Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1881
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
Sorun şu ki, veri hazırlama şeması kendi kendini tüketmiş gibi görünüyor, doğru cevapların %65-66'sından fazlası sıkıştırılamıyor, ancak daha fazlasının olması gerekiyor. Bu duvarı yıkmanın bir yolunu arıyorum.
Hedefin nedir?
Hedefin nedir?
%65 doğru cevaplar iyi bir gösterge seviyesidir, nöro şu anda bunu gösteriyor. %70 ve üzeri seviyelerden pozisyon açmaya çalışmak mümkün olacaktır.
Anlıyorum ama hedef ne? ağları ne tahmin ediyorsun? tersine çevirme? akım? trend, trend olarak tanımladığınız şeyse?
Anlıyorum ama hedef ne? ağları ne tahmin ediyorsun? tersine çevirme? akım? trend, trend olarak tanımladığınız şeyse?
Örneğin görev, bir kediyi bir köpekten bir fotoğraftan ayırt etmektir. Seçmek için doğru eğitim seçeneği nedir?
1. Yalnızca kedi ve köpek resimlerini gösterin, yani. ikili sınıflandırma.
2. Yalnızca kedileri ve "kedi olmayanları" (protos kaos) + ayrıca köpekleri ve "köpek olmayanları" ayrı ayrı göstererek, ör. iki eğitim döngüsü ve iki çıktı modeli.
3. Kedi, köpek ve kaos olmak üzere üç sınıflandırma yapın. Onlar. bir model olacak, ancak cevap üç seçeneğin sınıflandırılması.
Şimdi ilk seçeneğim var ve açıkça çarpık. Sorun, nöronun seçeneklerden sadece birini iyi öğrenmesi, şartlı olarak sadece "kedileri" iyi görmesi ve köpekleri kötü tanımasıdır. Örneğin, geriye dönük testlerde, modeller fiyat hareketini iyi belirler ve aşağı hareketi görmezden gelir. Yukarı tahmin %67'ye ulaşırsa, aynı model sadece %55 aşağı tahmin eder. Modelden modele "yukarı" ve "aşağı" yer değiştirebilir.
Anlıyorum ama hedef ne? ağları ne tahmin ediyorsun? tersine çevirme? akım? trend, trend olarak tanımladığınız şeyse?
Bu arada, belki uzmanlar size söyler. Bir soru:
Örneğin görev, bir kediyi bir köpekten bir fotoğraftan ayırt etmektir. Seçmek için doğru eğitim seçeneği nedir?
1. Yalnızca kedi ve köpek resimlerini gösterin, yani. ikili sınıflandırma.
2. Yalnızca kedileri ve "kedi olmayanları" (protos kaos) + ayrıca köpekleri ve "köpek olmayanları" ayrı ayrı göstererek, ör. iki eğitim döngüsü ve iki çıktı modeli.
3. Kedi, köpek ve kaos olmak üzere üç sınıflandırma yapın. Onlar. bir model olacak, ancak cevap üç seçeneğin sınıflandırılması.
Şimdi ilk seçeneğim var ve açıkça çarpık. Sorun, nöronun seçeneklerden sadece birini iyi öğrenmesi, şartlı olarak sadece "kedileri" iyi görmesi ve köpekleri kötü tanımasıdır. Örneğin, geriye dönük testlerde, modeller fiyat hareketini iyi belirler ve aşağı hareketi görmezden gelir. Yukarı tahmin %67'ye ulaşırsa, aynı model sadece %55 aşağı tahmin eder. Modelden modele "yukarı" ve "aşağı" yer değiştirebilir.
Buradaki sorun, sınıflandırma seçeneklerinde değil, eğitim için örneklerin dengesizliğinde, örneklerin sayısında veya karakteristik özelliklerinde dengesizliktir.
Evrişim ağı?
Bu arada, belki uzmanlar size söyler. Bir soru:
Örneğin görev, bir kediyi bir köpekten bir fotoğraftan ayırt etmektir. Seçmek için doğru eğitim seçeneği nedir?
1. Yalnızca kedi ve köpek resimlerini gösterin; ikili sınıflandırma.
2. Yalnızca kedileri ve "kedi olmayanları" (protos kaos) + ayrıca köpekleri ve "köpek olmayanları" ayrı ayrı göstererek, ör. iki eğitim döngüsü ve iki çıktı modeli.
3. Kedi, köpek ve kaos olmak üzere üç sınıflandırma yapın. Onlar. bir model olacak, ancak cevap üç seçeneğin sınıflandırılması.
Şimdi ilk seçeneğim var ve açıkça çarpık. Sorun, nöronun seçeneklerden sadece birini iyi öğrenmesi, şartlı olarak sadece "kedileri" iyi görmesi ve köpekleri kötü tanımasıdır. Örneğin, geriye dönük testlerde, modeller fiyat hareketini iyi belirler ve aşağı hareketi görmezden gelir. Yukarı tahmin %67'ye ulaşırsa, aynı model sadece %55 aşağı tahmin eder. Modelden modele "yukarı" ve "aşağı" yer değiştirebilir.
İki nokta kümesi var, bu noktalara ne dendiğini hatırlamıyorum, herhangi bir fotoğraf tanıma, göz, burun, ağız, kulak, yanak bölgesinin noktalarının ve aralarındaki mesafe ve konumun tanımıdır. Her şey basit. Bu nedenle, sadece bir kedi gösterirseniz, o zaman bu değildir. İlk önce bir kediyi kedilerden, bir köpeği köpeklerden tanımayı ve ancak o zaman ayırt etmeyi öğretmeniz gerekir.
Ve evet, sadece 2 döngü değil, 2'den fazla sınıf varsa eğitimde daha fazla
Buradaki sorun, sınıflandırma seçeneklerinde değil, eğitim için örneklerin dengesizliğinde, örneklerin sayısında veya karakteristik özelliklerinde dengesizliktir.
Evrişim ağı?
Eğitim örneklerinin dengesizliği çok iyi sebep olabilir, ancak bunun aktivasyon işleviyle zor olması gerektiğini düşünüyorum. Cevap yanlış deliğe düşüyor, ancak bu deliklerden çok var. Görselleştirme için TensorBoard'da ustalaşmanız gerekiyor, ancak bu tam bir karmaşa...
Kısacası bilgi yetmez.
Hayır, evrişimli değil, gerçek resimler göstermiyorum))
Eğitim örneklerinin dengesizliği pekala sebep olabilir, ancak bunun aktivasyon işlevi ile zor olması gerektiğini düşünüyorum. Cevap yanlış deliğe düşüyor, ancak bu deliklerden çok var. Görselleştirme için TensorBoard'da ustalaşmanız gerekiyor, ancak bu tam bir karmaşa...
Kısacası bilgi yetmez.