Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 13
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Açıklama için teşekkürler, şimdi seni çok iyi anlıyorum ama genetik algoritmalar burada yardımcı olabilir mi? RF yerine, hedefin uygulanması için çok ilginç fikirlerim var, onları denemek isterim ..
Bu R'de yapılabilir mi?
kendim hakkında biraz: Ben hiç programcı olmadım, R bir ay boyunca çalıştığım ilk dilim ve bir kuyruk
Bu R'de yapılabilir mi?
kendim hakkında biraz: Ben hiç programcı olmadım, R bir ay boyunca çalıştığım ilk dilim ve bir kuyruk
İşte yaklaşık olarak Millet Meclisi'nin alım satım sonuçları hakkında bilgi sunulmasıyla ilgili eğitim süreci. Peki, kendi fonksiyonunuzu yazmayı deneyebilir ve bunu bir R paketine özel bir uygunluk fonksiyonu olarak gönderebilirsiniz.Ama önce hangi R paketinin buna izin verdiğini anlamanız gerekir. Millet Meclisi'nin kendisini yazmanız gerekebilir ve bunu artılar üzerine ayrı bir pakette yapmanız gerekir. ( R'nin kendisi yavaştır.
Mesele şu ki, bu çok sıra dışı bir şey. Bildiğim bir istisna dışında, genellikle fitness işlevleri özelleştirilemez. Yaptığım maksimum değer, çapraz doğrulama sırasında bir dizi eğitim parametresinin seçildiği maksimum değere göre şapka paketine kendi işlevimi yazmaktı. Ancak aynı zamanda makinenin kendisi standart olarak eğitilmiştir. Yani, benim çözümüm tam olarak ihtiyacınız olan şey değil. Anlıyor musun?
googled it... evet, kendin yazman gerek, peki, kahretsin, bu standart hedef çok sınırlı bir yaklaşım, çileden çıkarıcı..
Hala aramanız gerekiyor:
http://stackoverflow.com/questions/25510960/how-to-implement-own-error-function-while-using-neuralnet-package-in-r
/go?link=https://stackoverflow.com/questions/36425505/own-error-function-clude-weights-for-neuralnet-in-r
Neuralnet paketi, türevlenebilir olması gereken kendi uygunluk fonksiyonunuzu yaratmanıza izin veriyor gibi görünüyor. Düşünmemiz gerek... Ne diyorsunuz?
ikinci bağlantı, no paketindeki kodu yeniden yazmanız gerektiğini söylüyor
ilk linke hatanızı yazabilirsiniz ama yine de önerdiğiniz konseptte uygulayabilmemiz için geçmiş ağırlıkları bilmemiz gerekiyor, yoksa bir şey mi kaçırdım? Dürüst olmak gerekirse, sinir ağının çalışması hakkında çok zayıf fikirlerim var.
Bir nöronun öğrenilmesi (geriye doğru yayılma) genellikle şu şekilde olur: içine bir eğitim örneği verilir, onun için sonuç belirlenir, istenen sonuca karşı kontrol edilir ve hata hesaplanır. Ayrıca, görev bu hatayı azaltmaktır. Bir nörondaki tüm hesaplamalar sadece ilk verinin katsayılarla toplanma ve çarpma sırası olduğundan, hatayı azaltmak için katsayıların ne kadar değiştirilmesi gerektiğini tam olarak hesaplamak mümkündür. Genel olarak, ilk adımda, hatayı sıfıra indirecek katsayılar bulabilirsiniz, ancak bunu kimse yapmaz, çünkü bu belirli bir örneğin hatasını azaltacaktır, ancak diğer tüm örnekler için kesinlikle artıracaktır.
Bu kademeli hata azaltma, tüm eğitim örneklerini sırayla kullanarak ve bunların üzerinden tekrar tekrar geçerek yapılır. Yani herhangi bir Sharpe oranını gerekli alım satım sonucu olarak almak ve eklemek mümkün olmayacak, sadece her eğitim örneği için ayrı ayrı hesaplanabilecek hata yapacak. Hatayı hesaplamak için kendi işlevinizden bazılarını kullanabilirsiniz, ancak aynı zamanda tüm örnekler için değil, her eğitim örneği için ayrı ayrı hesaplanacaktır. Tüm ticaretin değerini tüm bireysel örneklere bölmenin bir yolunu düşünemiyorum.
Bir zikzak veya çubuk kapanış fiyatlarında işlem yapmanın en uygun işlem olmadığını kabul ediyorum. Yayılma, geri çekilme, anlaşmanın açık olduğu süreyi de hesaba katarak anlaşmaları açıp kapatmak çok daha iyi olurdu. Hareketli ortalama veya diğer göstergeleri kullanan bir danışman yapmak, bunu maksimum keskinlik oranı için optimize etmek ve bu işlemleri gerekli sonuç olarak eğitim verilerinde kullanmak mümkün olacaktır. Ama en azından bir zikzak üzerinde kararlı sonuçlar elde ettikten sonra böyle bir şey yapacağım.
Bir nöronun öğrenilmesi (geriye doğru yayılma) genellikle şu şekilde olur: içine bir eğitim örneği verilir, onun için sonuç belirlenir, istenen sonuca karşı kontrol edilir ve hata hesaplanır. Ayrıca, görev bu hatayı azaltmaktır. Bir nörondaki tüm hesaplamalar sadece ilk verinin katsayılarla toplanma ve çarpma sırası olduğundan, hatayı azaltmak için katsayıların ne kadar değiştirilmesi gerektiğini tam olarak hesaplamak mümkündür. Genel olarak, ilk adımda, hatayı sıfıra indirecek katsayılar bulabilirsiniz, ancak bunu kimse yapmaz, çünkü bu belirli bir örneğin hatasını azaltacaktır, ancak diğer tüm örnekler için kesinlikle artıracaktır.
Bu kademeli hata azaltma, tüm eğitim örneklerini sırayla kullanarak ve bunların üzerinden tekrar tekrar geçerek yapılır. Yani herhangi bir Sharpe oranını gerekli alım satım sonucu olarak almak ve eklemek mümkün olmayacak, sadece her eğitim örneği için ayrı ayrı hesaplanabilecek hata yapacak. Hatayı hesaplamak için kendi işlevinizden bazılarını kullanabilirsiniz, ancak aynı zamanda tüm örnekler için değil, her eğitim örneği için ayrı ayrı hesaplanacaktır. Tüm ticaretin değerini tüm bireysel örneklere bölmenin bir yolunu düşünemiyorum.
Bir zikzak veya çubuk kapanış fiyatlarında işlem yapmanın en uygun işlem olmadığını kabul ediyorum. Yayılma, geri çekilme, anlaşmanın açık olduğu süreyi de hesaba katarak anlaşmaları açıp kapatmak çok daha iyi olurdu. Hareketli ortalama veya diğer göstergeleri kullanan bir danışman yapmak, bunu maksimum keskinlik oranı için optimize etmek ve bu işlemleri gerekli sonuç olarak eğitim verilerinde kullanmak mümkün olacaktır. Ama en azından bir zikzak üzerinde kararlı sonuçlar elde ettikten sonra böyle bir şey yapacağım.
Evet, NS tanımladığınız gibi çalışır. Her örnek için hata hesaplanır, ardından tüm kümeden geçtikten sonra uygunluk fonksiyonunun değeri elde edilir: ortalama kare hata veya hatanın medyanı veya ortalama mutlak hata. Bu değere göre ağırlıklar geri yayılım algoritmasında hesaplanan gradyana göre güncellenir.
Burada, makine sinyallerinde alım satım simülasyonuna dayalı olarak belirtilen uygunluk işlevi yerine kendinizinkini koymanız gerekenleri tartışıyoruz. Böylece, NN tarafından işlenen her örnek için sanal bir anlaşma oluşturabilirsiniz (çıkış sinyali önceden belirlenmiş bir eşiği geçerse). Ve tüm örneklerin geçişinin sonunda, bir tür entegre istatistik hesaplayın, örneğin Sharpe. Ve zaten ondan ağırlıkları geri yayılımla işlemek için.
Ayrıntılı açıklama için teşekkürler Dr.Trader !
Muhtemelen en iyi ve en doğru şeyin aynı zikzakları tersine çevirmenin kendisinde öğretmek, yani üç durum vermek olduğunu biliyorsunuzdur: 1) yukarı çık
2) geri çevirmek
3) geri dönüş yok
ama öğrenmek için, geri dönüşleri yakalamak oldukça zordur, ayrıca gözlem sayısında bir çarpıklık, onlarca veya belki yüzlerce kat daha fazla "geri dönüş olmayan" sınıflar olacaktır.
Hangi öngörücüleri kullanıyorsunuz ve hangi sonuçlar?
Spektral analizde ustalaşmaya başladım, ilk örnekler sadece göstergelerden çok daha iyi çıktı, çıngırakla çalıştırdım, eğitim ve doğrulamadaki hata %6 çıktı, ancak kodu R'ye aktarmaya başladığımda, San Sanych, yanılmıyorsam hata %30'a kadar bir yere kadar çıktı, diyor San Sanych, genel olarak, şu ana kadar pek bir şey anlamadım.
Ayrıca spektral analiz yoluyla piyasaya hangi periyotların hakim olduğunu ve bu periyotların göstergelere dönüştürülebileceğini öğrenmenin bir yolu var, uyarlanabilir göstergeler alıyorsunuz ve tarihe sığmıyor, ilk testler cesaret vericiydi ama gücümü toplayamıyorum. kafamın içindeki tüm bu yığını raflara koymak için
ikinci bağlantı, no paketindeki kodu yeniden yazmanız gerektiğini söylüyor
ilk linke hatanızı yazabilirsiniz ama yine de önerdiğiniz konseptte uygulayabilmemiz için geçmiş ağırlıkları bilmemiz gerekiyor, yoksa bir şey mi kaçırdım? Dürüst olmak gerekirse, sinir ağının çalışması hakkında çok zayıf fikirlerim var.
Her şeyden önce, bunu önermiyorum. Sezginizi kodlanabilir bir forma çeviriyorum. Makineye ticaret eğrisini makul sınırlar içinde tutma görevinin verilmesini önerdiniz. ) Bunu yapmak için seçenek budur.
İkincisi, ilk bağlantı sadece nasıl yapılacağını gösterir. Belgelerde belirtilen tek sınırlama. Ayrıca ağırlıklara ihtiyacımız yok, özellikle soruyu soran kişi tarafından ihtiyaç duyuldu. Ağırlığı bir fonksiyona dönüştüremezsiniz. Neden kiloya ihtiyacın var? Neden onlardan bahsediyorsun?
Temelde ayırt edilebilen her hata fonksiyonunu kullanabilirsiniz.