Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1248
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
Yeniden eğitim, gürültü nedeniyle piyasayı ezberlemenin bir sonucuysa, o zaman piyasayı ezberlemek, karar ağaçları ve güçlendirme ormanı şeklinde belirli bir miktarda hafıza ve bir ağaç ve bir sinir ağı gibi modeller gerektirir. az sayıda nöron daha az yeniden eğitilmelidir. Sonra, örneğin, tüm örneğin (eğitim, test, kontrol) tek bir sayfayla -% 1 veya% 10'luk hacim nedir - tanımlanamayan kritik miktarda veri olduğu ortaya çıkıyor, soru bu. O zaman belki de verileri bu verileri depolamak için gereken bellek miktarı açısından değerlendirmek ve modeli bu kritik hacimden daha küçük bir büyüklük sırası yapmaya çalışmak gerekir mi? Bunu nasıl yapacağımı bilmiyorum, belki arşivlemeye benzer bir şey olmalı - eğer arşivleyici 10mb'den 1mb'ye kadar bir seçime basarsa, model 102.4 kb'den fazla olmamalıdır. Ve sonra, modelin sadece örneği hatırlamadığını, aynı zamanda içinde kalıplar bulduğunu bilerek, bağımsız bir örnek üzerinde test etme konusunda daha az eleştirel olabilir ve yeniden eğitim hakkında değil, örneklemde eğitim için veri eksikliği hakkında sonuca varılabilir, Piyasanın mevcut durumunu açıklayan hiçbir durum olmadığından, bu, mevcut tahmin edicileri kullanarak böyle bir model bulmanın mümkün olmadığı anlamına gelir.
Modelin bazı temel önkoşulları olmalıdır, örneğin, piyasadaki bazı döngüler temeldir veya haberlere tepki, gün içi oynaklık .. tüm bunlar
ve eğer kalıplar nereden çekildikleri net değilse, o zaman onlara ne olacağı da belli değil.
Ağaçlar üzerindeki modeller, kalıpları belirleme sorunuyla ilgilenir, öngörücü olay hakkında bilgi verir ve belirli olaylar kümesi kalıbı verir. Sadece bu model fiziksel fenomenler alanından değildir ve sabit olamaz, çünkü bilinmeyen faktörler (mevcut öngörücüler tarafından tanımlanmayan fenomenler) onu etkileyebilir.
Genel olarak mesele şu ki, sınıflandırma sırasında ML yöntemleriyle istatistiksel olarak sık tekrarlanan bir olay tanımlandı ve bu, deyim yerindeyse, gösterge optimize ediciyi piyasaya uydurmaktan daha mı iyi, değil mi?Yaz aylarında kısa etek sayısının vatandaşların finansal refahı ile korelasyonu yüzde 90 olabilir, ancak bu bağımlılık anlamına gelmez, daha az bir kalıp
Peki, olayla tanınmayan bir bağlantı olarak "düzenlilik" kelimesini "işaret" ile değiştirelim.
optimize edici ayrıca MO'dur
Onlar. Bu iki yöntemin önüne eşittir işareti mi koyuyorsunuz?
Söylemiyorum, ama bu doğru .. optimize edici herhangi bir f-th'i en aza indirir, nöral network optimizer, ağırlıkların f-th'ini optimize eder
Sadece TS filtrelerinin optimizasyonundan bahsediyorsak, aynı eylemler üzerinde kısmen anlaşabiliriz, ancak giriş / çıkış noktası da optimize edilmişse, durum normal MO'dan biraz farklıdır.
bu konuda veri madenciliği ve mümkünse piyasalara uygulama çalışmaları yapmak gerekir çünkü veri madenciliği 1 krivulka da aptallığın zirvesi gibidir ama bazı bilgiler çıkarılabilir)
Başka bir alanda uygulama amacı ile çalışma?
verilerden yararlı bir şeyin nasıl doğru bir şekilde çıkarılacağını anlamak için
Bu yüzden daha önce faydalı bir şey öğrendiğimi fark ettim - belki bir altın tanesi, ya da belki bir kaza ... kim bilir ... ve kesin olarak bilmenin bir yolu yok.
Ve böylece yapılır - genelleştirilir. "kalıplar" - farklı örneklerden bulunan kalıplar ... Yani, onu sadece tren örneğine ayarladınız ve şimdi beynimize güveneceksiniz))) Ama yine de, verileri kasıtlı olarak hazırlamanız gerekiyor, buna göre fikir ... bir aptalı sürebilmemize rağmen, ama bu pek mümkün değil ...
2016-2017 için eğitim aldım ve ardından 2014-2018 tablolarını kontrol ettim ve her yıl kar edenleri seçtim ve bir dizi başka kriteri karşıladım (genel büyüme / büyük bir düşüş değil). Burada da böyle bir modeli iş hayatında başlatmanın mümkün olup olmadığını düşünüyorum.
Farklı enstrümanların kombinasyonu ile ilgili olarak, burada birçoğunun bir tahmincisi var - farklı zaman aralıkları için puanlarda bir artış ve daha sonra farklı enstrümanlarda çalışmayacak...
piyasaların hepsi farklıdır, kalıplar da doğaldır, biri için işe yarayan diğeri için boşalır
bir şeyi varsaymak için, böyle kaba bir varsayımın temeli olarak bir şeyin varsayılması gerekir.Bu yüzden konunun her yerde aynı olduğu gerçeğinden yola çıkıyorum - bir tüccar ve neden enstrümana bağlı olarak davranışını değiştirecek? Teknik analiz veya başka bir yöntem kullanır, ancak bu yöntemi her yerde kullanır, başka bir şey, bir dizi yöntemi farklı zamanlarda kullanabilmesidir ve bu nedenle bir yöntemi bir enstrümana sığdırmak ve bir tüccar (toplu) olduğunda daha kolaydır. image) başka bir yönteme geçer, ardından model bozulur.