Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 626
![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
neden hayır, bol ağaçla çekilmiş.. 10'da normal cevaplar verdi (kaç tane koyduğumu hatırlamıyorum)
500 çok fazla, herhangi bir veri seti için yeterli
o zaman neden kesirli sayılarda bu tür hatalar vardı? .. garip, makinenin tam olarak öğrenebileceğini ummuştum.. Görünüşe göre, kalıplar söz konusu olduğunda (Forex'te) görünümlerinin açık olmaktan uzak olduğu (çarpım tablosunda olduğu gibi), iyi vakaların %60'ında adil tahminler alırsanız.
r parametresi düşük olduğu için hatalar oluştu yani örneklerin sadece yarısı eğitim için kullanıldı ve bu yarısı ağaçların yarısına eğitildi :) ve orada az örnek var
bu tam olarak r ~ 1 koymak gerekir. Sözde-düzenleme ve torba dışı numuneler üzerindeki testler için kullanılır
sadece bu mekanizmayı yapılandırabilmeniz gerekiyor, orman durumunda sadece 2 ayar elde ediliyor
ayrıca NS'nin (RF) bir kurkülatör olmadığını, ancak f-th'e yaklaştığını (yaklaşık olarak) ve birçok problem için çok yüksek doğruluğun iyiden daha kötü olduğunu anlamanız gerekir.
Ağdaki gerilemenin/tahminin, tarihteki benzer siteler/kalıplar (3 ay önce yapıldı) aramasıyla yaklaşık olarak aynı şeyi vereceğinden korkuyorum:
r parametresi düşük olduğu için hatalar oluştu yani örneklerin sadece yarısı eğitim için kullanıldı ve bu yarısı ağaçların yarısına eğitildi :) ve orada çok az örnek var
bu tam olarak r ~ 1 koymak gerekir. Sözde-düzenleme ve torba dışı numuneler üzerindeki testler için kullanılır
sadece bu mekanizmayı yapılandırabilmeniz gerekiyor, orman durumunda sadece 2 ayar elde ediliyor
yani, r 1'e ayarlanırsa, tüm örnekler üzerinde eğitilecektir. Prensip olarak, ihtiyaç duyulan şey budur, aksi halde örnekleri toplamak ve göstermek neden gerekliydi. ve işte ileriye dönük bir kontrol olduğu konusunda daha fazla olacak.
her neyse, hiç değil, tüm işaretler kullanılmayacak, böylece genel olarak modelin herkes için, ne olacağını ayarlayabileceğiniz bir değişiklik var. Ama bu artık pek tavsiye edilmiyor. orman aptalca tüm seçenekleri hatırlayacak
ve ayarların seçimi genellikle çok öznel bir şeydir, denemeniz gerekir
1'den küçükse, model kalan pimerler üzerinde doğrulanır (model, eğitim kümesine girmeyen veriler üzerinde değerlendirilir). klasiklere göre, r 0.67'ye ayarlanmıştır, kalan %33'te doğrulanmıştır. Tabii ki, bu büyük örnekler için geçerlidir, küçük olanlar için, çarpım tablosunda olduğu gibi, hiçbir anlamı yoktur, 1 koymak daha iyidir.
her neyse, hiç değil, tüm işaretler kullanılmayacak, böylece genel olarak modelin herkes için, ne olacağını ayarlayabileceğiniz bir değişiklik var. Ama bu artık pek tavsiye edilmiyor. orman aptalca tüm seçenekleri hatırlayacak
ve ayarların seçimi genellikle çok öznel bir şeydir, denemeniz gerekir
1'den küçükse, model kalan pimerler üzerinde doğrulanır (model, eğitim kümesine girmeyen veriler üzerinde değerlendirilir). klasiklere göre, r 0.67'ye ayarlanmıştır, kalan %33'te doğrulanmıştır
Öznitelik Seçimi
Biraz veri madenciliği. Özellik seçimi Chi^2 + KBest, RFE (Recursive feature elimination) + (SGDClassifier, RidgeClassifier), L2 (Ridge, RidgeClassifier), L1 (Lasso) ile yapılmıştır. Sırt düzenlemesi daha mantıklı sonuçlar verir.
![rfe rfe](https://c.mql5.com/3/170/x_rfe-_table__1.png)
Birkaç çizelge:
RFE + Sırt ve SGD
Sırt regresörü (L2)
Sırt sınıflandırıcı (L2)
Dosya, parametre değerleri tablosunu ve bunların özellik seçimine göre seçimini içerir.
En önemli katsayılar şunlardı:
- 10, 11 - Kapat, Delta(Aç-Kapat)
- 18-20 - Türev Yüksek, Düşük, Kapat
- 24 - Günlük türevi Kapat
- 29, 30 - Düşük
- 33 - Detranding Close - Lowess
- 35 - EMA 26 (13 isteğe bağlı)
- 40 - Türev EMA 13
not. Tablodaki Ridge Classifier satırı tek bir sınıfa dayalıdır, diğer sınıflara parametre bağımlılıklarını yansıtmaz.Komut dosyasına bağlantı .
Yeni bir ağ şeması çizdim, bu ilk açıklama. Devam filmi olacak (umarım)
https://rationatrix.blogspot.ru/2018/01/blog-post.html
Yeni bir ağ şeması çizdim, bu ilk açıklama. Devam filmi olacak (umarım)
https://rationatrix.blogspot.ru/2018/01/blog-post.html
Ve sanırım ilk mesaj silinmiş. Diyagramı blogladı. =)