Обсуждение статьи "Нейросети — это просто (Часть 42): Прокрастинация модели, причины и методы решения"
Здравствуйте, Дмитрий. Спасибо за новую работу. Я тоже добивался прямой линии на графике. Теперь понятно, почему. Подскажите пожалуйста, какие результаты Study2 можно считать приемлемыми? Test пока не показывает осмысленных действий, открыл бай и доливает на каждом баре.
Кстати, папку NeuroNet_DNG пришлось перетягивать с прошлого советника. Если вы вносили в нее изменения, то я бьюсь головой об стену.
Здравствуйте, Дмитрий. Спасибо за новую работу. Я тоже добивался прямой линии на графике. Теперь понятно, почему. Подскажите пожалуйста, какие результаты Study2 можно считать приемлемыми? Test пока не показывает осмысленных действий, открыл бай и доливает на каждом баре.
Кстати, папку NeuroNet_DNG пришлось перетягивать с прошлого советника. Если вы вносили в нее изменения, то я бьюсь головой об стену.
Последние версии файлов во вложении
Дмитрий здравствуйте. Подскажите а сколько вы тренировали данный советник чтобы он начал совершать хотябы какие-то осмысленные сделки, пусть даже в минус. Просто у меня он либо вообще не пытается торговать, либо открывает кучу сделок и не может пройти весь период в 4 месяца. При этом баланс стоит на месте а эквити плавает. Агентов использует или одного или двух, остальные нули. Начальную выборку пробовал разную.
-от 50$ к примеру 30-40 примеров на начало и потом после каждого прохода Stady2 (100000 по умолчанию), и далее добавлял по 1-2 примера в цикле.
-от 35$ к примеру 130-150 примеров на начало и потом после каждого прохода Stady2 (100000 по умолчанию), и далее добавлял по 1-2 примера в цикле.
- от 50$ с 15 примеров на начало и ничего не добавлял на тренировал Stady2 в 500000 и 2000000 .
При всех вариантах результат один - не работает, не обучается. При том вполне может после к примеру 2-3 миллионов итераций опять ничего не показывать - просто не торговать.
Сколько (в цифрах) его нужно тренировать чтобы он начал открывать и закрывать вообще сделки?
Hello Dmitry! You were a great teacher and mentor!
After some successful training, I was able to achieve a 99% win rate. However, it only sold trades. no buy trades
Here's a screenshot:
350733414_605596475011106_6366687350579423076_n.png (1909×682) (fbcdn.net)
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Нейросети — это просто (Часть 42): Прокрастинация модели, причины и методы решения:
Прокрастинация модели в контексте обучения с подкреплением может быть вызвана несколькими причинами, и решение этой проблемы требует принятия соответствующих мер. В статье рассмотрены некоторые из возможных причин прокрастинации модели и методы их преодоления.
Одной из основных причин прокрастинации модели является недостаточное обучающее окружение. Модель может столкнуться с ограниченным доступом к обучающим данным или недостаточными ресурсами. Решение этой проблемы включает создание или обновление набора данных, повышение разнообразия обучающих примеров и добавление дополнительных ресурсов для обучения, таких как вычислительные мощности или предварительно обученные модели для трансферного обучения.
Еще одной причиной прокрастинации модели может быть сложность задачи, которую она должна решать. Или использование алгоритма обучения, требующего большого количества вычислительных ресурсов. В этом случае, решение может состоять в упрощении задачи или алгоритма, оптимизации вычислительных процессов, использовании более эффективных алгоритмов или распределенного обучения.
Модель может прокрастинировать, если ей не хватает мотивации для достижения поставленных целей. Установка четких и релевантных целей для модели, разработка функции вознаграждения, которая стимулирует достижение этих целей, и использование техник усиления, таких как введение наград и штрафов, может помочь решить эту проблему.
Если модель не получает обратной связи или не обновляется на основе новых данных, она может прокрастинировать в своем развитии. Решение заключается в установлении регулярных циклов обновления модели на основе новых данных и обратной связи, а также в разработке механизмов для контроля и мониторинга прогресса обучения.
Важно регулярно оценивать прогресс модели и результаты обучения. Это поможет увидеть достигнутые успехи и обнаружить возможные проблемы или узкие места. Регулярные оценки позволят своевременно внести коррективы в процесс обучения и избежать затягивания задач.
Автор: Dmitriy Gizlyk