Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3164
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
Nasıl arama yapılır? Tüm yığınları (örneğin 100'e 5000 pp) gözden geçirin ve bu modeldeki diğer 500.000 satırın ne kadar başarılı tahmin yaptığını görün?
Evet, arka arkaya parçalar yerine rastgele örnekler çekebilirsiniz, bu daha doğru.
Gözlerim doldu, çok gülüyordum).
Bard'dan Rusça yazmasını istedim, hatalı yazdı, olur böyle şeyler... Rusça benim ana dilim değil, sadece burada kullanıyorum...
ve bana cevap verdi.)
Anladın mı?
Beni trollemeye başladı)))
Bu sadece acımasızlık))))
Seni trollemiyor.
RuSki yazmışsın - bu Sırpça'da "Rus" demek.
Bu yüzden sana Sırpça yazıyor.
Seni trollemiyor.
Russki yazmışsın. Sırpça "Rus" demek.
Bu yüzden sana Sırpça yazıyor.
Ahh))))
Ağaçlar ve ağaçlarda pekiştirmeli öğrenme hakkında ilginç bir makale.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4760114/
Algoritmayı piyasa verileri üzerinde test ettim...
Algoritma yeni veriler üzerinde Forest'a kıyasla kararlı çalışıyor....
algoritma yeniden eğitilmedi, tüm doğrulama örneklerinde sonuç ya test örneğinden daha iyi ya da çok daha iyi, daha kötüsünü görmedim....
Akurasi ortalama olarak Forrest'tan %2-4 daha iyi. Forrest 0.58 ise RLT ~ 0.62'ye sahip.
Her neyse, ilk testlere göre algoritma değerli, ancak öğrenmesi uzun zaman alıyor....
Ev yapımı. Deney olanakları sınırsızdır....
Evet. Ev yapımı olanları tartışmanın bir anlamı yok.
Neden ev yapımı olanlarla zaman kaybedelim? Milyonlarca kullanıcı tarafından pratik olarak kullanılan algoritmalara sahip düzinelerce ev yapımı olmayan var.....
algoritmayı piyasa verileri üzerinde test etti.
Algoritma.... Forest'a kıyasla yeni veriler üzerinde istikrarlı bir şekilde çalışır.
algoritma yeniden eğitilmiyor, tüm doğrulama örneklerinde sonuç ya test örneğinden daha iyi ya da çok daha iyi, daha kötüsünü görmedim....
Akurasi, Forrest'tan ortalama %2-4 daha iyi, yani Forrest 0,58'e sahipse, RLT ~ 0,62'ye sahip.
Her neyse, ilk testlere göre algoritma işe yarıyor, ancak öğrenmesi uzun zaman alıyor....
Teorilerine göre, iyi işleyen bazı "güçlü" özellikler olması gerekiyor ve sorun bunları diğer "zayıf" olanlardan ayırmak. Kendi alanları olan genetikte durum muhtemelen böyledir. Ancak bizim durumumuz açıkça farklıdır - özellikler güç bakımından kabaca eşittir, genellikle birbirlerine paraleldir ve güç dereceleri zaman içinde değişebilir.
Genel olarak, eğer mesele sadece bilgilendirici özelliklerin seçilmesi olsaydı, San Sanych gizli yöntemiyle uzun zaman önce trilyoner olurdu).
Teorileri, iyi işleyen bazı "güçlü" özellikler olduğunu ve tek sorunun bunları diğer "zayıf" olanlardan ayırmak olduğunu varsayar. Kendi alanları olan genetikte durum muhtemelen böyledir. Ancak bizim durumumuz açıkça farklıdır - özellikler güç bakımından yaklaşık olarak eşittir, genellikle birbiriyle örtüşür ve güç dereceleri zaman içinde değişebilir.
Genel olarak, eğer mesele sadece bilgilendirici özelliklerin seçilmesi olsaydı, San Sanych gizli yöntemiyle çoktan trilyoner olurdu).
Algoritma gerçekten çalışıyor ve daha kararlı ve akurasi daha iyi ve kappa daha iyi... başka bir deyişle, daha iyi çalışıyor ...
ve hem 1000 yeni gözlemden sonra hem de 20 000 gözlemden sonra çalışıyor ... ve hata ya aynı ya da daha iyi.
işaretlerin gücü yaklaşık olarak aynıdır
Burada aynı fikirde değilim.
bu algoritmanın önemi
Evet. Ev yapımı olanları tartışmanın bir anlamı yok.
Neden ev yapımı olanlarla zaman kaybedelim? Milyonlarca kullanıcı tarafından pratik olarak kullanılan algoritmalara sahip düzinelerce ev yapımı olmayanlar var.....
Paketleri tartışmıyorum, sadece fikirleri tartışmayı teklif ediyorum.
Çünkü bu algoritmalarda yer almayan şeyleri deneyebilir ve yapabilirim - kara kutular.
Paketleri tartışmıyorum, sadece fikirleri tartışmayı öneriyorum.