Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 695
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
Gerilemeyi düşünüyordum...
Fin'e gerileme. pürüzsüz bir işlevden ziyade, 1 pt'lik bir adımla kademeli bir işlevdir. (hem öğretmen hem de tahmin için). Örneğin, hareket +/- 100 puanla sınırlıysa, 200 sınıf için sınıflandırma ile bir benzerlik vardır. Onlar. çıktıda, en olası sınıfı tahmin ediyoruz - örneğin, +22 pt.
Bu, iyi sonuçlar için, modelin yapısının/karmaşıklığının (nöron sayısı) regresyon için 200 kat daha fazla olması gerektiği anlamına gelmiyor mu? Adımı 5 pt'ye çıkarırsanız, o zaman 40 kez - daha az doğruluk nedeniyle biraz daha ekonomik olacaktır.
Bu konu hakkında fikrin yok mu?
Fiyatlarda gerilemek mümkün olmayacak, artışlarla yapın, o zaman seçenek sayısı daha az olacaktır.
artık nöronlara ihtiyacınız yok, aslında regresyon için çok fazlasına ihtiyacınız yok.. lineer regresyonda genellikle her özellik için 1 katsayı var :)
Fiyatlarda gerilemek mümkün olmayacak, artışlarla yapın, o zaman seçenek sayısı daha az olacaktır.
artık nöronlara ihtiyacınız yok, aslında regresyon için çok fazlasına ihtiyacınız yok.. lineer regresyonda genellikle her özellik için 1 katsayı var :)
artış ve fiyat değil, +/- 100 puanlık hareket ile kastedilmektedir.
Pekala, 200 sınıfla analoji doğrudandır, sonuçta ... sırayla gitseler ve bir adım işlevinden pürüzsüz bir işleve hala düzeltilebilirler.
artış ve hareket +/- 100 pt ile ifade edilir.
Sonuçta, 200 sınıfla analoji doğrudan ...
peki, çıktıda sınıflara birden fazla değer giriyor, basitçe sigmoid ile bölünüyor
Bu konu hakkında fikrin yok mu?
200 sınıfa sınıflandırmak için, 200 çıkış nöronuna ve buna bağlı olarak, bir şekilde her şeyin çalışmasını sağlamak için iç katmanlarda çok sayıda nörona ihtiyacınız var.
Ve regresyon için, çıktıda sadece 1 nöron gereklidir, hangi değeri gösterecek - bu, "+ 22p, artı veya eksi hata" tahmini olacaktır. Ve gizli nöronlar muhtemelen daha küçüktür.
Öğretmen, bir sembol olarak sayı işareti ile ayrı olacaktır. Ancak tahmin, 16 basamaklı düzenli, sürekli olmayan bir çift sayıdır ve bu nedenle değerlendirme işlevi (örneğin ortalama kare hatası) da sürekli olacaktır.
Sekiz makine öğrenimi modelinin incelenmesiyle ilgili ilginç bir makale
Makalenin yazarlarının, örneğin petrol fiyatı yerine yapay fiyatlar alması hoş değil. Sonuçlar ideal koşullar için elde edildi ve gerçek ticarete uygulanıp uygulanmayacağı belli değil.
Bugün Kâselerin günü, ama neye benzediğini ve onu elimizde tutmak için ne kadar uğraşılması gerektiğini biliyoruz !!!!
Bu kelimeden korkmuyorum ama bugün kendim için kâseyi buldum. Birden fazla test yaptım ve sonuçlar harika. Dr. Tüccar aslında açılışa yol açan destek için. Bu kelimeden korkmuyorum ........ R'nin yardımıyla, bir dizi değişken tahmin ediciyi etkili bir şekilde bulmak mümkün oldu ve hedefin aynı sayıda sınıfa sahip olduğu göz önüne alındığında, daha sonra oynayarak biraz (birini ekleyerek veya çıkararak), önemli öngörücüler kümesi bir , iki sütunla genişletilebilir. Bir kez denedim ve onları eklemek çok normaldi. Ardından, maksimum öğrenme çıktılarına sahip modeli optimize etmeye ve seçmeye başlıyoruz.
Tabii ki kafa karıştıran polinomun büyük boyutu değil ama teorik olarak eğitim aralığının %50'si kadar yani bir hafta çalışacak ve bu benim için yeterli!!!!!! Ama olay şu... Ve şimdi burada güvenilir ve istikrarlı kalıplar arayanlara sesleniyorum. Örnekle anlatmak daha kolay....
110 tahmin edicinin ve karşılık gelen çıktının olduğu 1000 satır ve 111 sütunlu bir veri tablosu tutuyorum. AMA tüm tabloyu almıyorum, ancak 40 kayıttan küçük bir yeni bölüm alıyorum (bu yaklaşık 2 haftalık TS operasyonudur) Sonuç olarak, 40 x 110 artı hedef olan bir eğitim setim var. Aslında, bu belirli günde, bu aralıkta pazardan bir dilim alıyorum. Bu dilim sabittir. Ayrıca, sanatının olağanüstü dehasının yardımı olmadan, Bay Dr. R programlama ortamında tüccar, çıktıyla ilgili olarak önemli girdi değişkenleri seçiyorum ve anladığım kadarıyla diğer piyasa katılımcılarına göre bir avantaja sahip olmanızı sağlayan o kötü şöhretli alfanın olduğu 3 ila 5 sütun alıyorum. Ve şimdi en önemli şey.... Neden bütün bu çarşı oldu aslında. Eğitim için veri tablosuna başka bir satır eklediğim anda, sütunlar grubu çarpıcı biçimde değişecek, yani alfa başka bir sütun kümesine kaçacak. Belki hemen değil, ancak bir değil birkaç satır ekledikten sonra. Tobish TC sinyalleri!!!! Alfa, amaç fonksiyonu için minimal ve yeterli olan saf haliyle aynı düzenliliktir. AMA bu model açık değildir, yani onu çıplak gözle görmek son derece zordur. Bu aşamada AI bağlanır ve işini yapar.
Şimdi, beşten fazla girişte nadiren yer alıyorsa ve toplam alan 110 giriş ise, alfanın boşalttığım tüm veri alanına nasıl atlayabileceğini hayal edin. Başka bir deyişle, her yeni dilimde tamamen farklı tahmin edici setleri alıyorum. Ve ona nasıl ayak uydurmak istersiniz ve hatta YILLARCA !!!!!!! haftalarca buradaysa, o zaman onu normal şekilde yakalarsın ....... Ama kesinlikle haklısın Kase var, sadece herkesin kendine ait bir yeri var ve onu bir arada tutmak için küçük bir çaba göstermen gerekmiyor. ......
Ve yine demo hesap teorisyenlerine atıfta bulunarak, bu şekilde yapılır.......
Teoriyi geliştirdim ve üzerinde bazı testler yaptım. Testler iyi sonuçlar verdi. Modeller, robot şarjlı olarak VPS-ka tarafından eğitilir. Bu haftaki sinyalimi takip edin ve varsayımlarımın ne kadar değerli olduğunu hemen göreceksiniz.
Sorunun ne olduğunu anlamıyorum, çubukları kümeleyin (iyi, karşılaştırmayı güvenilir kılmak için), herhangi bir öğenin tekrarı hakkında istatistikler oluşturun, en yaygın olanla başlayabilirsiniz. Ardından, başka bir öğeyle (tercihen istatistiklerin ikincisi, yine de her şeyi kontrol etmeniz gerekmesine rağmen) tekrarların istatistiklerini oluşturun, maksimum istatistikleri seçin, ikinci noktayı grafikte çizin, vb. Grafik bir bükülmeyi gösterir göstermez, bu kelime için en uygun uzunluk budur. Ve böylece tüm harfleri kontrol ediyorsun.
Halihazırda cümleler ekleyeceğiniz bir dizi kelime alın, şimdi kelimelere NN uygulayabilirsiniz, ancak önce NS ile başa çıkabilmesine rağmen, kelimelere birbirine yakınlık derecesine göre bir kodlama atamanız gerekir. bu, sonuçta otomatik kodlayıcılar var. Peki karoch bu aşamada bir fantezi uçuşu için özgürlük var.
Artış göstergesini kontrol edebilen var mı? nedense, düşük TF'lerde, işlemede delikler oluşur ve yalnızca geri sardığınızda değil .. gösterge penceresi boşalır. Yoksa terminali yeniden kurmamın zamanı geldi mi?
çok doğru
double pr2 = (pr!=0?log(pr):0);
Makalenin yazarlarının, örneğin petrol fiyatı yerine yapay fiyatlar alması hoş değil. Sonuçlar ideal koşullar için elde edildi ve gerçek ticarete uygulanıp uygulanmayacağı belli değil.
Teorik fiyat çeşitliliğini kapsamak ve bu çeşitliliği açıkça adlandırmak için özel olarak yapılmıştır.