Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 377
![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
Após a divisão em trem/teste/válido , misture o trem. Não baralhe o resto dos conjuntos.
Isto é válido para classificação por redes neurais. Além disso, para o treino de redes neurais profundas, misture cada mini-batch antes de o alimentar.
Boa sorte.
posso ter uma referência onde ler sobre mistura? Porque puramente intuitivamente não faz sentido ) assim como os preditores se correlacionam com o alvo (com isto resolvemos, quase nada)
Após a divisão em trem/teste/válido , misture o trem. Não baralhe o resto dos conjuntos.
Isto é válido para classificação por redes neurais. Além disso, para o treinamento profundo da rede neural, embaralhe cada minitransporte antes de alimentar a rede neural.
Boa sorte.
Encontrei um exemplo de trem de mistura e válido um com o outro na função de cálculo de conjunto do ALGLIB. Aparentemente, é um dos métodos.
Eu só embaralhei o comboio.
O erro é o mesmo em todos os segmentos, o mesmo que quando se mistura o trem e é válido. Aparentemente, o efeito é o mesmo.
Encontrei um exemplo de trem de mistura e válido um com o outro na função de computação de conjunto do ALGLIB. Aparentemente, é um dos métodos.
Só o comboio está baralhado.
O erro é o mesmo em todos os segmentos, o mesmo que quando se mistura o trem e é válido. Aparentemente, o efeito é o mesmo.
Qual é o erro no ficheiro separado destes?
Qual é o erro no ficheiro separado destes?
No teste que queres dizer?
Erro médio na secção de teste (20%) =0,398 nLearns=2 NGrad=1208 NHess=0 NCholesky=0 codResp=6
Eu ainda não fiz o enredo para o teste2. Eu só vou peneirar através do teste 1. (Talvez no futuro).
No local do teste, queres dizer?
Erro médio na secção de teste (20%) =0,398 nLearns=2 NGrad=1208 NHess=0 NCholesky=0 codResp=6
Eu ainda não criei o enredo do teste2. Eu só vou peneirar através do teste1. (Talvez no futuro).
Fora de todas estas amostras
Fora de todas estas amostras
Fora da caixa, todos os dados foram utilizados.
É possível dividir o arquivo fonte 80/20? E depois 80% de todos os seus exercícios, e depois 20% sem qualquer mistura.
Você pode dividir o arquivo fonte por 80/20? E depois 80% de todos os seus exercícios e depois 20% sem qualquer mistura.
Com a mistura:
Erro médio no treino (51,0%) secção =0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio na validação (13,0%) gráfico =0,685 (68,5%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Planta completa (treinamento + validação):
Erro de aprendizagem médio=0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio na secção de teste (16,0%) =0,661 (66,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste 2 (20,0%) =0,671 (67,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Sem agitar
Erro médio no treinamento (51,0%) gráfico =0,516 (51,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no gráfico de validação (13,0%) =0,376 (37,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Planta completa (treinamento + validação):
Erro de aprendizagem médio=0,491 (49,1%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste (16,0%) =0,344 (34,4%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste 2 (20,0%) =0,326 (32,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Apenas 2 ciclos de reciclagem, para velocidade... já na hora de dormir)
Com o baralhamento:
Erro médio no treinamento (51,0%) gráfico =0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio no gráfico de validação (13,0%) =0,685 (68,5%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Planta completa (treinamento + validação):
Erro de aprendizagem médio=0,683 (68,3%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio na seção de teste (16,0%) =0,661 (66,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste 2 (20,0%) =0,671 (67,1%) nLearns=2 NGrad=725 NHess=0 NCholesky=0 codResp=6
Sem agitar
Erro médio no treinamento (51,0%) gráfico =0,516 (51,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no gráfico de validação (13,0%) =0,376 (37,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Planta completa (treinamento + validação):
Erro de aprendizagem médio=0,491 (49,1%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste (16,0%) =0,344 (34,4%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Erro médio no local de teste 2 (20,0%) =0,326 (32,6%) nLearns=2 NGrad=1063 NHess=0 NCholesky=0 codResp=6
Apenas 2 ciclos de reciclagem, para velocidade... já na hora de dormir)
O seu modelo não aprende nada - é tudo do parque de bolas. Em algum lugar ele pega em alguma coisa e depois revela-se irrelevante.
Comece com a datamining. Alvo, depois procurar por preditores relevantes para o alvo, depois determinar a capacidade preditiva dos preditores selecionados para o alvo específico, e só então o modelo
Tudo o resto é um jogo intelectual de números.
https://www.youtube.com/channel/UCLk-Oih8VlqF-StidijTUnw
ele tem algo para fazer no fim-de-semana :) ar para nubas
E aqui está um tipo a fazer algumas trocas algorítmicas.