Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1376
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 tüm örneklemin %10'undan daha azına yönelik eğitim, örneklemdeki bir artış bir gelişmeye yol açmasın?
Neden 5 binden fazla? Onlardan öğrenmeyecek, daha fazla öğrenmeyecek.
Neden tüm örneklemin %10'undan daha azına yönelik eğitim, örneklemdeki bir artış bir gelişmeye yol açmasın?
Peki ya yeniden eğitilmiş sistem, sizce neye yol açacaktır?
Peki ya yeniden eğitilmiş sistem, sizce neye yol açacaktır?
Numune ne kadar büyük olursa, modeli ona uydurmak o kadar zor olur, plan daha fazla yaprak/ağaç gerektirir.
x için - işlem sayısı, y için - paragraflardaki kar miktarı.
4 basamaklı mı yoksa 5 basamaklı mı?
4 basamaklı mı yoksa 5 basamaklı mı?
Bu bir işaret değil.
Ve sonra ne anlama geliyor - puan cinsinden kâr miktarı?
Biraz yanlış. Örneğin, tren[2000, ] ve test[500, ] var. İlk örnek ağırlıkları = 1.0 olan trende eğitin, testin[] eğitilmiş bir modeli tahmin etmesini sağlayın. Her test örneğinin tahmin edicisinin kalitesine bağlı olarak, bunun için bir ağırlık belirlersiniz. Ardından, tren ve testi birleştirir ve yeni bir eğitim seti oluşturur, modeli eğitir, test eder vb. tüm öğrenme numunesi bu şekilde elde edilen ağırlıklara sahip olana kadar. Daha eski çubuklar için onlara bir indirgeme faktörü uygulamak mümkündür, ancak bunu test etmedim. Bütün bunlar elbette sınıflandırma için.
ELM ile test edildi, iyi sonuçlar verdi.
İyi şanlar
Bunun, modelin yeni veriler üzerindeki performansını nasıl iyileştirebileceğini tam olarak anlamıyorum.
Örneğin, sınıf doğru tanımlanmadıysa, düşürme ağırlığını aşırı seçenek 0 olarak belirledik. Böylece. sonraki eğitim sırasında bu, bu çizgileri numuneden atmakla eşdeğer olacak ve trende %100 doğrulukla her şey yoluna girecek, yine bir daire içinde işaretlenen testlerde de her şey yolunda gidecek. Ancak tamamen yeni verilerde, satırları atamayacağız ve modelin gerçekten yapabileceği bir şey zaten olacak.
Yoksa tam tersine yanlış örneklerin ağırlığını mı artırdınız?
Bunun, modelin yeni veriler üzerindeki performansını nasıl iyileştirebileceğini tam olarak anlamıyorum.
Örneğin, sınıf doğru tanımlanmadıysa, düşürme ağırlığını aşırı seçenek 0 olarak belirledik. Böylece. sonraki eğitim sırasında bu, bu çizgileri numuneden atmakla eşdeğer olacak ve trende %100 doğrulukla her şey yoluna girecek, yine bir daire içinde işaretlenen testlerde de her şey yolunda gidecek. Ancak tamamen yeni verilerde, satırları atamayacağız ve modelin gerçekten yapabileceği bir şey zaten olacak.
Yoksa tam tersine yanlış örneklerin ağırlığını mı artırdınız?
Elbette "kötü" örnekler için aşağı oy verin. Yükseltirseniz - bu klasik bir yükseltmedir.
Sadece deneyin ve kontrol edin.
Şimdi bunu yapmıyorum. Eğitimden önce ön işleme yaparken gürültü örneklerini kaldırır veya izole ederim.
İyi şanlar
Neden 5 binden fazla? Onlardan öğrenmeyecek, daha fazla öğrenmeyecek.
Bu aptalca ifadelerin anallarında.
Numune ne kadar büyük olursa, modeli ona uydurmak o kadar zor olur, plan daha fazla yaprak/ağaç gerektirir.
Oldukça doğru, ne kadar çok olursa o kadar iyi (genellikle 100.000'den az gürültü olur), ancak piyasanın özelliklerinin değiştiğini ve eğitim büyük bir sır olduğunda bunun nasıl dikkate alınacağını hesaba katmanız gerekir.