Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1329
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
Aynı şeyi öğretmen olmadan da yapabilirsiniz. Bunda bir fark görmüyorum.
Birkaç if ifadesi ile çözülen bir problemi öğrenen ve çözen bir grup nöron hayal edin.
Pekala, anlıyorum, buna a priori bilgi, yerleşik akran incelemesi deniyor, ancak bunları modelle tekrar kontrol etmiyorsunuz çünkü %100 eminsiniz
Rastgele süreç hakkında, rastgele olması ve birkaç küçük inanç dışında hiçbir bilgim yok.Pekala, anlıyorum, buna a priori bilgi, yerleşik akran incelemesi deniyor, ancak bunları modelle tekrar kontrol etmiyorsunuz çünkü %100 eminsiniz
Evet kesinlikle. Bu pratikte bir aksiyomatiktir - neden kontrol edelim. Çözümün apriori kısmını biliyoruz - piyasada boş yere meditasyon yapıyoruz.)
Yine, farklı yaklaşımlardan bahsediyoruz.
bir öğretmenle eğitimin var, çünkü önce sen koy, öğretmenim yok
Ben hatırlıyorum. Elbette farklı yaklaşımlar var. Bir kez daha, bunda (öğretmenle) herhangi bir kontrendikasyon görmüyorum. İstenirse, kesinlikle görünürse, her şey gerçekleştirilebilir.
Öğretmensiz bir RNN'niz yoksa, burada her şey daha karmaşıktır ve sadece bilmiyorum, kullanmadım. Bu arada, ne kullanıyorsun? M.b. dediler ama konuyu küreklemek için...
Ben hatırlıyorum. Elbette farklı yaklaşımlar var. Bir kez daha, bunda (öğretmenle) herhangi bir kontrendikasyon görmüyorum. İstenirse, kesinlikle görünürse, her şey gerçekleştirilebilir.
Öğretmensiz bir RNN'niz yoksa, burada her şey daha karmaşık ve bilmiyorum, kullanmadım. Bu arada, ne kullanıyorsun? M.b. dediler ama konuyu küreklemek için...
bir çok şey, rn hala yeterli değildi)) o zaman yapacağım
temeller hakkında bir makale var, ama doğal olarak daha da ileri gitti
bir çok şey, rn hala yeterli değildi)) o zaman yapacağım
temeller hakkında bir makale var, ama doğal olarak daha da ileri gitti
Kavşakta - sağa gideceksiniz ... vb. Tensorflow, çok iyi işlevsellik, ancak çok ağır olduğunu söylüyorlar. Şimdiye kadar sadece belgeleri okudum. kullanmadın mı?
Kavşakta - sağa gideceksiniz ... vb. Tensorflow, çok iyi işlevsellik, ancak çok ağır olduğunu söylüyorlar. Şimdiye kadar sadece belgeleri okudum. kullanmadın mı?
açısından ağır? tf düşük seviye, theano'nun üstüne koy, tf.theano'yu kullan, o zaman her şey daha kolay
Farklı örneklere baktım ama henüz geliştirme yapmadım
2. versiyon yolda, sitede zaten mevcut, modellerin oluşturulması orada basitleştirildiaçısından ağır? tf düşük seviye, theano'nun üstüne koy, tf.theano'yu kullan, o zaman her şey daha kolay
Farklı örneklere baktım ama henüz geliştirme yapmadım
Hız açısından. Bence, belki. şimdilik scikit-learn'de dur, CHAZ. MLP'ler oldukça iyi.
Hız açısından. Bence, belki. şimdilik scikit-learn'de dur, CHAZ. MLP'ler oldukça iyi.
bilmiyorum, sanmıyorum
dofig paketleri, sadece en popüler ve gelişmekte olan paketleri incelemeye çalışıyorum
sklearn bir tür karışıklıktır
tf yerel mimarilerin daha fazla kurucusu
NN'ler ölçeklendirmeyi gerçekten sevmiyor. Fiyat aralığında eğitilmiş - 100-120, fiyat ötesine geçecek - bu kadar, paragraf. Sadece fiyatla ilgili her şeyi fiyatın kendisine böler, bir çıkarır ve ardından değişkenleri istenen dinamik aralığa sürmek için katsayıları kullanırım.
Bu nedenle, hem orada hem de orada, kabul edilebilir bir metrik için veri ön işlemesi gereklidir. ATR'mi üst TF'lerden kullanıyorum ve fiyatı bunun içinde konumlandırıyorum - seviyelere göre çentikli dominolar alıyorum, fiyata bir Fibonacci seviye numarası atanıyor.
Bitmiş işleme modelleri, 201'den 401'e kadar tohum - diğer her şey değişmedi.
Denge değerlendirmesinin sonuçlarını içeren tablo
Metrik içeren tablo
Bağımsız bir örneklem üzerinde seçim kriterlerini karşılayan modellerin sayısını gösteren tablo
Her üç örnekte de seçim kriterine uyan model sayısını gösteren tablo
Model çizelgeleri (çoğunlukla gifler)
otuz%
%40
elli%
%60
Eğilim esas olarak tüm göstergeler için korunmuş gibi görünüyor, aşağıda delta tabloları var - öyle oldu - değişiklikleri karşılaştırmak için
Metrikler açısından, fark genellikle minimumdur.
Toplanan verilerden, eğilimin genel olarak devam ettiği sonucuna varılabilir.
En çok başka bir soruyla kafam karıştı - grafikler neden farklı örneklerdeki farklı modeller için çok benzer, öyle görünüyor ki modeller, sık aralıklarla ve farklı örnek boyutlarında kendini gösteren bir tür bariz modeli yakalamayı başarıyor (her durumda, bu parça sürekli pencereye düşer) ve modelin yararlandığı bu düzenliliktir.
Kendim için, ilginç modeller arayışında doğrulama sitesi lehine tüm verilerin örneğinin% 30'undan% 70'ine dağıtmanın oldukça mümkün olduğu sonucuna vardım, ancak% 30'unun hala optimal olduğu görülüyor.