Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3141
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
İnsan bilincinin evrimsel açıdan büyük bir hata olduğuna inanıyorum.
Bizler doğa kanunlarına göre var olmaması gereken yaratıklarız.
Ne kadar zamanın kaldı? )
Zaman serisiyle ilgili yeterli miktarda öznitelik ve test cihazında kar gösteren herhangi bir etiket alabilir ve bunlardan sağlam bir model oluşturabilir misiniz?Bu özelliğin nereden geldiğinin ve neden ihtiyaç duyulduğunun belli olmadığı diğer alanlarda görev zordur. Büyük tarihte filtrelenmesi çok zor olan tonlarca bu tür çöp vardır. Ve sonuç olarak tonlarca yanlış korelasyon.
BP ve türevlerini ele alırsak, görevimiz buna kıyasla daha da ilkel görünüyor. Çünkü tüm işaretler onunla ilgilidir.
Ancak yine de etiketleri özelliklerle eşleştirmek için algoritma ve mantıkla uğraşmak zorundayız. Birçok mantık olabilir. Yani siz kendinizinkini yapın, biz de bizimkini yapalım.
Kozul'u neden sevdiğimi zaten yazmıştım, çünkü düşünerek kendim buldum. Ve o da benim fikrime organik olarak uydu.
Ben "tutum" ile ilgilenmiyorum.
Tahmin edicinin sınıfları tahmin etme becerisiyle ilgileniyorum. Örneğin, mashka'nın alıntı ile kesinlikle bir "ilişkisi" var, bunu çıplak gözle görebilirsiniz. Ancak Mashka'nın (ve diğer yumuşatma algoritmalarının) sınıfları tahmin etme yeteneği neredeyse sıfır.
Kışın, %10 ila %20 arasında sınıflandırma hatasına sahip olan "öğretmen-tahminci" çiftlerimin EA'da bu sınıflandırma hatalarının çok büyük değerlere sahip olduğunu ve hatasız sınıflandırmadan elde edilen tüm karı tükettiğini öğrendim.
Buyüzden birkaç ay önce öğretmeni değiştirdim ve şimdi sınıfları tahmin edebilen ve bu yeteneğin zaman içinde değişmemesi gereken tahmin edicileriişe almaya çalışıyorum.
"Tavır" ile ilgilenmiyorum.
Ben tahmin edicinin sınıfları tahmin etme kabiliyetiyle ilgileniyorum. Örneğin, Mashka'nın alıntı ile kesinlikle bir "ilişkisi" var, bunu çıplak gözle görebilirsiniz. Ancak Mashka'nın (ve diğer yumuşatma algoritmalarının) sınıfları tahmin etme yeteneği neredeyse sıfırdır.
Kışın, %10 ila %20 sınıflandırma hatasına sahip olan "öğretmen-tahminci" çiftlerinin Uzman Danışman'da çok büyük sınıflandırma hatalarına sahip olduğunu ve bu hatasız sınıflandırmadan elde edilen tüm karı tükettiğini öğrendim.
Buyüzden birkaç ay önce öğretmeni değiştirdim ve şimdi sınıfları tahmin edebilentahmincileri işe almaya çalışıyorum ve bu yeteneğin zaman içinde değişmemesi gerekiyor.
Herkesin anlayabilmesi için parmakla gösterelim.
Herkes tahmin edicilerin sınıfları tahmin etme kabiliyetiyle ilgileniyor.
Şimdi ne yaptığınızı görelim: 2 rastgele seri (özellik ve hedef) alırsınız ve tahmin yeteneğini kontrol edersiniz (kayma olup olmaması şu anda önemli değil).
Yani her şeyi ve her şeyi açgözlü bir şekilde araştırırsınız. Muhtemelen tüm olası kombinasyonları hesaplamanın bir yolu vardır ve bu 10 yıl değil, + sonsuzluk sürmelidir.
Ancak şansınız yaver gidebilir ve ara sonuçtan memnun kalabilirsiniz.
Bu yaklaşımın ortaya çıkarılmamış başka büyük gizemleri var mı? Neden bu kadar lanse ediliyor.
Bunu herkesin anlayabileceği şekilde ifade edelim.
Herkes projektörlerin sınıfları tahmin etme becerisiyle ilgileniyor.
Şimdi ne yaptığınızı görelim: 2 rastgele seri alın (özellik ve hedef) ve tahmin yeteneğini kontrol edin (kayma olup olmadığı şu anda önemli değil).
Yani her zamanki açgözlülükle her şeyi ve her şeyi ararsınız. Muhtemelen tüm olası kombinasyonları hesaplamanın bir yolu vardır ve bu 10 yıl değil, + sonsuzluk sürmelidir.
Ancak şansınız yaver gidebilir ve ara sonuçtan memnun kalabilirsiniz.
Bu yaklaşımın açığa çıkarılmamış başka büyük gizemleri var mı? Neden bu kadar lanse ediliyor.
Aşma yok.
Tahmin edicinin belirli bir öğretmen sınıfını tahmin etme yeteneğini hesaplayan R'deki üç satırlık kod bir değerdir. Bu değer tahmin ediciden tahmin ediciye değişir, algoritmalarıma göre (bir saniyeden daha kısa sürede çalıştırılan 100 tahmin edici için birkaç tane var) ne kadar büyükse o kadar iyidir. Buna ek olarak, farklı tahmin ediciler için, tek bir sınıfı tahmin etme yeteneğinin değeri, pencere hareket ettiğinde çok fazla değişmez - %10 sd içinde ve bazı tahmin ediciler için %100 sd'den fazladır. Modele beslediğim 5-8 tahminci seçiyorum.
Aşırıya kaçmak yok.
Tahmin edicinin belirli bir öğretmen sınıfını tahmin etme yeteneğini hesaplayan üç satırlık R kodu bir değerdir. Farklı tahmin ediciler için farklıdır, algoritmalarıma göre (birkaç tane var, 100 tahminci için bir saniyeden az çalışıyor) ne kadar büyükse o kadar iyidir. Buna ek olarak, farklı tahmin ediciler için, tek bir sınıfı tahmin etme yeteneğinin değeri, pencere hareket ettiğinde çok fazla değişmez - %10 sd içinde ve bazı tahmin ediciler için %100 sd'den fazladır. Modele beslediğim 5-8 tahminci seçiyorum.
Buna ek olarak, tek bir sınıfı tahmin etme yeteneğinin büyüklüğü, pencere hareket ettikçe farklı tahmin ediciler için %10 sd içinde çok fazla değişmez
En az bir tane söyleyin :) Bu tür tahmin edicileri nerede arayacağınızı netleştirmek için.
pencere teklif geçmişinin zaman çerçevesi midir?
Pencere, model girişine beslenen tahmin edici değerlerin sayısıdır. Benim için H1'de 1500 çubuktur.
Bir isim verin :) Bu tür tahmin edicilerin nerede aranacağını netleştirmek için.
Çok fazla şey istiyorsun.
Buyüzden birkaç ay önce öğretmenleri değiştirdim ve şimdi sınıfları tahmin edebilentahmincileri işe almaya çalışıyorum ve bu yeteneğin zaman içinde değişmemesi gerekiyor.
Biraz uzun bir arama, özellikle de arama birkaç saniye uzunluğundaysa
Aşırıya kaçmak yok.
Tahmin edicinin belirli bir öğretmen sınıfını tahmin etme yeteneğini hesaplayan üç satırlık R kodu bir değerdir. Farklı tahmin ediciler için farklıdır, algoritmalarıma göre (birkaç tane var, 100 tahminci için bir saniyeden az çalışıyor) ne kadar büyükse o kadar iyidir. Buna ek olarak, farklı tahmin ediciler için, tek bir sınıfı tahmin etme yeteneğinin değeri, pencere hareket ettiğinde çok fazla değişmez - %10 sd içinde ve bazı tahmin ediciler için %100 sd'den fazladır. Modele beslediğim 5-8 tahminci seçiyorum.
Peki, OOS ile ilgili birkaç grafik görebilir miyim?