Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 523
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
Não é nada, é apenas um ajuste comum, já foi discutido 100 vezes antes. É elementar e não tem qualquer utilidade prática em forex.
Quero dizer, é um ajuste. Pensei ter dito que era uma área fora da amostra da OOS...... Onde está o ajuste? Este é exactamente o nível alto o suficiente de generalização se alguma coisa.....
Refiro-me ao ataque. Pensei ter dito que era uma secção fora da amostra...... Onde está o ajuste? Esse é exactamente o elevado nível de generalização, se é que há algo.....
ah... fora... Perdi o OOS :) então deve funcionar no real, mesmo que pior, mas ainda no +
para resultados estáveis, você precisa fazer validação cruzada e TS adaptável... mas também há muitas armadilhas
A principal armadilha com o sistema de auto-treinamento que encontrei é que andaimes ou NS são treinados de forma ligeiramente diferente cada vez na mesma amostra, o que pode levar a mudanças significativas nos resultados finais. Ou seja, se várias vezes no testador para executar o mesmo TS, os resultados serão diferentes :)
E cada vez que estudo NS mais e mais, começo a gostar do logit simples ou da regressão linear:D
Alguém sabe o que acontece com a rede quando o número de exemplos de treinamento por classe é diferente? Vi que isso leva a um viés e a rede começa a produzir apenas uma classe, e que o alinhamento do número de classes corrige a situação. E que o alinhamento do número de exemplos por classes corrige a situação.
Mas eu quero entender a razão disto.
Por exemplo, depois de ter visto 100 gatos e 2 cães, uma pessoa presta mais atenção aos cães e olha para eles, como "Oh, algo novo". Por alguma razão estes 2 cães parecem gatos a uma rede neural. Isto é, a quantidade estraga a qualidade.
Número demasiado pequeno de exemplos de uma das classes, não permite atribuir um único neurónio/ligação para a sua definição? Embora com softmax, o neurônio de saída é alocado, portanto nenhuma conexão é feita a ele.
Ou a estes 2 exemplos, 10 exemplos muito semelhantes de outra classe são encontrados e fazem uma preponderância no seu lado?
Refiro-me ao ataque. Pensei ter dito que era uma secção fora da amostra...... Onde está o ajuste? Este é exatamente o alto nível de generalização se algo.....
Bem, então aqui está uma volta contra a frente por mês.
Alguém sabe o que acontece com a rede quando o número de exemplos de treinamento por classe é diferente? Vi que isso leva a um viés e a rede começa a produzir apenas uma classe, e que o alinhamento do número de classes corrige a situação. E que o alinhamento do número de exemplos por classe corrige a situação.
Mas eu quero entender qual é a razão?
Um homem, por exemplo, tendo visto 100 gatos e 2 cães, vai prestar mais atenção aos cães e olhar para eles, como - "Oh! Algo novo". Por alguma razão estes 2 cães parecem gatos a uma rede neural. Então, a quantidade estraga a qualidade.
Número demasiado pequeno de exemplos de uma das classes, não permite atribuir um único neurónio/ligação para a sua definição? Embora com softmax, o neurônio de saída é alocado, portanto nenhuma conexão é feita a ele.
Ou para estes 2 exemplos, 10 exemplos muito semelhantes de outra classe são encontrados e fazem a anulação na sua direcção?
Bem, faz a média dos exemplos, a segunda classe começa a contribuir menos
Mais um curioso facebook do Profeta da libertação
http://strategy.doubledoji.com/how-to-use-facebooks-prophet-algorithm-in-forex-trading/
https://github.com/doubledare704/Jupyter-bitcoin
exemplos para forex e bitcoin
A que progressos se chegou.
Que progressos foram feitos.
Estranho que as sobrancelhas não tenham sido incluídas no tratamento, embora um fio de cabelo faça parte do grupo.
Bem, então, aqui está uma fanfarronada de trás para a frente do mês também.
Agora é disso que estou a falar... fixe. É bem possível apostar no verdadeiro ...
Eu não sei o que as suas redes estão a fazer. Mas Reshetovsky quando as aulas são distorcidas. Quando o número de um e zeros na variável de saída não são iguais. Adiciona ao treinamento e à amostra de teste aquelas classes que são menores. Como um exemplo de cães e gatos. Se houver 100 gatos e 2 cães, a amostra será aumentada com mais 98 exemplares de cães para o equilíbrio. Mas o exemplo não é bom, porque há uma maneira complicada de acrescentar. Não é só isso. Como resultado obtemos uma amostra de 100 gatos diferentes e 100 cópias de cães. Então é isso...