Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2585
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
İlginç, ama nereden başlayacağınızdan emin değilim. Kayıp, görünüşe göre, piyasa kalıpları hakkında bazı fikirler içermelidir. Örneğin, oynaklık için ayarlamalar yapabilirsiniz.
Çok basit bir tane ile başlamayı düşünüyorum - lojistik regresyonla iki sınıfa (giriş / girmeme) ve az sayıda özellik ile sınıflandırma. Sadece konunun neden çok popüler olmadığını anlamak için.
Modelleri seçmek için özel metrikler kullanılır, ancak eğitim hala standart olanları temel alır (örneğin, sınıflandırma için mantık). Çünkü metriğiniz hiçbir şekilde özellik/hedef oranı ile ilgili değildir ve standart olanlardır. Ve burada, olduğu gibi, modelleri daha sonra Sharpe Ratio'ya veya R2'ye göre mi seçeceğiniz veya en üst düzeye çıktıklarında öğrenmeyi hemen durdurup durdurmayacağı net değil. Muhtemelen bu şekilde ve bu şekilde yapabilirsiniz.
Tamamen hayal ürünü, senden biraz utanıyorum ..
Yine de, standart metriklerin tamamen reddedilmesini ve bunları metatrader optimizasyonunda kullanılanlara benzer olanlarla değiştirmeyi denemek ilginç olurdu) Büyük olasılıkla, daha düşük bir seviyeye geçmeniz ve doğrudan optimizasyon paketleriyle çalışmanız gerekecek.
Size yarım yıldır bunu söylüyorum, AMO'yu FITNESS FUNCTION ile eğitmek daha iyidir !!
Tamamen hayal ürünü, senden biraz utanıyorum ..
Az önce tüm dünya topluluğu için Japonların utancını dile getirdiniz) Çok sayıda özel metrik var, ancak asıl eğitim mantıksızlığı en aza indirmek. Özel yapım eğitimini durdurun. Tabanın özel olanlarla çakışması harika, sıkmanın bir anlamı yok. Öğrenci öğren
hayatım boyunca öğrenciyim
hayatım boyunca öğrenciyim
Logloss, özellikler ile hedef arasındaki karşılıklı bilgi miktarını anladığım kadarıyla gösteriyor. Bu, bağımlılığın türünü tanımlamadan en objektif f-I'dir. Model, bu tür bilgilerin kaybını en aza indirecek şekilde eğitilmiştir, özellikle bu şekilde güçlendirme çalışmaları.
misal..
Bir özellik veri çerçevesi "X" var
"M" modeli var
5 zaman serisi var "ts5"
Görev -
"M" modeli girdi olarak "X" alır (her şey her zamanki gibi)
ve çıktıda "M" olması gereken iki vektör üretir
1) maksimum sabit
2) tüm "ts5" ile mümkün olduğunca ilişki kurmayın
Olağan formda hedef yoktur, model çıktıları için gereksinimler vardır..
Fiyatı tahmin etmiyoruz, zz, Ypres geri dönüyor, bu tamamen başka bir hikaye
Kutudan çıkan desteğinizle bunu nasıl çözeceksiniz?
misal..
Bir özellik veri çerçevesi "X" var
"M" modeli var
5 zaman serisi var "ts5"
Görev -
"M" modeli girdi olarak "X" alır (her şey her zamanki gibi)
ve çıktıda "M" olması gereken iki vektör üretir
1) maksimum sabit
2) tüm "ts5" ile mümkün olduğunca ilişki kurmayın
Olağan formda hedef yoktur, model çıktıları için gereksinimler vardır..
Fiyatı tahmin etmiyoruz, zz, Ypres geri dönüyor, bu tamamen başka bir hikaye
Kutudan çıkan desteğinizle bunu nasıl çözeceksiniz?
Hedefi numaralandırarak, görev tam tersidir.
1) Modeli milyonlarca kez eğiten ve ne olduğunu görenler?
Evet, peki, tavandan hedefleri al, ya da f-th. Açıklamadan anladığım kadarıyla antrenmanı tersten yapıyorsun. Klasik olana göre avantajı nedir, bu sorunun cevaplanması gerekirdi
))))
her şeyi birleştiriyorum)