes2 é um veredicto: não há correspondência, então começamos tudo de novo, de preferência com um conjunto de preditores
PS.
A propósito, há também um testador, o veredicto final do TS.
A situação com a mistura dos resultados permanece pouco clara:
Parar cedo de aprender sobre dados não-intermitentes:
Parece que houve um ajuste na trama de validação. O teste é bom, mas não estava em treinamento e não foi comparado, provavelmente apenas uma coincidência.
Devido à mistura, o erro é equalizado nas seções de treinamento e validação.O mesmo fay conta conjuntos, há uma divisão 2/3 e tudo se mistura entre as duas parcelas, vou tentar fazer o mesmo...
Baralhei-o:
E no teste, ficou pior.
Parece errado misturar os dados e depois dividi-los em seções de treinamento e validação, porque na negociação real as barras seguirão sua própria ordem e não se misturarão com as de uma hora, um dia ou uma semana atrás. Da mesma forma, para algoritmos de validação cruzada onde a secção de validação está no início, depois no meio e depois no fim.
E se a "natureza" do mercado mudar, isso significa que precisamos reaprender ou procurar novos modelos NS.
E se você não misturar e validar na última seção, então como você evita encaixar nesta seção?
1. Meu entendimento é que você não treina nada - apenas um resultado aleatório em preditores que não têm nada a ver com a variável alvo.
2. A agitar.
Não conheço a NS.
Mas em muitos outros algoritmos de MO, o aprendizado é feito em exatamente uma linha. UM valor de cada preditor é tomado e a variável alvo é mapeada para ele. Portanto, o baralhamento é irrelevante. Existem algoritmos de MO que levam em conta os vizinhos.
Mas de qualquer forma nossos pontos de vista coincidem e inicialmente eu sempre faço testes no teste2 sem baralhar.
PS.
Mais uma vez.
Se o erro em duas amostras diferentes for diferente como o seu - isso significa que o seu sistema é inútil, apenas para ser jogado fora.
a vaguear pela fossa sem fundo chamada internet, deparei-me com este pedaço de papel.
Artificial Neural Networks architectures for stock price prediction:comparisons and applicationsEm outras palavras - arquitetura NS para predição de estoque - comparação e aplicação
A situação com os resultados da mistura permanece pouco clara:
Algo me parece errado para misturar os dados e depois dividir em treinamento e validação, porque em um comércio real as barras irão em sua própria ordem, não misturadas com as de uma hora, um dia ou uma semana atrás. Da mesma forma, para algoritmos de validação cruzada onde a secção de validação está no início, depois no meio e depois no fim.E se a "natureza" do mercado mudar, isso significa que precisamos reaprender ou procurar novos modelos NS.
E se você não misturar e validar na última seção, como você evita encaixar nessa seção?
Após a divisão em trem/teste/valido , misture o trem. Não misture o resto dos conjuntos.
Isto é válido para classificação por redes neurais. Além disso, ao treinar redes neurais profundas, misture cada mini-batch antes de alimentar a rede neural.
Boa sorte.