Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 540
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
LSTM nöronunun benim için anlaşılır bir açıklamasına rastladım, test etmek için küçük bir kod yazdım. Makale - http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Kodda 100 bar eurusd m5 alınır, barlarla kazançlar hesaplanır, lstm nöronu bilinen son kazancı temel alarak bir sonraki kazancı tahmin etmek için eğitilir.
Eğitim, karmaşık analitik denklemler olmadan yapıldı, nöron ağırlıkları ayrık lbfgs optimizasyonuna göre ayarlandı, daha kötü, ancak basit bir test için uygun.
Tahmin puanı (R2) sıfırın biraz üzerinde çıktı, bu çok düşük ama yine de rastgele tahminden daha iyi. Lstm nöronunun bazı göstergeler veya bir dizi kazanç almadığı, ancak bir sonrakini tahmin ettiği tek bir değer aldığı ve bunun her çubuk için tekrarlandığı ve genel olarak her şeyin çok basit olduğu göz önüne alındığında - sonuç daha iyi çıktı. Tahmin etmiştim. Ancak binlerce çubuk alırsak, R2 tahmini < 0 olur ve bu kötüdür. Ve görünüşe göre Forex'te yeni verilerde, böyle bir modelin sonucu daha da kötüleşiyor, çapraz doğrulamalı bir tür bisiklet icat etmeniz gerekiyor, şimdi olduğu gibi basit bir biçimde kar olmayacak.
Şimdi bir şekilde bu nöronlardan bir ağ oluşturmanız gerekiyor, ancak bu makalede değildi, daha fazla anlamadım.
Resme bakılırsa, önceki çubuğu tahmin ediyor. Yoksa bir şey anlamadım?
lstm ağı, Arima'dan daha kötü mevsimsel döngüleri bile tahmin ediyor, ancak öğrenmesi çok daha uzun sürüyor.. Bu ağların en azından bir şey için uygunluğunu henüz fark etmedim :)
arkadaşım hepsini yaktı, keras okudu, mevsimsel kârla işte basit bir sıra aldı, ağı neredeyse bir gün eğitti .. ve sonra uzun süre lanet etti
not. Ayrıca, modelin yakınsaması 20-40 çağda durdurulabilir, yani eğitim süresi yine de azaltılabilir.
Uzun süredir güncellenmedi, bu yüzden kod orada eski, ancak tahmini toplama, işleme ve kaydetme ilkesi ve ayrıca tekrarlayan ağ modellerinin örnekleri var.
lstm ağı, Arima'dan daha kötü mevsimsel döngüleri bile tahmin ediyor, ancak öğrenmesi çok daha uzun sürüyor.. Bu ağların en azından bir şey için uygunluğunu henüz fark etmedim :)
arkadaşım hepsini yaktı, keras okudu, mevsimsel kârla işte basit bir sıra aldı, ağı neredeyse bir gün eğitti .. ve sonra uzun süre lanet etti
LSTM'ler hakkındaki makalelere bakılırsa, zaman serilerini diğer tüm modellerden daha iyi şekilde oldukça doğru bir şekilde tanımlayabilirler, örneğin dijital bir ses sinyalini (ses, müzik) yeniden üretmeyi bile öğrenebilirler ve bir orman veya sıradan nöronlar için bu, imkansız görev.
Çok sayıda nöronla, böyle bir ağın büyüme tablosunu oldukça doğru bir şekilde tanımlayacağını düşünüyorum, ancak aynı zamanda fazla takma olasılığı da var - model yeni çubuklarda işe yaramaz hale gelebilir.
Resme bakılırsa, önceki çubuğu tahmin ediyor. Yoksa bir şey anlamadım?
İlk nöron bir öncekine dayanarak bir sonraki değeri tahmin eder ve bu durumda o kadar güçlü bir şekilde güvenir ki gözle bile görülebilir. Bir nöron değil, tüm ağlarını kullanırsanız, bu sorun ortadan kalkacaktır.
İlgilenenler için github üzerinde bir proje içeren bir depo tutuyorum.
Uzun süredir güncellenmedi, bu yüzden kod orada eski, ancak tahmini toplama, işleme ve kaydetme ilkesi ve ayrıca tekrarlayan ağ modellerinin örnekleri var.
LSTM'ler hakkındaki makalelere bakılırsa, zaman serilerini diğer tüm modellerden daha iyi şekilde oldukça doğru bir şekilde tanımlayabilirler, örneğin dijital bir ses sinyalini (ses, müzik) yeniden üretmeyi bile öğrenebilirler ve bir orman veya sıradan nöronlar için bu, imkansız görev.
Çok sayıda nöronla, böyle bir ağın büyüme tablosunu oldukça doğru bir şekilde tanımlayacağını düşünüyorum , ancak aynı zamanda fazla takma olasılığı da var - model yeni çubuklarda işe yaramaz hale gelebilir.
o da öyle düşündü, makalelere bakılırsa
cpp'de lineer regresyonlu normal kimse yok mu? özellik önemini kontrol edebilmek için.. veya diskriminant analizi.. veya iskele.. taşınabilir bir şey :) alglib çok basit
tabii ki daha iyi regresyon + ormanlar
alglib çok kolay
ve basit kötüdür ve karmaşık kötüdür...
Kötü bir dansçı gibi müdahale etmesi gereken bir kaç öğrencimden birisin.
Tüm bu ML ve programlama hakkında birçok kez bu şakanın gerçek ticaretle ilgisi olmadığı konusunda uyarmama rağmen, insanlar genellikle ticarette kontrendike olan her şeye ek olarak ürkek, kalpsiz ve fakirdir (gelişmiş ülkelerde yasamada Düzey), formüllerin ve kodların arkasına saklanmaya, savurganlık yapmaya çalışırlar, o zaman Piyasa kimin kim olduğunu çözdüğünde ve Piyasa asla aldatmaz ve aldatılamaz, çok geç olacaktır, on yıllık ücretli emeğin birikimi buharlaşacaktır. , işe alınmayacaklar ve sonuçta evsiz cam kapları istemeniz veya toplamanız gerekecek.
ve basit kötüdür ve karmaşık kötüdür...
Kötü bir dansçı gibi müdahale etmesi gereken bir kaç öğrencimden birisin.
Tüm bu ML ve programlama hakkında birçok kez bu şakanın gerçek ticaretle ilgisi olmadığı konusunda uyarmama rağmen, insanlar genellikle ticarette kontrendike olan her şeye ek olarak ürkek, kalpsiz ve fakirdir (gelişmiş ülkelerde yasamada Düzey), formüllerin ve kodların arkasına saklanmaya, savurganlık yapmaya çalışırlar, o zaman Piyasa kimin kim olduğunu çözdüğünde ve Piyasa asla aldatmaz ve aldatılamaz, çok geç olacaktır, on yıllık ücretli emeğin birikimi buharlaşacaktır. , işe alınmayacaklar ve sonuçta evsiz cam kapları istemeniz veya toplamanız gerekecek.
5 kere hayır diyen saplantılı bir bang gibisin ama yine de vkontakte ve sms noktalarında sana yazıyor
cpp'de lineer regresyonlu normal kimse yok mu? özellik önemini kontrol edebilmek için.. veya diskriminant analizi.. veya iskele.. taşınabilir bir şey :) alglib çok basit
tabii ki daha iyi regresyon + ormanlar
https://github.com/Microsoft/CNTK - Çok Amaçlı Araç. çalışmadım. dll kullanmak için bir seçenek olarak.
https://github.com/BVLC/caffe - Ayrıca bir dll seçeneği için yeterince güçlü.
ve basit kötüdür ve karmaşık kötüdür...
Kötü bir dansçı gibi müdahale edecek bir şeyi olan birkaç öğrencimden birisin.
Tüm bu ML ve programlama hakkında birçok kez bu şakanın gerçek ticaretle ilgisi olmadığı konusunda uyarmama rağmen, insanlar genellikle ticarette kontrendike olan her şeye ek olarak ürkek, kalpsiz ve fakirdir (gelişmiş ülkelerde yasamada Düzey), formüllerin ve kodların arkasına saklanmaya, savurganlık yapmaya çalışırlar, o zaman Piyasa kimin kim olduğunu çözdüğünde ve Piyasa asla aldatmaz ve aldatılamaz, çok geç olacaktır, on yıllık ücretli emeğin birikimi buharlaşacaktır. , geri işe alınmayacaklar ve sonuçta evsiz cam kapları istemeniz veya toplamanız gerekecek.
Hocam saçmalamayı bırakın. Yoksa bir spam ve sel öğretmeni misiniz?