Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 468
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
Kaç kez ikna oldum ve her şey aynı, her şey her zaman dille hızlı bir şekilde yapılır.
Müşterilerime her zaman hızlı danışmanların olmadığını, özenli bir iş olduğunu söylerim:
1 TS'yi resmileştirmek ve bir görev tanımı hazırlamak gereklidir
2 makine tarafından anlaşılabilir koda çevirin
3 mantığın yürütülmesindeki hataları kontrol edin
4 ticaret yürütme hatalarını kontrol edin
5 tanımlanan mantık ve yürütme hatalarına göre ek değişiklikler yapın
Test cihazında ve gerçek veriler üzerinde 6 test
7 Danışmanı gerçek hayatta çalışması gereken işlevlerle desteklemek için
vb. vb.
programcının işlevi sadece (2,5) sizin teknik görevinizi makinenin diline çevirmek ve yaptığı işin sizin teknik görevinize uymadığını görürseniz hataları düzeltin programcının işi biter, danışmanınız ona göre çalışır referans şartlarınıza.
diğer her şey danışmanınızı oluşturmak, test etmek ve iyileştirmek (modernize etmek) sizin işiniz.
Samimi olarak.
Not Normal bir kârlı Uzman Danışman oluşturmanız yarım yıla kadar, hatta gerçekten ihtiyacınız varsa daha fazla sürebilir.
Aslında, sadece güvenilir bir açıcıya ve daha yakına ihtiyacınız var, bunu yapmak gerçekten yarım yılınızı alacak mı ????? O zaman bize uygun değilsin...
Gerçek hayatta kırmızı p olacak ...)))
üzgünüm öğretmenim
Ama bu tartışılır... Sihirbaz. Çünkü gerçekte girdi verisi yoktur ve aslında bu polinom katsayılarının kendi işidir ..... Ve girdi verilerinin varlığı, bence, sadece eşitliği artıracaktır. Eh, bu çok .... IMHO !!!!
Aslında, sadece güvenilir bir açıcıya ve daha yakına ihtiyacınız var, bunu yapmak gerçekten yarım yılınızı alacak mı ????? O zaman bize uygun değilsin...
Samimi olarak.
14 yıldır bu saçmalığı yazıyor)))
Samimi olarak.
Aptallar, her şey zaten yapıldı, sadece sunucu hata işlemeli güvenilir bir açıcıya ihtiyacım var ..... Vay be.... :-)
Aptallar, bu zaten uzun zamandır yapılıyor, sadece sunucu hata işleme özelliğine sahip güvenilir bir açıcıya ihtiyacım var..... Vay be.... :-)
Samimi olarak.
Not 2 saatlik uygulama süresini belirtmeyi unutmayın, oradaki çalışmanıza göre 5 dakika yani programcı sol ayağının başparmağıyla yazarsa yazmaya vakti olur.
Makaledeki tahminlerle bunları karşılaştırırsanız, tahmin edilen trendlerin her iki modelde de mükemmel bir şekilde eşleştiğini ancak makaledeki modelin keskin sıçramaları çok daha iyi yakaladığını görebilirsiniz. Ve arima - fiyat artışlarıyla, ne kadar şanslı ve bu "kötü şans" en büyük dezavantajlara neden olacak. Ayrıca modelin özelliklerinde mevsimsellik kullanılmadığını görebilirsiniz. Şimdiye kadar makale kazanıyor :(
Ar,i,ma katsayıları için arama limitlerini doğru bir şekilde belirlemek ve modelin mevsimsel parametreleri aramasını sağlamak için hâlâ Arimov'un pek çok sezgisine ihtiyaç var.
ARCH'in geri kalanını analiz etmeden arimayı tartışmak tamamen boştur. Arima ile modellendikten sonra durağan bir kalanı olan seriler vardır. Ancak tahmin hatasını durağan olduğu varsayımıyla tartışmak ciddi değildir. Bu son derece moda tutkununun geri kalanı.
Arima örneğinde biraz daha ince ayar yapıldı https://www.mql5.com/ru/forum/86386/page467#comment_5649703
Veri periyodu 1 olarak tanımlandığı için mevsimsellik işe yaramadı ve bu nedenle auto.arima mevsimselliği kendi kendine kapattı. Makalede olduğu gibi kodda (TF H12'de bir gün) 48'lik bir süre belirledim.
Periyodu otomatik olarak belirlemek için tahmin paketindeki findfrequency() işlevini de kullanabilirsiniz, bu veriler için işlev 24 döndürür.
Bu şekilde daha iyi çıktı, model değerlerde keskin sıçramalar yapıyor ve değer artışlarını çok daha iyi tahmin ediyor.
arima treni r^2: 0.516988
arima testi r^2: 0.5346457
arima testi farkı r^2: 0.8407468
arima testi fark doğruluğu: 0.8288288
Ancak bu ideal olmaktan uzak, makalede tahminler çok daha doğru. Bunun nedeni, verilerin birkaç geçerli döneme sahip olması (24, 48, 336 - yarım gün, bir gün, bir hafta) ve Arima'nın mevsimsellik ile bile aynı anda üç döneme düşememesi gibi görünüyor.
Birkaç mevsimsellik ile R Arima'da antrenman yapmanın mümkün olup olmadığını araştırdım, öyle değil gibi görünüyor, bu yüzden daha iyi tahmin etmek mümkün olmayacak. Şimdi makalenin neden bu kadar zorlandığı açık, yazar her modelde değerlerdeki farklı dalgalanma dönemlerini yakalamaya çalışıyor.
LLC Ve işte sevgili Büyücümüz!!!! Pekala, ellerim kaka dolu???? İşte onlardan ayrılmanız için bir sebep...
Reshetov optimizer'ın yeniden eğitilip eğitilmediği sorusuna. Bu ekranı dün Forex gruplarından birinde yayınladım..... Mavi, optimizasyon dönemini, yeşil vadeli işlem sözleşmelerini gösterir. Ancak veri gönderme imkanı yok ve yılın başından beri iyi çalıştığı ortaya çıktı .... Ve yeniden eğitildiğini söylüyorsunuz, sadece öğretebilmeniz gerekiyor ....
Peki, şimdi yeniden eğitim hakkında ne söyleyeceksiniz????
Piyasada, herhangi bir sınıflandırıcı, piyasa durağan olmadığı için yeniden eğitilir. Bunun yeniden eğitilmemesini istiyorsak, o zaman Millet Meclisi'ni tüm tarih için eğitmemiz gerekir. Aksi halde hep öyle olacaktır ki piyasa döngüsü değişmiş ve model bozulmuştur. Bu nedenle, tek yetkili yaklaşım, ticaret sürecinde yeniden eğitim veya ek eğitimdir :) burada, 15 yıllık bir geçmişe müdahale olmaksızın istikrarlı bir ayda% 1000 verecek olan grails'e inanmıyoruz.
Genel olarak, hala bu avantajı görmüyorum - Forex'te yeniden eğitilmiş bir NN ne anlama geliyor? Bu, test örneğinde kazanmadığı zaman mı? hayır ... hayır hayır hayır ... mesele durağan olmamaktır. Yeniden eğitilmiş olması normaldir, ek olarak başka yaklaşımlar aramanız yeterlidir.
Arima örneğinde biraz daha ince ayar yapıldı https://www.mql5.com/ru/forum/86386/page467#comment_5649703
Veri periyodu 1 olarak tanımlandığı için mevsimsellik işe yaramadı ve bu nedenle auto.arima mevsimselliği kendi kendine kapattı. Makalede olduğu gibi kodda (TF H12'de bir gün) 48'lik bir süre belirledim.
Periyodu otomatik olarak belirlemek için tahmin paketindeki findfrequency() işlevini de kullanabilirsiniz, bu veriler için işlev 24 döndürür.
Bu şekilde daha iyi çıktı, model değerlerde keskin sıçramalar yapıyor ve değer artışlarını çok daha iyi tahmin ediyor.
arima treni r^2: 0.516988
arima testi r^2: 0.5346457
arima testi farkı r^2: 0.8407468
arima testi fark doğruluğu: 0.8288288
Ancak bu ideal olmaktan uzak, makalede tahminler çok daha doğru. Bunun nedeni, verilerin birkaç geçerli döneme sahip olması (24, 48, 336 - yarım gün, bir gün, bir hafta) ve Arima'nın mevsimsellik ile bile aynı anda üç döneme düşememesi gibi görünüyor.
Birkaç mevsimsellik ile R Arima'da antrenman yapmanın mümkün olup olmadığını araştırdım, öyle değil gibi görünüyor, bu yüzden daha iyi tahmin etmek mümkün olmayacak. Şimdi makalenin neden bu kadar zorlandığı açık, yazar her modelde değerlerdeki farklı dalgalanma dönemlerini yakalamaya çalışıyor.
Uygunluk raporunun kendisini parametrelerle birlikte gönderebilir misiniz?