Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 869
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
Eu aprendi sobre 2 VS na prática, e essa é a única maneira que eu os uso. Se eu usar 3 classes (comprar, esperar, vender), então a classe média ocorre muito rapidamente, especialmente se o neurônio de saída for sigmóide ou tangente.
Mas se a regressão... Idealmente é necessário 1 neurónio de saída.
Cada NS é 2 classes - longo/0, o segundo NS é curto/0.
Só para prevenir, repito um dos resultados do treino NS - este ainda é um teste das 09.17. Sai uma coisa destas.
Digamos, mais de 0,5 - longo, menos - 0, nós paramos.
Não, eu só uso andaimes até agora (um conjunto de qualquer número de modelos, em diferentes características), a saída é média
muito rapidamente todos os trabalhos
Então, a árvore é um análogo da TF? Algo me diz que não é.
Não faço ideia... fui beber bacardi )) vai pensar nisso mais tarde.
pretendo tentar NS, mesmo que seja apenas regressão logística, desde que seja rápido, porque é um ambiente multi-agente, muitos modelos são treinados ao mesmo tempo... mas eu adapto o RL aos meus problemas
Eu também quero muito usar clustering e tenho pensado em como, mas alglib não permite a adesão ao centroid em novos dados, eu terei que tomar uma libra diferente em algum lugarUh-huh. A entrada NS é uma série temporal normalizada. Digamos que a estrutura NS -15-20-15-10-5-1 já está indo bem.
Para determinar os longos e os calções é preciso 2 NS.
Eu gostaria de encontrar um algoritmo para calcular a estrutura da rede... para que fosse suficiente e não supérfluo.
Eu não sei. Na literatura clássica, apenas por intuição ou selecção.
Consegui fazê-lo após cerca da 3ª ou 4ª vez. Você começa a senti-los como resultado da aprendizagem).
Não faço ideia... Fui beber bacardi )) Vou pensar nisso mais tarde.
Vou tentar NS, mesmo só regressão logística, desde que seja rápida, porque é um ambiente multi-agente, muitos modelos são treinados ao mesmo tempo... mas eu adapto o RL aos meus problemas
Eu realmente quero usar clustering e descobri como, mas alglib não permite a adesão ao centroid com novos dados, eu terei que conseguir outra biblioteca em algum lugar.Hora de ir para R, experimentei em alglib NS - dezenas de vezes mais lento conta a mesma rede que em R (como um dia contra 30-60 minutos). Mais em algibe no máximo 2 camadas ocultas, e de acordo com as suas observações você precisa de 3 conversões consecutivas, ou seja, 3 camadas.
Mais em algibe no máximo 2 camadas ocultas, e de acordo com as suas observações você precisa de 3 conversões consecutivas, ou seja, 3 camadas.
3 camadas não é nada.(
A propósito, enganei-me um pouco na minha estrutura NS.
era15-20-15-10-5-1
Deve ser 15-15-20-15-10-5-1. O primeiro número é o número de entradas.
3 camadas não é nada.(
A propósito, enganei-me um pouco na minha estrutura NS.
era15-20-15-10-5-1
Deve ser 15-15-20-15-10-5-1. O primeiro número - número de entradas.
Total de 1030 balanças - não fraco. Quantos dados de entrada (filas) existem?
Um total de 1030 balanças não é fraco. E quantas entradas (linhas) existem?
Desculpe-me? Como assim? O NS tem 15 entradas - o 1º dígito da estrutura do NS. O input é BP directamente normalizado - 15 contagens.
Desculpe-me? Como assim? NS tem 15 entradas - 1º dígito da estrutura NS.
Por exemplo, 10000 linhas de 15 entradas