Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2453

Yeni yorum
 
Andrey Dik # :
şüphesiz.
ancak hiç kimse daha karmaşık ve/veya karmaşık metriklerin kullanımını yasaklamaz. Ana fikir, Ulusal Meclis'in ağırlık ve çıktı ölçülerinin işlevini uygunluğa eklemektir.

Bilmiyorum, ama bence girdi verileri niteliksel olarak normalize edilmişse (tekdüze) ve yalnızca normal bir çok katmanlı algılayıcı için işe yarayacaktır.

ve hazır NS paketleri kullanırsanız, bırakma yeni metriğinizi bozar


tavlama optimizasyonuna benzer bir şey arıyor olabilirsiniz, ancak yine yöntemler açıklanmıştır, bir bisiklet yaratmanın amacı net değildir ve daha da fazlası ne kadar güvenilir ve nasıl değerlendirileceği, IMHO

 
Daha basit düşük boyutlu modeller için, örneğin doğrusal regresyon için tekerleği yeniden icat etmeye başlamak daha iyidir. Ancak önce, kayıp işlevine katsayı eklemek için halihazırda mevcut olan seçeneklere (sırt ve kement regresyonu, Akaike kriteri, vb.)
 
Andrey Dik # :

testte mi?... test bir fonksiyonun türevi ile aynıdır, aynı eğri olabilir, aynı noktada teğet olabilir ama iki farklı fonksiyona.


Ne dediğini anladın mı? Kelime kümesi anlamsızdır.

 
Vladimir Perervenko # :

Ö !! Merhaba Vladimir, uzun zamandır senden haber alamadım, yazılarını gerçekten özledim, yeni bir şey yazdın mı? belki başka kaynaklar?

Size başka bir soru daha var, böyle bir "Gausian optimizasyonu" var (eminim biliyorsunuzdur), "ağır" fitness fonksiyonları için en verimli arama yöntemi gibi görünüyor ama onunla iyi sonuçlar alamıyorum , işte örneğim , soruma yorum yapabilirsiniz , neden böyle ?

mco vs GPareto (Multi-objective optimization)
mco vs GPareto (Multi-objective optimization)
  • 2021.08.23
  • mr.T
  • stackoverflow.com
I am not an expert in this field, I just wanted to compare two search algorithms. ness function is simple, find two minima in vector I almost always get a bad solution from the GPareto algorithm. I understand that these are different algorithms, but Question is Is this normal? it should be?, or am I doing something wrong? I am...
 
Vladimir Perervenko # :

Ne dediğini anladın mı? Kelime kümesi anlamsızdır.

"türev"in ne olduğunu bilmiyor musunuz? üzgünüm....

 
Andrey Dik # : "türev"in ne olduğunu bilmiyor musunuz? üzgünüm....

bu tür tümdengelim yetenekleriyle kendinize daha iyi sempati duyun ...

 
mytarmailS # :

Ö !! Merhaba Vladimir, uzun zamandır senden haber alamadım, yazılarını gerçekten özledim, yeni bir şey yazdın mı? belki başka kaynaklar?

Size başka bir soru daha var, böyle bir "Gausian optimizasyonu" var (eminim biliyorsunuzdur), "ağır" fitness fonksiyonları için en verimli arama yöntemi gibi görünüyor ama onunla iyi sonuçlar alamıyorum , işte örneğim , neden böyle oldu soruma yorum yapabilirsiniz .

Selamlar. Bir tabu sitesinde R kullanan makaleler. Bu nedenle, olmayacak.

Sorunuza buradan mı yoksa Borsa'dan mı cevap almak istersiniz? Birçok hata var ve bunlardan biri temel.

 
Vladimir Perervenko # :

1) Selamlar. Bir tabu sitesinde R kullanan makaleler. Bu nedenle, olmayacak.

2) Sorunuza buradan mı yoksa Borsa'dan mı cevap almak istersiniz? Birçok hata var ve bunlardan biri temel.

1) üzgünüm

2) Sizin için daha uygun olduğu yerde, hem temel hem de çok olmayan tüm hatalarımı öğrenmek ilginçtir ..

PS Ayrık optimizasyon için probleme sürekli optimizasyon uyguladığımı biliyorum.


=====

Nispeten yeni bir MT5 paketi çıktı, denediniz mi?

https://github.com/Kinzel/mt5R

GitHub - Kinzel/mt5R: Easy integration between R and MT5 using socket connection, tailored to fit Machine Learning users and traders needs
GitHub - Kinzel/mt5R: Easy integration between R and MT5 using socket connection, tailored to fit Machine Learning users and traders needs
  • github.com
Easy integration between R and MT5 using socket connection, tailored to fit Machine Learning users and traders needs - GitHub - Kinzel/mt5R: Easy integration between R and MT5 using socket connecti...
 
mytarmailS # :

1) üzgünüm

2) Sizin için daha uygun olduğu yerde, hem temel hem de çok olmayan tüm hatalarımı öğrenmek ilginçtir ..

PS Ayrık optimizasyon için probleme sürekli optimizasyon uyguladığımı biliyorum.


=====

Nispeten yeni bir MT5 paketi çıktı, denediniz mi?

https://github.com/Kinzel/mt5R

1. Beşi için bu önemli değil. Her şey normal MetaTrader5(Py) kitaplığı ile çalışır. Ama MT4 için - belki.

2. Temel hata. Her iki paket de (mco ve Gpareto), çok amaçlı ve çok kriterli fonksiyon optimizasyonu için tasarlanmıştır. yani, onlara minimum sonucu veren çeşitli fonksiyonların optimal parametrelerini bulun. Bunu farklı şekillerde yaparlar.

Bir işlevi kullanarak bir Pareto cephesi elde etmeye çalışıyorsunuz. İşte yeniden yazılmış örneğiniz (bu arada, olasılıkları kullanan en iyi işlev seçimi değil) 

set.seed( 4023 )
mins <- function(x, n = 1 L) cumsum(rnorm(n, 0 , x))
mins1 <- function(x, n = 1 L)cumsum(rnorm(n, 0 , x* 0.5 ))

up <-  rep( 5 , 2 )
dw <- rep( 1 , 2 )

Farklı sd parametreleri ve üst ve alt sınırlara sahip iki fonksiyon. Aşağıdaki amaç fonksiyonu

 #--------------------------------------------
fit <- function(x){
    y1 <- mins(x[ 1 ]) # cumsum(rnorm( 1 , 0 , x[ 1 ]))
    y2 <- mins1(x[ 2 ])   #   cumsum(rnorm( 1 , 0 , x[ 2 ]* 0.5 ))
     #y <- cbind(y1, y2)
     return ( c(y1, y2) )}

Fn <- fit(c( 4 , 4 ))
> Fn
[ 1 ] 0.4244075 3.5528975

Aslında optimizasyon

 library (mco)

OPT1 <- nsga2(fn = fit,idim = 2 ,odim = 2 ,
                   lower.bounds = dw,
                   upper.bounds = up,
                   popsize = 100 )
res_OPT1 <- c( floor (tail(OPT1$par, 1 )))
> res_OPT1
[ 1 ] 4 4

Bu fonksiyonlar için optimal parametreler c(4, 4)'tür. Görselleştirme ParetoFront + ParetoSet 

plot(OPT1)

Pareto_front_Set_mco

Mavi noktalar ParetoFront, yani amaç fonksiyonu değerleri kümesidir. Ve kırmızı noktalar ParetoSet, yani. fonksiyonların minimum değerini veren parametrelerin değeri. Bu değerleri görebilirsiniz 

> paretoFront(OPT1)
            [, 1 ]      [, 2 ]
 [ 1 ,] - 18.768766 - 0.919960
 [ 2 ,] - 16.563714 - 4.075318
 [ 3 ,] - 11.689811 - 4.511709
 [ 4 ,]  - 2.924055 - 6.256807
 [ 5 ,]  - 1.801073 - 9.175708
 [ 6 ,]  - 5.438790 - 5.876476
 [ 7 ,]  - 9.924184 - 5.006235
 [ 8 ,]  - 9.150563 - 5.749592
 [ 9 ,]  - 2.565944 - 8.321299
[ 10 ,]  - 5.653256 - 5.808398

> paretoSet(OPT1)
          [, 1 ]     [, 2 ]
 [ 1 ,] 4.651688 4.830462
 [ 2 ,] 4.812924 4.374282
 [ 3 ,] 4.692132 4.589676
 [ 4 ,] 4.998786 4.715230
 [ 5 ,] 4.960933 4.696511
 [ 6 ,] 4.973955 4.245543
 [ 7 ,] 4.708673 4.946008
 [ 8 ,] 4.630083 4.242298
 [ 9 ,] 3.913589 4.553322
[ 10 ,] 4.655140 4.648080

Yuvarlamadan sonra en uygun c(4,4) değerini elde ederiz. Bir sonraki gönderide Gpareto ile seçenek

 
Vladimir Perervenko # :

1. Beşi için bu önemli değil. Her şey standart MetaTrader5(Py) kitaplığı ile çalışır. Ama MT4 için - belki.

Bu sadece beş için, bu yeni bir paket, adın kendisi mt 5 R

Vladimir Perervenko # :

2. Temel hata. Her iki paket de (mco ve Gpareto) çok amaçlı olarak tasarlanmıştır

Evet, anlıyorum, sadece çok amaçlı optimizasyona ihtiyacım vardı

Vladimir Perervenko # :

Bir işlevi kullanarak bir Pareto cephesi elde etmeye çalışıyorsunuz. İşte yeniden yazılmış örneğiniz (bu arada, olasılıkları kullanan en iyi işlev seçimi değil)

Basit uygunluk fonksiyonum, algoritma açısından minimum olan bir noktanın indeksi için vektörü arar.

İdeal olarak algoritma iki indeks üretmelidir, bu iki indeks vektördeki minimum değerlerin indeksleri olacaktır.

Bir vektörde iki minimum veya iki vektörde bir minimum aramanın hiçbir fark olmadığını düşündüm.

Basit kondisyonum bir tür sorunumun modeli değil, algoritmaların en basit ve görsel karşılaştırmasını kendim için yapmak istedim.

Vladimir Perervenko # :

Bu fonksiyonlar için optimal parametreler c(4, 4)'tür. Görselleştirme ParetoFront + ParetoSet

Fitness fonksiyonunuz ne yapıyor? kod anlaşılır görünüyor, her şeyi biliyorum ama bir şeyin özünü anlayamıyorum)

1...244624472448244924502451245224532454245524562457245824592460...3399
Yeni yorum