Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 179
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
PCA bileşen analizinden mi yoksa başka bir şeyden mi bahsediyorsunuz? Burada paylaştığım örneklerin hepsini hatırlamıyorum :)
PCA ile ilgiliyse - o zaman çöpten gelen şeker hala çalışmayacak. Kötü olanlarla karıştırılmış oldukça iyi tahmin edicilere sahip olmanız gerekir, o zaman PCA kötüyü iyiden ayıklayabilecektir.
Deneyiminizin olumlu sonuçlarını küçümsüyorsunuz. Grail yok. Ve yeniden eğitim gibi bu tür kötülüklerle savaşmak için kapsamlı bir araç var.
İlk adımda, tamamen açık çöpleri ayıklamak gerekir - yeniden eğitim üzerinde belirleyici bir etkiye sahip olan odur. Ve bu ilk adımda, PCA çok faydalıdır. Bu adımdan sonra hedef değişkenle ilgili tahminciler kalacak ve tüm fanteziler ortadan kalkacaktır. Ancak bu adımın önemini abartmayın - bu ilk adımdır. Bundan sonra, aşağıdaki adımlar gereklidir:
Ve PCA ile olan deneyimleriniz son derece faydalı olacaktır.
not.
Modellerin kendileriyle çalışmak konusunda kasıtlı olarak sessiz kaldığımı not ediyorum.
Deneyiminizin olumlu sonuçlarını küçümsüyorsunuz. Grail yok. Ve yeniden eğitim gibi bu tür kötülüklerle savaşmak için kapsamlı bir araç var.
İlk adımda, tamamen açık çöpleri ayıklamak gerekir - yeniden eğitim üzerinde belirleyici bir etkiye sahip olan odur. Ve bu ilk adımda, PCA çok faydalıdır. Bu adımdan sonra hedef değişkenle ilgili tahminciler kalacak ve tüm fanteziler ortadan kalkacaktır. Ancak bu adımın önemini abartmayın - bu ilk adımdır. Bundan sonra, aşağıdaki adımlar gereklidir:
Ve PCA ile olan deneyimleriniz son derece faydalı olacaktır.
not.
Modellerin kendileriyle çalışmak konusunda kasıtlı olarak sessiz kaldığımı not ediyorum.
Deneyiminizin olumlu sonuçlarını küçümsüyorsunuz. Grail yok. Ve yeniden eğitim gibi bu tür kötülüklerle savaşmak için kapsamlı bir araç var.
İlk adımda, tamamen açık çöpleri ayıklamak gerekir - yeniden eğitim üzerinde belirleyici bir etkiye sahip olan odur. Ve bu ilk adımda, PCA çok faydalıdır. Bu adımdan sonra hedef değişkenle ilgili tahminciler kalacak ve tüm fanteziler ortadan kalkacaktır. Ancak bu adımın önemini abartmayın - bu ilk adımdır. Bundan sonra, aşağıdaki adımlar gereklidir:
Ve PCA ile olan deneyimleriniz son derece faydalı olacaktır.
not.
Modellerin kendileriyle çalışmak konusunda kasıtlı olarak sessiz kaldığımı not ediyorum.
Modeli her bir çubukta yeniden eğitmek... Bu, tek bir çubuğun tüm modeli etkilediği anlamına mı geliyor? Her bir çubuğun öğrenmedeki önemi ışığında, aşırı eğitimle bitmek bilmeyen mücadeleniz anlaşılır hale geliyor...
Şimdi aklıma getirmeye çalıştığım model - evet, her yeni barda yeniden eğitim alıyorum. Dürüst olmak gerekirse, büyük bir etki görmüyorum... bazen art arda düzinelerce çubuk model eskisi gibi kalıyor (modele fazla takılmaya karşı koruma mekanizmaları tetikleniyor). Ancak haberlerdeki bir bankacı yanlış bir şey söylerse ve fiyat yanlış bir yere giderse, birkaç barda modelin en son değişiklikleri yakalaması umudu vardır. Modeli her çubuk için özelleştirmenin bir anlamı yoktur, ancak değişikliklere hızlı bir şekilde yanıt vermenin bir yolu varsa, onu kullanmamak günahtır.
Bana RSA hakkında daha fazla bilgi verebilir misiniz? Çöpü nasıl ayırabilirsin?
Bu başlıkta yaklaşık yüz sayfa önce San Sanych, "Temel bileşen analizi" gibi bir makaleye bağlantı verdi. Üzerinde biraz kod yaptım ve ayrıca buradaki konuya ekledim. Bulmak için çok sayfa okumanız gerekiyor.
Ben de bu makaleyi beğendim, gerçekten ne R ne de MQL içermiyor, sadece excel. Ancak eylem ilkesi biraz daha açık bir şekilde açıklanmıştır. http://www.chemometrics.ru/materials/textbooks/pca.htm
Bana RSA hakkında daha fazla bilgi verebilir misiniz? Çöpü nasıl ayırabilirsin?
Temel Bileşenlerin Nasıl Çalıştığını Görün
Ancak darkAlert'ten bu yöntemin neden bazı uygulama görevlerinde çalışmayacağını açıklayan ilginç bir yorum da var. Alıntı yaparım:
" PCA'nın (diğer klasik çok boyutlu veri azaltma yöntemleri gibi) yalnızca doğrusal bağımlılıkları aradığını söylemeyi unuttunuz ...".
Ticaretle ilgili olarak, bu yöntem uygun değildir, çünkü. burada, girdilere sağlanan hindi ve osilatörlerin değerleri şeklindeki öngörücülerin özellikleri açıkça doğrusal değildir.
^GSPC http://finance.yahoo.com adresinden alınmıştır, bence güvenilir
ve UNRATE, PAYEMS, GDP FRED'den alınmıştır (muhtemelen https://fred.stlouisfed.org/), o zaman bir yakalama olacak, uyarı için teşekkürler
Genel olarak, eurusd saatini daha sonra denesem iyi olur.
*Birisi bir şeyi ovuşturdu, tüm bu devlet endekslerinin bazen yeniden hesaplanıp tarihsel değerlerini değiştirmesine bir cevaptı.
Mümkün, ama söylemeyeceğim.
Önem, varyansa eklenen ağırlıktan hesaplanır. Bu kadar. Kullanmak veya kullanmamak
boyutu küçültmenin gerekli olup olmadığı, çocuğu suyla dışarı atmak mümkün olup olmayacağı,
herhangi bir şekilde veya ön işleme için geçerli ... başka bir soru ...
Ön işlemeyi çok daha kolay yapmıyorum, bazı veriler silinirken bence vızıldamıyor..... Çünkü aracın her sinyalini silmeden vermeniz gerekiyor. Çıktı değişkenini girdiye çevirmek için bir fikir var. Bazıları böyle, bazı uydurma unsurları :-) AMA
çıkış değişkeninin aracın kar miktarı tarafından düzenlendiğini dikkate alırsak, o zaman bu parametreyi değiştirerek en azından girdi verilerimizin ne kalitede olduğunu öğrenebiliriz. Hmm .... Açıklayacağım. Bir çıkış değişkeni seçmenin bir felsefesi vardır.Basit bir örnek, iki sinyalimiz var:
Kar mavi 1 pip. Kurulum şartlarında 50 pipsten fazla olan sinyalleri 1 ile işaretlemem gerektiğini söylemiştim. Bu mavi sinyal, piyasanın kendisi bir yükseliş trendinde olmasına ve bu mavi sinyalin bir olarak etiketlenebilmesine rağmen 0 olarak etiketlenecektir. Kar parametresini ayarlayarak, maksimum genelleme kabiliyetini elde etmek için çıktı setimizde ekstraları açıp kapatıyoruz..... Bu, eksi 100 piplik bir düz spread aralığında yapılabilir. Kaba kuvvet yöntemiyle, bu, 10'luk bir adımla bile , optimizasyonu en az on kez çalıştırması gereken bir pipettir ...... Genel olarak, soru açık kalır.
Bana RSA hakkında daha fazla bilgi verebilir misiniz? Çöpü nasıl ayırabilirsin?
Bu başlıkta sizin için bir bağlantı arayacak kadar tembel değilim, aynı zamanda buna ihtiyacım da yok.
Bu konuyu inceleyecek kadar nazik olun. Aynen böyle, PCA çöpleri taramaz - bir nüans vardır. Bu yüzden bakmak mantıklı.
Şimdi aklıma getirmeye çalıştığım model - evet, her yeni barda yeniden eğitim alıyorum. Dürüst olmak gerekirse, büyük bir etki görmüyorum... bazen art arda düzinelerce çubuk model eskisi gibi kalıyor (modele fazla takılmaya karşı koruma mekanizmaları tetikleniyor). Ancak haberlerdeki bir bankacı yanlış bir şey söylerse ve fiyat yanlış bir yere giderse, birkaç barda modelin en son değişiklikleri yakalaması umudu vardır. Modeli her çubuk için özelleştirmenin bir anlamı yoktur, ancak değişikliklere hızlı bir şekilde yanıt vermenin bir yolu varsa, onu kullanmamak günahtır.
Pek çok kez bu şekilde ve benim için bariz olan bir düşünceyi zorlamayı deniyorum: küçük bir hatayla fazla sığmayan bir model elde etmek için kullanılabilecek tek bir araç yok.
Her seferinde bir tane: bariz çöpleri temizlediler, ölçeklendirdiler, belki Woh-Soh, seçilmiş tahminciler, bir model aldılar ..... ve sonra, hedef sadece olduğu için her şeyin atılması gerektiği ortaya çıktı. tam bir saçmalık....
Benim uygulamamda, her adımda ekside tam anlamıyla %3-5 hata var. Ve başlangıçta model %40'tan fazla hata verdiyse ve yeniden eğitildiyse, yeniden eğitilmemiş modeli %20'ye taşımak mümkün oldu. Yaklaşık altı aylık bir çalışma.
Peki, burada MQL uzmanları var mı???? Hepimiz burada olduğumuza göre :-)
Bana seçenekleri söyle, bir değişkeni diğeri 0'a gelecek şekilde nasıl optimize edebilirim ???? Peki, ya da sıfıra talip .....
Genel olarak, optimizasyon başka bir değişkene dayalı değişkendir....