Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1488
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
Yapabileceğimiz tek şeyin en başarılı veri uydurma için bir algoritma geliştirmek olduğu gerçeğinden hareket etmeliyiz, çünkü geleceği bilmiyoruz ve mevcut tahmin değerlerine dayanarak bile birçok varyasyonu var. Ve eğer şanslıysanız, bir süre daha var olmaya devam edecek bir örüntü tespit edebileceksiniz, bu yüzden böyle bir örüntüyü belirli kriterlerle aramak önemlidir ve mantık, en azından bir örüntü olması gerektiğini önerir. tüm örnek boyunca meydana gelen desen.
Piyasada bir model vardır ve her zaman olacaktır - zaman döngüleri, dönemler: ticaret seansı , gün, hafta, ... ve bunların yarı dönemleri. Bu döngüler prensipte yok edilemez, karmaşık bir zamansal yapı oluşturur ve çalışılacak örnek boyutunu belirler. Bu hiyerarşik yapı içerisinde fiyat davranışını ortaya çıkaran ticaret sistemi her zaman işleyecektir.
Standart algoritmalar, durağan fenomenler, kapalı sistemler ile çalışmak üzere tasarlanmıştır, bu nedenle herhangi bir bilgi orada önceden yararlı kabul edilir ve rastgelelik açısından değil, sadece görev için kullanma olasılığı (hedefe göre sınıflandırma) açısından değerlendirilir. , çok fazla gürültümüz var ve bununla başa çıkmanın mantıklı bir yolunu önerdim.
Onlar. eğitim alanındaki başarılı işlemlerin tekdüzeliği ?
Orada ve böylece her şey yolunda, çünkü uyum eğitim için, %0'a kadar hata.
Sanırım bu, derinliği veya diğer yöntemleri azaltarak modeli düzenlerken / kabalaştırırken olmalı. Ve örneğin, eğitim alanında %20 hata ile durun.
Bence tek bir yol var - düğümün eklenen her sürümünden sonra, tüm verileri ağacın sonuçtaki kısmında çalıştırın ve denge çizgisini analiz edin.
Düğüm sürümlerinin sayısı = (özellik sayısı * ağaçtaki düğüm sayısı * 3 (dörde bölünmüşse)) * ağaç sayısı
Bu çok uzun süre düşünülecek, korkarım Millet Meclisi'nden bile daha uzun.
Piyasada bir model vardır ve her zaman olacaktır - zaman döngüleri, dönemler: ticaret seansı , gün, hafta, ... ve bunların yarı dönemleri. Bu döngüler prensipte yok edilemez, karmaşık bir zamansal yapı oluşturur ve çalışılacak örnek boyutunu belirler. Bu hiyerarşik yapı içerisinde fiyat davranışını ortaya çıkaran ticaret sistemi her zaman işleyecektir.
Zamanın önemini inkar etmiyorum ama bu yeterli değil, bir model oluşturmak için fiyatı etkileyen başka niceliklere de ihtiyaç var.
Zamanın önemini inkar etmiyorum ama bu yeterli değil, bir model oluşturmak için fiyatı etkileyen başka niceliklere de ihtiyaç var.
Yeterlik.
Kâse'nin oturduğu zaman döngüleri içindedir. Bir zaman döngüsündeki bir yapı, diğerindeki bir yapının parçasıdır.
Kesin olarak tanımlanmış farklı zaman periyotlarına karşılık gelen aynı örnek boyutlarıyla çalışıyorsanız, bu iç içe yapılar tam görünümdedir.
NA halledemez mi? Bunu sinir ağı olmadan aracımda yaptım.
Onlar. eğitim alanında başarılı işlemlerin tekdüzeliği?
Şahsen, her yıl için (şimdi - 5 yıl) finansal sonucu, düşüş ve geri kazanım faktörünü ve diğer değerlendirme kriterlerini dikkate alarak değerlendiriyorum. Şu an klasmana bile bakmıyorum çünkü bir trend stratejisi var ve hatta %35 doğru sınıflandırma ile yıl sonunda (diğer dönem) kar olabilir.
Orada ve böylece her şey yolunda, çünkü uyum eğitim için, %0'a kadar hata.
Soru, bunun için kaç ağaç kullanıldığı ve aslında modelin ne tür bir hafızaya sahip olduğu. Bir ağaçla, 6 bölme derinliğinde böyle bir ayar yapılamaz...
Sanırım bu, derinliği veya diğer yöntemleri azaltarak modeli düzenlerken / kabalaştırırken olmalı. Ve örneğin, eğitim alanında %20 hata ile durun.
Ben zaten bölme ve dolgunluk limitini kullanıyorum ve evet antrenmanlarda kullanılması gerekiyor.
Bence tek bir yol var - düğümün eklenen her sürümünden sonra, tüm verileri ağacın sonuçtaki kısmında çalıştırın ve denge çizgisini analiz edin.
Düğüm sürümlerinin sayısı = (özellik sayısı * ağaçtaki düğüm sayısı * 3 (dörde bölünmüşse)) * ağaç sayısı
Bu çok uzun süre düşünülecek, korkarım Millet Meclisi'nden bile daha uzun.
Daha verimli olacak, ki bu daha önemli ve sonunda piyasaya daha uygun modeller olacak.
Şu anda, hesaplama için yaklaşık 15 gün harcıyorum - ortalama olarak yaklaşık 800 benzersiz yaprak alıyorum ve bunların yarısı benzer, bu da zaman aralıklarında istikrarlı bir sonuç gösteriyor (ve kontrol hala çok fazla makine alıyor zaman). Onlar. 800/8 hesaplamasını 100 kez yavaşlatmak bile orantılı bir sonuç verecektir.
Yeterlik.
Kâse'nin oturduğu zaman döngüleri içindedir. Bir zaman döngüsündeki bir yapı, diğerindeki bir yapının parçasıdır.
Kesin olarak tanımlanmış farklı zaman periyotlarına karşılık gelen aynı örnek boyutlarıyla çalışıyorsanız, bu iç içe yapılar tam görünümdedir.
NA halledemez mi? Bunu sinir ağı olmadan aracımda yaptım.
Yapılar ve fraktalların benzerliği ile çalışmama rağmen, benim için kâse bundan çıkmıyor, yani. farklı TF'lere zaman yatırımı. Bu yeterli değil, belki hala farkında değilim.
NN bir araçtır, insan beyni daha hızlı ve daha doğru bir şekilde çözüm bulabilir, belki de bulamayabilir...
Şahsen, her yıl için (şimdi - 5 yıl) finansal sonucu, düşüş ve geri kazanım faktörünü ve diğer değerlendirme kriterlerini dikkate alarak değerlendiriyorum. Şu an klasmana bile bakmıyorum çünkü bir trend stratejisi var ve hatta %35 doğru sınıflandırma ile yıl sonunda (diğer dönem) kar olabilir.
Soru, bunun için kaç ağaç kullanıldığı ve aslında modelin ne tür bir hafızaya sahip olduğu. Bir ağaçla, 6 bölme derinliğinde böyle bir ayar yapılamaz...
Ben zaten bölme ve dolgunluk limitini kullanıyorum ve evet antrenmanlarda kullanılması gerekiyor.
Daha verimli olacak, ki bu daha önemli ve sonunda piyasaya daha uygun modeller olacak.
Şu anda, hesaplama için yaklaşık 15 gün harcıyorum - ortalama olarak yaklaşık 800 benzersiz yaprak alıyorum ve bunların yarısı benzer, bu da zaman aralıklarında istikrarlı bir sonuç gösteriyor (ve kontrol hala çok fazla makine alıyor zaman). Onlar. 800/8 hesaplamasını 100 kez yavaşlatmak bile orantılı bir sonuç verecektir.
İleriye dönük testler yapıyormuşsunuz gibi görünüyor.
Ben de, ama elle. Bence modelleri değerlendirmenin en iyi yolu bu.
Şimdiye kadar zamanında istikrarlı bir model bulamadım. Yarım yıl / bir yıl ileri / geri hareket eden modeller zaten kötü çalışmaya veya birleşmeye başlıyor. Aynı özellikler ve aynı model parametreleri ile yeni eğitilmiş olsalar bile. Onlar. ve özelliklerin önemi değişiyor.
İleriye dönük testler yapıyormuşsunuz gibi görünüyor.
Ben de, ama elle. Bence modelleri değerlendirmenin en iyi yolu bu.
Şimdiye kadar zamanında istikrarlı bir model bulamadım. Yarım yıl / bir yıl ileri / geri hareket eden modeller zaten kötü çalışmaya veya birleşmeye başlıyor. Aynı özellikler ve aynı model parametreleri ile yeni eğitilmiş olsalar bile. Onlar. ve özelliklerin önemi değişiyor.
Bu nedenle, eğitim sırasında tüm bunları dikkate almak ve denge değilse de, sınıflandırma doğruluğu olasılığının bir değerlendirmesiyle dikkate alarak bölmeler yapmak gerekir. Şüpheli olan kısım ya ticaret yasağına ya da yönlendirilen olasılığa -% 99'a gitmelidir, o zaman modeli uygularken bu filtrelenebilir.
Bu nedenle, eğitim sırasında tüm bunları dikkate almak ve denge değilse de, sınıflandırma doğruluğu olasılığının bir değerlendirmesiyle dikkate alarak bölmeler yapmak gerekir. Şüpheli olan kısım ya ticaret yasağına ya da yönlendirilen olasılığa -% 99'a gitmelidir, o zaman modeli uygularken bu filtrelenebilir.
Ayırmanın farklı işlevleri olmasına rağmen, yani. kirlilik ölçüleri (sol veya sağdaki numuneler).