Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 83
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
Grafiklerin görsel olarak görüntülenmesi ve boşlukta kalıp arama ve sinir ağlarının eğitimi ile biten herhangi bir eylem , piyasada çalışmayan istatistiklere göre ticaret yapmaktan başka bir şey değildir, ne olduğumu anlıyor musunuz? hakkında konuşmak?
piyasa, kalabalığın anlaşmalarına aykırıdır ----- kalabalık istatistiklere göre hareket eder ------ tek yapmanız gereken kalabalığın gelecekteki hareketini tahmin etmek ve tersini yapmak, tahmin edebilirsiniz tek yol, bu istatistik
İstatistikler YALNIZCA durağan rastgele süreçler üzerinde çalışan araçlar olarak anlaşılırsa, bu tür istatistikler çalışmaz, çünkü finansal piyasalar, üzerinde sevilen "ortalama", "korelasyon" vb. kavramların boş kelimeler olduğu durağan olmayan süreçlerdir.
Ancak makine öğrenimi genellikle istatistik olarak değil, yapay zeka olarak sınıflandırılır.
Bu başlıkta görünmeden birkaç gün önce de düşündüğüm Mihail Marchukajtes fikrine gelince, belki birileri sonuçla ilgilenir, bana öyle geliyor ki bu yaklaşım da doğru, çok uygulanabilir , ben zaman zaman işe yarayan belirli bir teknik model fark ettim, suto satış modeli (ancak ağa izin verdim ve faiz için satın aldım) , kaydettim ve fiyat belirli bir noktaya geldiğinde modelde "X" , ağın satın alma / satma / dinlenme seçimi yapmasına izin veriyorum, bu ağ tüm teklifleri sürekli olarak analiz etmez, ancak yalnızca belirli bir durum oluştuğunda ağ açılır.
hedef üç sınıftı, örneğin - "X" noktası geldiğinde, zihinsel durdurma kayıpları ve alım satım için kar alma belirlenir:
satın al - bir satın alma işlemi yapılırsa ve stop vurulmamışsa
sat - bir satış alımı yapıldıysa ve stop vurulmadıysa
dinlenme - hem al hem de sat bir stop tarafından vurulduysa ve tek bir alıma ulaşılmadıysa
alma, duraktan 2 veya 3 kat fazlaydı, tam olarak hatırlamıyorum, 3 kat gibi görünüyor
Ağın gerçekte doğrulamadan çok daha kötü işlem görmesine rağmen (doğrulamada, doğru cevapların sayısı %63 ve gerçek ticarette yaklaşık %20 idi), yine de algoritmanın karlı olduğu ortaya çıktı.
ama çoğu zaman böyle
modelin kendisi kısadır, bu nedenle satın almalar burada açıkça doğruluk ve karlılık ile işaretlenmez
Ve eğer bu tür modeller bir değil de 10 programlanmışsa? ilginç ? ;)
İstatistikler YALNIZCA durağan rastgele süreçler üzerinde çalışan araçlar olarak anlaşılırsa, bu tür istatistikler çalışmaz, çünkü finansal piyasalar, üzerinde sevilen "ortalama", "korelasyon" vb. kavramların boş kelimeler olduğu durağan olmayan süreçlerdir.
Ancak makine öğrenimi genellikle istatistik olarak değil, yapay zeka olarak sınıflandırılır.
Açıklamayı doğru anlarsam, büyük çoğunluk tarafından kullanılan her şey istatistik için uygundur.
Ve yarıştan önce ekleyeceğim:
durağanlık ve piyasalar hakkında yazıyorsunuz, mach. eğitim ve sabit olmayan süreçleri tahmin etmek için genel kabul görmüş araçlar olduğunu biliyorsunuz ve bunların çoğu yok, bunlar "MGUA", gizli Markov modelleri ve tekrarlayan sinir ağları (belki ağ hakkında yanılıyorum, belki sadece VR için)
sinir ağları, tüm şeritlerin ormanları vb. durağan olmayan veriler için TASARLANMAMIŞTIR, ben de dahil olmak üzere neden hepimiz araçları başka amaçlar için kullanıyoruz? Soru)
Bir ağaç için %100 saçmalık!
Tüm tahmin edicileriniz gürültülüyse, böyle bir sonuca ulaşmak çok zordur: hata yine de %3 - %5 olacaktır. Gürültü, tüm çapraz doğrulamalar ve diğer hilelerle her zaman çok yüksek kaliteli sonuçlar verir.
%100'lük bir doğruluk tek şey anlamına gelir: tahmin ediciler arasında hedef değişkenin bir kopyasına sahipsiniz (bazı değişiklikler). Onlar. modeli geleceğe bakıyor.
ALL_cod.RData, TF1 veri kümesi veya buna benzer bir verinizden bir örnek hatırlıyorum, ilk hedef değişkenle orman az sayıda ağaçla bile neredeyse %100 sonuç verdi. Ve ormandaki ağaç sayısını artırarak doğruluk mutlak %100'e ulaştı. Orman, değişkenleri ve ağaçları bunu yapmak için yeterince büyükse, genellikle her bir özel eğitim örneğini hatırlayabilir.
Ancak mytarmailS ile bunun tam tersi, az sayıda parametreye sahip bir orman iyi bir sonuç verir ve ağaçların artmasıyla doğruluk düşer. Çapraz doğrulama kullanmaz, bu yüzden eğitim verilerinin kendisinden bahsedelim. Bu olmaz. Ormanın eğitim verileri üzerindeki doğruluğu, yalnızca değişkenleri ve ağaç parametreleri azaldıkça azalacaktır, bunun tersi de geçerli değildir. Mümkün mü?
Ancak mytarmailS ile bunun tam tersi, az sayıda parametreye sahip bir orman iyi bir sonuç verir ve ağaçların artmasıyla doğruluk düşer.
ağır çan
Ve onun en ucunda
Kelebek uykuda. (Japonca hoku.)
Oditoryumdan bir dalı izliyorum ve anlamıyorum ama buna ihtiyacım var mı?
Bir yanda makine öğrenimi, yapay zeka, sinir ağları. Ana soru, anladığım kadarıyla, emsalleri (kalıplar) ve tahmin edicileri (prognostik parametreler) belirleme ve birleştirme sanatında. Bütün bunlar harika, bir bilgisayara konuşmayı tanımayı, istenmeyen postaları yalıtmayı, daha doğru teşhisler koymayı öğretebilirsiniz. Öte yandan, piyasa öyle bir maddedir ki, buradaki faktörlerin sayısı sonsuzdur ve soru şudur - bunlar ana ve ikincil olanlara ayrılabilir mi?
Birkaç eskiz. 2011 Japonya. Fukuşima. Tsunami, bir nükleer santralde kazaya neden oldu. Bir tsunamiye neden olan şey - kaos teorisine göre bir deprem veya bir kelebeğin kanat çırpması önemli değil. Piyasa üzerindeki etkisini bilmek kadar tahmin etmenin imkansız olması da önemlidir. Öyle görünüyor ki, böyle bir kaza, nüfusun tahliyesi, radyasyon, adayı tıkıyor. Ama hayır. Kaza 11 Mart'ta meydana geldi ve zaten 16 Mart'ta Nikkei endeksi benzeri görülmemiş bir artış gösteriyor. Japonların batan bir gemiden fareler gibi kaçmadığı, tam tersine toparlanmaya yardımcı olmak için sermayeyi anavatanlarına geri döndürmeye başladıkları ortaya çıktı.
Bir yıl önce. Almanya. Wolfsburg. "WV" fabrikası ve şehir, Hitler'in bir Alman halk arabası yaratma emriyle inşa edildi.Burada programcı bir kelebek gibi davranarak dizel motorların zararlı emisyonlarının yokluğunu sadece test tezgah testleri sırasında programladı.Skandal. aşağı. DAX zakolbasil.
Günlerimiz. yine Japonya. Nintendo'nun hisseleri hızla yükseliyor. Kapitalizasyon, örneğin ABD silah ihracatını aşıyor. Peki, "Pocemon Go" gibi bir shnyag'ın bu kadar popüler olacağını kim düşünebilirdi?
Şube, haftalar, aylar ve hatta yıllar boyunca veriler üzerine kurulu sistemleri tartışıyor. Bazı ana kararlı forex sinyali arıyorum. Bu beni şaşırtıyor. Gün boyunca, bir tür kelebek, istatistik, açıklama, piyasayı kuyruk ve yelede "yeniden eğitebilir", bu da yeterli görünmeyecektir. En az bir hafta çalışan istikrarlı bir sistem inşa etmek, çöpte bulunan parçalardan bir Boeing inşa etmek kadar olasıdır.
ağır çan
ALL_cod.RData, TF1 veri kümesi veya buna benzer bir verinizden bir örnek hatırlıyorum, ilk hedef değişkenle orman az sayıda ağaçla bile neredeyse %100 sonuç verdi. Ve ormandaki ağaç sayısını artırarak doğruluk mutlak %100'e ulaştı. Orman, değişkenleri ve ağaçları bunu yapmak için yeterince büyükse, genellikle her bir özel eğitim örneğini hatırlayabilir.
Ancak mytarmailS ile bunun tam tersi, az sayıda parametreye sahip bir orman iyi bir sonuç verir ve ağaçların artmasıyla doğruluk düşer. Çapraz doğrulama kullanmaz, bu yüzden eğitim verilerinin kendisinden bahsedelim. Bu olmaz. Ormanın eğitim verileri üzerindeki doğruluğu, yalnızca değişkenleri ve ağaç parametreleri azaldıkça azalacaktır, bunun tersi de geçerli değildir. Mümkün mü?
Yazının anlamı nedir? anlamadım
ağır çan
Ve onun en ucunda
Kelebek uykuda. (Japonca hoku.)
Oditoryumdan bir dalı izliyorum ve anlamıyorum ama buna ihtiyacım var mı?
Bir yanda makine öğrenimi, yapay zeka, sinir ağları. Ana soru, anladığım kadarıyla, emsalleri (kalıplar) ve tahmin edicileri (prognostik parametreler) belirleme ve birleştirme sanatında. Bütün bunlar harika, bir bilgisayara konuşmayı tanımayı, istenmeyen postaları yalıtmayı, daha doğru teşhisler koymayı öğretebilirsiniz. Öte yandan, piyasa öyle bir maddedir ki, buradaki faktörlerin sayısı sonsuzdur ve soru şudur - bunlar ana ve ikincil olanlara ayrılabilir mi?
Birkaç eskiz. 2011 Japonya. Fukuşima. Tsunami bir nükleer santralde kazaya neden oldu. Bir tsunamiye neden olan şey - kaos teorisine göre bir deprem veya bir kelebeğin kanat çırpması önemli değil. Piyasa üzerindeki etkisini bilmek kadar tahmin etmenin imkansız olması da önemlidir. Öyle görünüyor ki böyle bir kaza, nüfusun tahliyesi, radyasyon, adayı tıkıyor. Ama hayır. Kaza 11 Mart'ta meydana geldi ve zaten 16 Mart'ta Nikkei endeksi benzeri görülmemiş bir artış gösteriyor. Japonların batan bir gemiden fareler gibi kaçmadığı, tam tersine toparlanmaya yardımcı olmak için sermayeyi anavatanlarına geri döndürmeye başladıkları ortaya çıktı.
Bir yıl önce. Almanya. Wolfsburg. "WV" fabrikası ve şehir, Hitler'in bir Alman halk arabası yaratma emriyle inşa edildi.Burada programcı bir kelebek gibi davranarak dizel motorların zararlı emisyonlarının yokluğunu sadece test tezgah testleri sırasında programladı.Skandal. aşağı. DAX zakolbasil.
Günlerimiz. yine Japonya. Nintendo'nun hisseleri hızla yükseliyor. Kapitalizasyon, örneğin ABD silah ihracatını aşıyor. Peki, "Pocemon Go" gibi bir shnyag'ın bu kadar popüler olacağını kim düşünebilirdi?
Şube, haftalar, aylar ve hatta yıllar boyunca veriler üzerine kurulu sistemleri tartışıyor. Bazı ana kararlı forex sinyali arıyorum. Bu beni şaşırtıyor. Gün boyunca, bir tür kelebek, istatistik, açıklama, piyasayı kuyruk ve yelede "yeniden eğitebilir", bu da yeterli görünmeyecektir. En az bir hafta çalışan istikrarlı bir sistem inşa etmek, çöpte bulunan parçalardan bir Boeing inşa etmek kadar olasıdır.
DEĞİL anlayışınız konuyla ilgili temel niteliktedir.
1. Yazdığınız her şey, daha sonra durağan zaman serileri için çalışan ekstrapolasyon tipi tahminler için kesinlikle doğrudur. Finansal serilerin durağan olmadığından bahseden gerçek örnekler veriyorsunuz ve burada kesinlikle haklısınız. Ayrıca durağan olmamanın tek nedeni haber değildir.
2. Burada, bir sonraki çubuğu tahmin ederken önceki durumu dikkate almayan bir sınıflandırmaya dayalı tahminleri tartışıyoruz. Sınıflandırmaya dayalı tahminler (tahminler), kalıba dayalı tahminlerdir. Ve geçmişte, önceki değerlerden TAKİP ETMEYEN değişikliklere yol açan haberler varsa (ekstrapolasyon yapılmamış), o zaman sınıflandırma böyle bir değişikliği yakalayacaktır ve gelecekte benzer bir değişiklik varsa (tam olarak değil). aynı, ancak benzer), o zaman tanınır ve doğru bir tahmin yapılır.
Yani Pokemon'u sınıflandırırken korkutucu değil.