Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 612

 
Yuri Asaulenko :
Denemedi ama başardı.)) Beğenmenize sevindim. Ve daha fazlasını okumalısınız.) Aslında, çok zaman kazanılır - tekerleği yeniden icat etmeye gerek yoktur. her şey bizden önce düşünüldü.

Girdi tahmin edicilerinin görüntülere dönüştürüldüğü ve ağın bunlar üzerinde eğitildiği görülüyor.

burada .

 

İyi bir belge, birkaç ay önce bu bağlantıyı Gotai'de gördüm, ML'nin kendisi hakkında çok fazla şey yok, ancak kullandıkları veriler hakkında, çok değerli bilgiler olan sitelere geniş bir bağlantı koleksiyonu ile gerçekten değerli.

 
Maksim Dmitrievski :

Wiener'e geçtim - ilginç, kahretsin .. bu kitaplar ne zaman bitecek :) aslında o da tahmin yapmaya çalıştı

Ben de bir şekilde, 10 hayatta bile planladığım tüm kitapları okumaya zamanım olmayacağına karar verdim, ama sonra “sarhoş olmak” için fizyolojik bir motivasyon olduğu sürece, olumlu tarafından farklı baktım. ” Bilimsel literatürü okurken, beyin açıkça delilik tehdidi altında değil, ama cidden, cevap SIRALAMA'da, Excel'e girin, önem derecesini ayarlayın, sıralayın (periyodik olarak) ve yukarıdan okumadığınız en üsttekileri okuyun. okuyun ve en önemlisini okuduğunuzu bilerek artık miktar hakkında endişelenmeyin.
 
elibrarius :

Test sitesinde, çoğu gibi, hata %50'nin eşiğinde. Ama en azından Alglib'den on kat daha hızlı sayar. Burada modeli hesaplamak 40-100 dakika sürdüyse, Alglib'de aynı yapı için bir günden fazla bekledim, beklemedim ve hesaplamayı kapattım.
Şimdi bir döngüde modelleri seçmeniz gerekse de, yine çok zaman alacak .... Bu işi de programlamanız gerekiyor.
Genel olarak, MO'da kendinize zaman sınırları koymadığınız için bu uzun bir süredir.

İlginç - işte kazıyorum)

Şaşırmış. Bir saatten fazla sayan bu model nedir?

En fazla 1-2 dakika olmalıdır.

 

Abiler 1-2 dakikalık optimizasyonda Forex gibi karmaşık bir piyasa ile alakalı olacak bir modele nasıl sahip olmak istersiniz????

Bana göre bu mantıklı bir saçmalık. Sonuçta, bir model oluşturmak, maliyete çevrilebilecek bilgi işlem kaynaklarını etkiler. Her modelin, harcanan kesintiler şeklinde kendi maliyetinin olduğu bilinmektedir. oluşturmak için kaynaklar. Ve şimdi soru. Bir kuruşa mal olan modellerden para kazanmak ister misiniz??? Eh, muhtemelen bir kuruş kazanacaksınız, ama artık değil .... IMHO

 

link yukarıdaydı

toksik :

http://www.valuesimplex.com/articles/JPM.pdf

İşte yazarı çok saygın bir banka olan bu kitaptan bir resim:



Neden benim dışımda kimse burada model Kararsızlığı olarak listelenenleri tartışmıyor?

 
San Sanych Fomenko :

link yukarıdaydı

toksik :

http://www.valuesimplex.com/articles/JPM.pdf

İşte yazarı çok saygın bir banka olan bu kitaptan bir resim:



Neden benim dışımda kimse burada model Kararsızlığı olarak listelenenleri tartışmıyor?

Ve o ne?
 
Michael Marchukajtes :

Abiler 1-2 dakikalık optimizasyonda Forex gibi karmaşık bir piyasa ile alakalı olacak bir modele nasıl sahip olmak istersiniz????

Bana göre bu mantıklı bir saçmalık. Sonuçta, bir model oluşturmak, maliyete çevrilebilecek bilgi işlem kaynaklarını etkiler. Her modelin, harcanan kesintiler şeklinde kendi maliyetinin olduğu bilinmektedir. oluşturmak için kaynaklar. Ve şimdi soru. Bir kuruşa mal olan modellerden para kazanmak ister misiniz??? Eh, muhtemelen bir kuruş kazanacaksınız, ama artık değil .... IMHO

Hayır. Konuşma, anladığım kadarıyla, optimizasyonla değil, eğitim süresiyle ilgiliydi. Optimizasyon elbette 20-30 dakika.
 
San Sanych Fomenko :

Ticaret için, model optimizasyonu (TS) fikri son derece şüpheli görünüyor, çünkü herhangi bir optimizasyon zirveleri / çukurları arıyor ve onlara ihtiyacımız yok. İdeal olarak, mümkün olduğu kadar geniş düz platolar istiyoruz. Bu platoların dikkate değer bir özelliği olmalıdır: modelin parametrelerini değiştirmek platodan ayrılmaya yol açmamalıdır.

Optimizasyonla ilgili.

Aslında, burada, eğer değişirlerse, oldukça dar (% 5) bir güven aralığı içinde olan model parametrelerinin kararlılığı sorununu da eklemeliyiz. Bana öyle geliyor ki, model parametrelerinin kararlılığı, performansının belirli bir platoda olmasına yol açıyor ve modeli test ederken aniden çok iyi bir sonuç alırsak, o zaman bu, minimaks noktasına atladığımız anlamına gelir, pratikte bir daha asla buluşmayacak olan kararsız bir duruma sahibiz, ayrıca bu optimal noktanın etrafında bir mola yeri bulunacak.

not.

Bu arada, test cihazında geliştiriciler, renge göre bir plato aramak için böyle bir fırsat sağladı. Şahsen, test cihazını bir bitirme aracı olarak kullanıyorum ve aynı renkteki karelerin etrafında döndüğü kareye atıfta bulunan parametreleri alıyorum. Bu benim "plato" kavramımın görsel bir ifadesidir.

Piyasadan Expert Advisors'da, alım satım için iyi olan parametrelerin optimizasyon işlevinde bir plato oluşturduğunu da sık sık gördüm. Parametreler, örneğin MA veya RSI veya bazı katsayılar içeriyorsa, parametreyi az miktarda değiştirmek nihai sonucu etkilemedi.

Ama orada mantıklı, orada parametrelerin çoğu göstergeyi hesaplamak için formülde kullanılıyor, bu nedenle küçük bir değişiklik sonucu biraz etkileyecek ve yine aynı fiyatlarla hesaplanacak.

Makine öğreniminde ise tam tersine, parametreler tüm eğitim sürecini çığ gibi etkileyebilir ve küçük bir değişiklik bile tamamen farklı bir sonuca yol açar. Örneğin, gizli katmandaki nöronların sayısı - arttıkça, kullanılan ağırlıkların sayısı da artacaktır ve gpsch kullanarak ağırlık başlatma işlevi, değerlerini biraz farklı bir sırayla ayarlayacaktır, bu da farklı bir sonuca yol açacaktır. sonuç.
Bazı parametreleri değiştirmek de optimizasyon fonksiyonunda bir plato çizecektir, her parametre için sorunsuz veya stokastik olarak çalışabilirsiniz, bu modelin nihai tahminini etkiler ve parametreleri sorunsuz bir şekilde etkilemek için ek olarak türevlere dayalı bir optimize edici kullanın (optim(method=" L-BFGS- B") ve R'de optimize())

 
San Sanych Fomenko :

link yukarıdaydı

toksik :

http://www.valuesimplex.com/articles/JPM.pdf

İşte yazarı çok saygın bir banka olan bu kitaptan bir resim:



Neden benim dışımda kimse burada model Kararsızlığı olarak listelenenleri tartışmıyor?

Eğitim verilerindeki hatadan ve tahmindeki hatadan bahsediyoruz. Resmin özü, hatayı en aza indirirken, yeniden eğitimin gerçekleşmesidir ve modeli oluşturmanın ve ayarlamanın tüm amacı, bu hatayı yeni veriler üzerinde en uygun değere indirmektir (yeniden eğitimden kaçınmak için).

İyi illüstrasyon.