Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1965
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
Sadece başlatın ve ticaret yapın, yol boyunca öğrenin
Ticaret mantığında ne var? 1.5 aylık bir pencerede eğitim mi alıyor? Eğitim ne sıklıkla ya da neye bağlı? Hangi TF'de?
Bu veriler üzerinde test yapılmasını öneriyorum, orada kesinlikle bir kalıp var ve ne için çaba gösterilmesi gerektiği açık.
ps, .txt'yi addan kaldır
Ağ: %56,58 doğru, beklenen değer 2,63
Orman: %55.89 doğru, 2.36 beklenen değer
Orman kümülatif artışları: %55.89 doğru, 2.36 ortalama, aynı sonuçlar
20 5 karakterden oluşur. Yayılma dikkate alınmaz. Ortalama olarak, sonuçlar aynıdır, ancak ızgara 2 dakika olarak kabul edilir ve orman bir saniyeden azdır.
Henüz zikzak denememiş olsanız da, bir kara büyü seansı olmadan yapamazsınız gibi görünüyor.
Ağ: %56,58 doğru, beklenen değer 2,63
Orman: %55.89 doğru, 2.36 beklenen değer
20 5 karakterden oluşur. Yayılma dikkate alınmaz. Ortalama olarak, sonuçlar aynıdır, ancak ızgara 2 dakika olarak kabul edilir ve orman bir saniyeden azdır.
Henüz zikzak denememiş olsanız da, bir kara büyü seansı olmadan yapamazsınız gibi görünüyor.
Neden yayılmadan öğrenmek için zaman harcıyorsun? Sadece güzel grafikler için mi? Gerçek bir şeye gir.
Mümkün değil. Rastgele oldukları için eğitim için rastgele sütunlar alınır. Ortalama almak daha sonra iyi bir sonuç verir.
Zeyilname: Eğitime katılan hat sayısı da = 1 olarak ayarlanmalıdır, yani. her şey eğitimin aynı olması için. O. rastgele her şeyi rastgele ormandan kaldırırız.Sütunların payını = 1 olarak ayarlamayı deneyebilirsiniz . tüm sütunlar ağacın inşasına katılacak ve hepsinin %50'si rastgele değil. Tüm ağaçlar aynı olacak , bu yüzden ormana 1 ağaç da koyacağız. Toplamda, bir ormanı 6'ya kadar, diğerini 7 derinlik seviyesine kadar eğitiyoruz.
2'den fazla ağaç gerekiyorsa, kümeden bazı sütunları bağımsız olarak atarız ve kalan tüm sütunlarda ek ormanlar eğitiriz.
Rastgele olmayan sabit bir bölme kuralı varsa, muhtemelen öyle olacaktır. Denemek istemiyor musun? iskele kuramıyorum :(
15 tf, her çubukta sinyaller. Ödüller de ama şartlara göre değiştirilebilir. Başlangıçta eğitimli değil, hemen ticarete sıfırdan başlar. Onlar. yeniden eğitim prensipte olamaz. Her işlemden sonra yeniden eğitilir, önceki girişlerin hafızasını korur. Özyinelemeli bağlantılar ekleyebilirsiniz. Hepsi kılavuzda var, sadece içine bakmanız gerekiyor. Yakında kendimi almayacağım, tensorflow üzerine bir analog yazmak istiyorum
Bu bellek nasıl uygulanır? basit bir şekilde anlatabilir misin?
Rastgele olmayan sabit bir bölme kuralı varsa, muhtemelen öyle olacaktır. Denemek istemiyor musun? iskele kuramıyorum :(
Kontrol ettim - en azından Alglib ormanında. Yalnızca satırlar ve sütunlar rasgeledir, katsayıları = 1 ise, tüm ağaçlar aynı olacaktır, yani. bir ağaç, kopyasını hesaplamak için zaman kaybetmemek için yeterlidir. Diğer paketlerde, başka bir şey rastgele olabilir ...
denemek istemiyorum. 6 veya 7 derinliği olan bir ağaç benim için yeterli, 6.5 derinliği olan bir ağaç [sizin fikir analojiniz] pek ilgi çekici değil. Eh, tembellik, elbette.
Bu bellek nasıl uygulanır? basit bir şekilde anlatabilir misin?
henüz kendimi anlamıyorum
Kontrol ettim - en azından Alglib ormanında. Yalnızca satırlar ve sütunlar rasgeledir, katsayıları = 1 ise, tüm ağaçlar aynı olacaktır, yani. bir ağaç, kopyasını hesaplamak için zaman kaybetmemek için yeterlidir. Diğer paketlerde, başka bir şey rastgele olabilir ...
denemek istemiyorum. 6 veya 7 derinliği olan bir ağaç benim için yeterli, 6.5 derinliği olan bir ağaç [sizin fikir analojiniz] pek ilgi çekici değil. Eh, tembellik, elbette.
Anladım. Sondan bir önceki bölünmeyi, üzerinde çalışmak için mini bir model oluşturabileceğiniz bir altuzay olarak görüyorum. Elbette, bölmeler akıllı olmalı, belki de bir alt numuneye değil, tüm numunenin istatistiklerine göre bölünmelidir. Bu sürecin başlamasından önce 3-5 bölünme olması ve daha fazla olmaması mümkündür. Buradaki fikir, belirli bir bölünmenin diğer alternatiflere göre rastgele istatistiksel avantajının etkisini azaltmaktır.
Bu bellek nasıl uygulanır? basit bir şekilde anlatabilir misin?
python'a geçin, size örnekler vereceğim, kullanabilirsiniz
Forumda tartışmak için bir neden göremiyorum, tk. RL teması giriş seviyesinden uzak