Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1907

 
Maksim Dmitrievski :

peki, böyle. 24 değil, sadece 12 özellik var

hatalarım var

>>> print(train_score, " ", tst_score)

1.0 0.545454545454554

Likbez, Maxim'i tamamen ustanın omzundan konu alıyor. Oraya attığın o dosya sadece 12 girdi. En baştan başlamak için 20-24 hamleye sahip olmanız gerekir, sonra 11 girdi ile başlayabilir (bu benim kapasitelerim için maksimumdur) ve girdilerin sayısını azaltarak ve bunları sıralayarak onlara gidebilirsiniz. Yukarıdan aşağıya optimizasyon olduğunda, ilk on tek seferlik koşuyu, en iyi koşuyu seçecek ve ondan normal olarak antrenmana başlayacak şekilde yapıyorum. Birkaç girdi varsa, genellikle 5 girdiyle en alttan başlarım ve eğitim sırasında maksimum numaralandırma bölgesine başlamayı geciktirmek için ilk on çalıştırma için en kötü durumu seçerken girdi sayısını artırmaya çalışırım. İlk durumda, kaynakları şiddetle kurtarırım. İkinci durumda, en kötü seçeneği seçerek, mümkün olduğunca tüm olası seçenekleri sıralamaya çalışıyorum.

Bu tür verilere sahip olmanız tam bir saçmalık. Bana ne olduğuna bak ve bu sonuçlara güveniyorum, sadece geleceğe bakan girişlerine güvenmiyorum. Sadece Maxim, bunu yapman ayıp ama çocuklar bizi izliyor ve sen onlar için resimler yapıyorsun ve hala neden OOS için işe yaramadığını merak ediyorsun

Haydi, şimdi size modeli ve eğitim dosyasını göndereceğim, böylece atamanıza hangi giriş numarasının karşılık geldiğini bileceksiniz, AMA OOS'ta çalışan modeli göstermezseniz, bunu size bir daha yapmayacağım. Herkes yaptığı işin sonucunu bilmek ister. Yani şeytan makinesi bedava çalışmıyor.


Ana kodun gerçek sıkışması

vv0[q]= 0 ; //12    вместо нулей подай значения своих входов
vv1[q]= 0 ; //10
vv2[q]= 0 ; //8
vv3[q]= 0 ; //2
double Ress1=getBinaryClassificator1(vv0[q],vv1[q],vv2[q],vv3[q]);   //Вызов результатов полиномов 
double Ress11=getBinaryClassificator2(vv0[q],vv1[q],vv2[q],vv3[q]);

double getBinaryClassificator1( double v0, double v1, double v2, double v3) {
   double x0 = 2.0 * (v0 + 0.00352160000000379 ) / 0.0060209999999973896 - 1.0 ;
   double x1 = 2.0 * (v1 + 0.00321680000000524 ) / 0.006628599999996879 - 1.0 ;
   double x2 = 2.0 * (v2 + 0.00257640000000836 ) / 0.00577599999999978 - 1.0 ;
   double x3 = 2.0 * (v3 + 0.00197520000000417 ) / 0.00414859999999794 - 1.0 ;
   double decision = 0.6226912928759895 * x0
  - 0.013192612137203167 * x0 * x1
  + 0.9920844327176781 * x2
  + 1.3060686015831136 * x0 * x2
  - 3.5395778364116093 * x1 * x2
  - 1.1394019349164468 * x3
  + 2.5659630606860158 * x0 * x3
  + 0.5395778364116095 * x1 * x3
  + 0.31090589270008795 * sigmoid(x0)
  + 0.009674582233948988 * sigmoid(x1)
  - 0.0839929639401935 * sigmoid(x0 + x1)
  + 0.012313104661389622 * sigmoid(x2)
  + 0.30474934036939316 * sigmoid(x0 + x2)
  - 0.5958663148636764 * sigmoid(x1 + x2)
  + 0.002638522427440633 * sigmoid(x0 + x1 + x2)
  - 0.05013192612137203 * sigmoid(x3)
  + 0.014951627088830254 * sigmoid(x0 + x3)
  - 0.13412489006156553 * sigmoid(x1 + x3)
  - 0.006596306068601583 * sigmoid(x0 + x1 + x3)
  + 0.04397537379067722 * sigmoid(x2 + x3)
  + 0.1363236587510994 * sigmoid(x0 + x2 + x3)
  + 0.6952506596306068 * sigmoid(x1 + x2 + x3)
  - 0.29331574318381703 * sigmoid(x0 + x1 + x2 + x3)
  + 1.0738786279683377 * sigmoid( 1.0 + x0)
  - 1.073438874230431 * sigmoid( 1.0 + x1)
  - 0.4256816182937555 * sigmoid( 1.0 + x0 + x1)
  + 1.0708003518029903 * sigmoid( 1.0 + x2)
  + 0.9656992084432717 * sigmoid( 1.0 + x1 + x2)
  - 3.1314863676341247 * sigmoid( 1.0 + x3)
  - 0.8500439753737907 * sigmoid( 1.0 + x0 + x3)
  + 1.0281442392260334 * sigmoid( 1.0 + x1 + x3)
  + 0.8544415127528584 * sigmoid( 1.0 + x0 + x1 + x3)
  - 0.21328056288478453 * sigmoid( 1.0 + x0 + x1 + x2 + x3);
   return decision;
}
double sigmoid( double x) {
   if ( MathAbs (x) < 1.0 ) {
       return 2.0 * signum(x) - x;
   }
   return signum(x);
}
double getBinaryClassificator2( double v0, double v1, double v2, double v3) {
   double x0 = 2.0 * (v0 + 0.00518320000001116 ) / 0.00871940000000327 - 1.0 ;
   double x1 = 2.0 * (v1 + 0.00542880000001134 ) / 0.01145720000000306 - 1.0 ;
   double x2 = 2.0 * (v2 + 0.00578500000001125 ) / 0.00872540000000166 - 1.0 ;
   double x3 = 2.0 * (v3 + 0.00496500000001143 ) / 0.00698900000000191 - 1.0 ;
   double decision = - 0.17965023847376788 * x0
  + 1.7416534181240064 * x1
  + 0.5389507154213037 * x0 * x1
  + 0.5023847376788553 * x2
  - 0.16653418124006358 * x1 * x2
  - 0.06836248012718601 * x3
  - 0.8191573926868044 * x1 * x3
  - 0.029809220985691574 * sigmoid(x0)
  - 0.009141494435612083 * sigmoid(x1)
  + 0.00794912559618442 * sigmoid(x0 + x1)
  + 1.7150238473767885 * sigmoid(x2)
  - 1.2686804451510334 * sigmoid(x0 + x2)
  + 0.051271860095389504 * sigmoid(x1 + x2)
  + 0.05405405405405406 * sigmoid(x0 + x1 + x2)
  - 1.095389507154213 * sigmoid(x3)
  - 0.2444356120826709 * sigmoid(x0 + x3)
  + 0.34737678855325915 * sigmoid(x1 + x3)
  + 0.9264705882352942 * sigmoid(x0 + x1 + x3)
  + 0.16176470588235295 * sigmoid(x2 + x3)
  - 0.7682829888712241 * sigmoid(x0 + x2 + x3)
  - 0.16335453100158984 * sigmoid(x1 + x2 + x3)
  + 0.7551669316375199 * sigmoid(x0 + x1 + x2 + x3)
  - 2.048489666136725 * sigmoid( 1.0 + x0)
  - 0.31756756756756754 * sigmoid( 1.0 + x1)
  - 0.08982511923688394 * sigmoid( 1.0 + x0 + x1)
  + 1.4666136724960255 * sigmoid( 1.0 + x1 + x2);
   return decision;
}
double signum( double x) {
   if (x == 0.0 ) {
     return 0.0 ;
  }
   if (x > 0.0 ) {
     return 1.0 ;
  }
   return - 1.0 ;
}

Ekteki dosyadan, işaretlememe göre girdilerin sayısını belirledim. OOS koşularının sonuçlarını bekliyorum

Dosyalar:
Si_Splice_10.txt  102 kb
 

Eh, modelin değerlendirilmesine ek olarak.

Tahmin edicilerde dosyadaki sütun sayısı belirtilir.

258 toplam vektör sayısı. Sınıf 0 ve sol sınıf 2 kaldırıldı, sıfır olarak yeniden adlandırıldı, çünkü nicelik olarak sınıf 1 ile dengelendiler, 19.60 ikinci dereceden bir hatadır veya daha doğrusu düz doğrusal ve ikinci dereceden arasındaki fark, sıfıra eğilimli olmalıdır, 79.141 Genel genelleme yeteneği, gösterge 100 için çabalarken, hatalar arasındaki fark azalır, 69.767 özgüllüktür. Kontrol grafiğinin toplam sayısı 75, genelleme yeteneği ise 70'tir. Kontrol grafiğinde 17 tanesinin olduğu toplam örneğin 77 vektöründe BİLMİYORUM cevabını aldık.

Aslında en kötü sonuçları antrenmanda almama rağmen, kontrol bölümünde çok daha yüksekler. Bunun sizinki gibi bir test sitesi değil, ağın genel olarak görmediği bir kontrol sitesi olmasına rağmen. Test, testte iyi çalışması için eğitim üzerinde eğitim aldığı zamandır, yani potansiyel olarak ağ eğitim sırasında test bölümünü görür. Kontrol NO. Sorular????

 

Lütfen bana maksimum kârlı (mql4) bir siparişi nasıl bulacağımı söyleyin.

Çok teşekkürler.

 
a5l3e5x :

Lütfen bana maksimum kârlı (mql4) bir siparişi nasıl bulacağımı söyleyin.

Çok teşekkürler.

Dostum, artık burada kimse MT4 kullanmıyor, siparişin bir kar parametresi var. Bu parametreyi okumak ve maksimum olanı seçmek için tüm siparişleri numaralandırmak gerekir. işte bu kadar... özetle...
 
Michael Marchukajtes :

Bu görev ilginç mi?

Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum

Ticarette makine öğrenimi: teori, uygulama, ticaret ve daha fazlası

Rorschach , 2020.07.14 19:21

kim egzersiz yapmak ister? En üstteki grafik giriş, üçüncüsü ise çıkış. 2 ve 4 testi. Bazı açıklamalar, 1 artış grafiği, 3 grafik, bazı "klasik" sistem satın almak için bir işarettir. Bu arada, hızlı bir soru, zikzak ve yüksek/düşük göstergesi gibi mantıksal ve bellek göstergelerini taklit edebilir mi?



 
Rorschach :

Bu görev ilginç mi?


Diyelim ki, bana resimden sayılar çıkarmamı mı teklif ediyorsunuz?
 
Michael Marchukajtes :
Diyelim ki, bana resimden sayılar çıkarmamı mı teklif ediyorsunuz?

Sonra verileri hazırlayacağım, 350 örnek, 100 girdi çekecek mi?

 
Rorschach :

Sonra verileri hazırlayacağım, 350 örnek, 100 giriş çekecek mi?

Evet, bu genellikle harika, ancak algoritmanın seçebileceği çok şey olması için üç kat daha fazla girdi örneği olması gerektiği gerçeğine bağlıyım. Kahretsin, yazacağım başka bir videonun kokusunu alıyorum, yoksa yazmam uzun sürecek. Bu sonuca vardığım bir kare matris teorisi var ... Bir örnek hazırlayın ...
 

Reklam için değil insanları kontrol edin. Bir kere onların açık günündeyken, kendi kendine öğrenmenin yeterli olduğunu düşündüm, asla bilemezsin, birdenbire her şeyin yanlış olduğunu hayal ettim. Bir anlamda bilgimin resmi olarak onaylanmasını istiyorum. Daha geçen gün Elon Musk ve Ağustos'ta tanıtılacak olan Neurolink'i hakkında bir şeyler okudum. İşte, olduğu gibi, bir mektup geldi ve içeriğin nasıl indirileceğini anlamadı, bu yüzden resme bakın.

Genel olarak, konu ilginç, bu yüzden belki orada gizlice bir araya gelip baskı hakkında konuşabiliriz? ne düşünüyorsun?

 
Michael Marchukajtes :
Evet, bu genellikle harika, ancak algoritmanın seçebileceği çok şey olması için üç kat daha fazla girdi örneği olması gerektiği gerçeğine bağlıyım. Kahretsin, yazacağım başka bir videonun kokusunu alıyorum, yoksa yazmam uzun sürecek. Bu sonuca vardığım bir kare matris teorisi var ... Bir örnek hazırlayın ...

Sonuçlarım burada ayrıntılı. Doğrulama için orijinal satırları -1 ile çarpıyorum

Dosyalar:
Files.zip  4 kb