Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 544
![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
monitörünüzün renkleri karıştırdığı bir seçenek var, bazen yanlış kalibrasyon nedeniyle ayırt edilmesi zor
ne inşa ettiler? eğer bir sır değilseböyle bir seçenek yok
arbitraj tablosundaki poundun yanlış renk olduğunu sana nasıl söylediğimi hatırla
inşa ettiği şey bir sır
böyle bir seçenek yok
arbitraj tablosundaki poundun yanlış renk olduğunu sana nasıl söylediğimi hatırla
inşa ettiği şey bir sır
tüm renklere sahibim
Piyasayla ilgili değil, ancak etkili model oluşturmaya yönelik genel yaklaşım hakkında çok faydalı (her aşamada bir şeyler ters gidebilir ve bunu anlamayacağız bile):
Denetimsiz öğrenme (kümeleme) ve RL ( pekiştirmeli öğrenme ). Optimize edilmiş parametreleri azaltma girişimlerinde. Kümelemenin nasıl uygulanabileceğini düşünen var mı? ikincisi daha zor, özel paketlere ihtiyacınız var
örnek: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Denetimsiz öğrenme (kümeleme) ve RL (pekiştirmeli öğrenme). Optimize edilmiş parametreleri azaltma girişimlerinde. Kümelemenin nasıl uygulanabileceğini düşünen var mı? ikincisi daha zor, özel paketlere ihtiyacınız var
örnek: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Takviyeli öğrenme hakkında düşünmeye başladım. Bana öyle geliyor ki, takaslar için gerekli olan şey bu.
Ben de paralel olarak Python'da ustalaşıyorum .. R çıldırıyor. O_o'dan Kohonen katmanı hakkında eski bir makale vardı, oradaki profesyoneller hakkında bir şeyler yazdı ve bu yüzden özellikle örnekler ve geliştirmeler olmadan
https://www.mql5.com/ru/articles/1562
Ben de paralel olarak Python'da ustalaşıyorum .. R çıldırıyor. O_o'dan Kohonen katmanı hakkında eski bir makale vardı, oradaki profesyoneller hakkında bir şeyler yazdı ve bu yüzden özellikle örnekler ve geliştirmeler olmadan
https://www.mql5.com/ru/articles/1562
Genel olarak, sizi havuzuma katkıda bulunan biri olarak ekleyebilirsiniz, her şeyin benim için nasıl çalıştığının şemasını açıklayacağım.
qt ve opennn'nin artıları üzerine yazdım, dürüst olmak gerekirse, orada mlp'den (opennn) daha uzun süredir hiçbir şey geliştirilmedi.
Genel olarak, sizi havuzuma katkıda bulunan biri olarak ekleyebilirsiniz, her şeyin benim için nasıl çalıştığının şemasını açıklayacağım.
Korkarım önce biraz alışmam gerek, henüz o kadar programcı değilim :) mb seneye sonra
Denetimsiz öğrenme (kümeleme) ve RL (pekiştirmeli öğrenme). Optimize edilmiş parametreleri azaltma girişimlerinde. Kümelemenin nasıl uygulanabileceğini düşünen var mı? ikincisi daha zor, özel paketlere ihtiyacınız var
örnek: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Ben de aklımda tutuyorum. Sadece eller hiçbir şekilde uzanmayacak.
Kümeleme de ilginç bir yöntemdir. Modeli eğitmeden önce uygulanması gerektiğini düşünüyorum, çünkü bu şekilde çok az sayıda ve hiç ilişkili olmayan parametre elimine edilir.
Ben de aklımda tutuyorum. Sadece eller hiçbir şekilde uzanmayacak.
özellikle çok boyutlu kümeleme kullanıyorsanız, özelliklere sahip vektörleri ve gecikmeli vektörleri, örneğin artışlarla .. gruplara bölmeyi deneyebilirsiniz - özelliklerin hangi özellikleri gelecekte hangi artışlara karşılık gelir
ve ardından NN'yi eğitmek için bu sete bakın, örneğin .. yani. veri madenciliği türü
evet, eğitimden hemen önce .. peki ya da araç için ayrı bir özellik olarak