Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 111
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
5 yıldır hala piyasayı dakikalar içinde frenlemeye mi çalışıyorsunuz?????? Bu 71 gözlem, eğer varsa 5 dakikada iki haftalık ticaret ...... Ve sadece satın alma . Öyleyse devam edin ..... Yoksa uçup gittiniz mi ???
Bu ölçümün işe yaramaz olduğunu zaten söyledim.
Veriler rastgele olarak yaklaşık olarak eşit 2 parçaya bölünür, ardından model sadece ilk kısımda eğitilir ve her ikisinde de aynı anda test edilir. ~%75'lik bir genelleme yeteneği, modelin sonunda dosyadaki tüm örneklerin %75'ini doğru şekilde tahmin ettiği anlamına gelir.
Modelin %75'e nasıl ulaşabileceğine dair birkaç seçenek var:
1) Model, eğitim için kullanılan veriler üzerinde %100 doğrulukla eğitildi ve dosyanın %50'sini aldığı ikinci bölümden gelen yeni verilerle başa çıkmadı (yazı tura atmakla aynı). Ortalama sadece %75 olacaktır. Bu çok kötü bir senaryo ve ticarette her şey kötü olacak.
2) Model, eğitim verilerinde %75 doğrulukla eğitildi ve yine ortalama olarak %75 olan test verilerinde aynı %75'i gösterdi. Bu durumda, bu en iyi senaryo, bir şeyler kazanma şansı var.
3) Bu ikisi arasında herhangi bir ara seçenek.
Seçeneğiniz büyük olasılıkla birincisine daha yakın. Böyle bir sonuçla ticaret yapmak için şansa çok güvenmeniz gerekiyor, sadece ana sinyaliniz (sıralı veya her neyse) olarak hizmet eden gösterge sayesinde depozitonuzu henüz kaybetmediğinize inanıyorum. Bu gösterge üzerinde henüz yapılmış bir danışmanın, gösterge + jPrediction'dan daha kötü bir sonuç vermeyeceğinden şüpheleniyorum.
çitler atıyor ... bir tür yazar
Neyi anlamıyorsun? Yoksa senin anlayışının ötesinde mi????
Size genel yeteneği nasıl ölçtüğünüzü soruyorum ve bana tarihin yıllarını ve diğer bazı saçmalıkları anlatıyorsunuz ...
Aynı deneyi simüle etmek için bunu bilmeniz gerekiyor, ben bir şekilde kendimdeki genel yeteneği ölçemiyorum, sizi başka bir şekilde ölçemiyorum ama bu yeteneği nasıl ölçeceğiniz hakkında hiçbir fikriniz yok, tek yapabileceğiniz bakmak içindeki sayılarda jPrediction , nereden ve nasıl geldikleri hakkında en ufak bir fikri olmadan ve bu nedenle size belirli sorular sormaya başladıklarında, yılların geçmişi hakkında saçma sapan konuşmaya başlıyorsunuz, o yüzden bırakın ... lütfen ...
Size genel yeteneği nasıl ölçtüğünüzü soruyorum ve bana tarihin yıllarını ve diğer bazı saçmalıkları anlatıyorsunuz ...
Aynı deneyi simüle etmek için bunu bilmeniz gerekiyor, ben bir şekilde kendimdeki genel yeteneği ölçemiyorum, sizi başka bir şekilde ölçemiyorum ama bu yeteneği nasıl ölçeceğiniz hakkında hiçbir fikriniz yok, tek yapabileceğiniz bakmak içindeki sayılarda jPrediction , nereden ve nasıl geldikleri hakkında en ufak bir fikri olmadan ve bu nedenle size belirli sorular sormaya başladıklarında, yılların geçmişi hakkında saçma sapan konuşmaya başlıyorsunuz, o yüzden bırakın ... lütfen ...
Hesaplamanın yalnızca test verilerine dayandığını düşünüyorum
Eğer öyleyse, sevindim, çok daha iyi.
Her durumda, ön test sonucu çok daha iyi gösterir. Dosyanızı 2 parçaya böldüm (karıştırmadan, sadece sırayla), ilk bölümde 50 satır, ikinci 19'da ise jPrediction'ın ikinci dosyadan örneklere erişimi yok ve bu gerçekten yeni olacak. Model için veriler.
Sonuç olarak ikinci dosyada JPrediction sadece 9 vakada cevap verdi. 5 durumda doğru, 4'te yanlış. Doğruluk %50 civarında, bu sonuçta iyi bir şey yok.
Eğer öyleyse, sevindim, çok daha iyi.
Her durumda, ön test sonucu çok daha iyi gösterir. Dosyanızı 2 parçaya böldüm (karıştırmadan, sadece sırayla), ilk bölümde 50 satır, ikinci 19'da ise jPrediction'ın ikinci dosyadan örneklere erişimi yok ve bu gerçekten yeni olacak Model için veriler.
Sonuç olarak ikinci dosyada JPrediction sadece 9 vakada cevap verdi. 5 durumda doğru, 4'te yanlış. Doğruluk %50 civarında, bu sonuçta iyi bir şey yok.
Eğer öyleyse, sevindim, çok daha iyi.
Her durumda, ön test sonucu çok daha iyi gösterir. Dosyanızı 2 parçaya böldüm (karıştırmadan, sadece sırayla), ilk bölümde 50 satır, ikinci 19'da ise jPrediction'ın ikinci dosyadan örneklere erişimi yok ve bu gerçekten yeni olacak Model için veriler.
Sonuç olarak ikinci dosyada JPrediction sadece 9 vakada cevap verdi. 5 durumda doğru, 4'te yanlış. Doğruluk %50 civarında, bu sonuçta iyi bir şey yok.
19, 50, kim daha fazla. En az yüzlerce satır içeren bir veri kümesi veritabanından herhangi bir örnek alın.
Benim için bu yazılım uygun değil, çünkü sadece kendim parametreleri seçmeyi ve verileri bölmeyi tercih ederim. Ama giriş seviyesi olarak ilginç olacağını düşünüyorum.
Reshetov!
Teklifim hala geçerli.
Merhaba Yuri!
Sıralı arama hakkında sorular var)) ...
Diyelim ki 10 tahmincimiz var
1, 2, 3 , 4, 5, 6 , 7, 8, 9, 10
yeşil yordayıcı grubu, en iyi genelleme yeteneğini gösteren gruptur, bu gruba diğer N + 1 yordayıcıları eklenecektir.
kırmızı grup, bu kendini yeşil olandan biraz daha kötü gösteren grup ve ( kırmızı ) baskınlara katılmayacak, tüm aramalar zaten yeşil gruba bağlı
Soru: Ya diğer tahmin edicilerle tek tek yapılan tüm aramalardan sonra, sonunda kırmızı grubun daha genelleme yeteneğine sahip olduğu ortaya çıkarsa, aynı şey oldukça gerçek mi, yoksa bir şeyi yanlış mı anladım ???? açıklığa kavuştur lütfen
Verilere ve algoritmalara bakmadan net bir cevap almak istiyorsanız SanSanych Fomenko ile iletişime geçmeniz en doğrusu olacaktır. Yüzünde akıllı bir yüzle, belirsizliği ne olursa olsun, herhangi bir konuda öğretici bir şekilde "doğru ve değerli" talimatlar verecektir.
Ve daha doğru bir cevap almak istiyorsanız, A / B testi yapın, yani. bir durumda kırmızı ve siyahı yeşile, ikincisinde ise yalnızca siyahı eklemeyi deneyin. Hangi varyantta, deneyin sonuçlarına göre en iyi genelleme yeteneğini elde edersiniz, bu sizin göreviniz için en doğru olanıdır.
Sonuç olarak, deneyimin sonuçları her zaman gerçeğin kriteridir.
Örneğin, bugün jPrediction için veri merkezlemeyi test ettim. Sonuçlar, farklı örneklerde ya hayal kırıklığı yarattı ya da marjinal olarak daha iyiydi. Geri yayılımlı bir ağ için olsa da, merkezleme gözle görülür bir gelişme sağlar. Doğrusal normalleştirmeyi bırakmak zorunda kaldım.
Ve A / B testi yapmasaydım, ancak deneyim yerine, bir kitaptan veya makine öğrenimi üzerine bir dersten “hazır bilgi” aldıysam veya her şeyi bilen bir soru sorsam, bir cevap alırdım. bu merkezlemenin sözde "doğrusal normalleştirmeden daha iyi" olduğu. Her ne kadar deneyimler bunun tüm algoritmalar için açık bir şekilde doğru olmadığını gösterse de.
İşte bazı turtalar.