Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2107
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Olması gereken yol bu. NS sınıfları ile dengeleme gereklidir. Ağaçlar iyi olacak.
Her zaman baş edemezler - daha önce yazdım.
Makalesinde yakılan karlı bir danışman gibi görünüyor (öğrenme yaklaşımı):
Grafikte, modelin her ayın sonundaki finansal sonucu, eğer ilk model 12 ay boyunca eğitilirse ve ardından her yeni ayın geçmişi buna eklenir - USDRUB_TOM için Si vadeli işlem sözleşmesi yapıştırılır.
Her zaman baş edemezler - daha önce yazdım.
Evet, aslında, tahmin göstergelerine gürültü ekleyerek. Bu, niceleme sınırlarını etkileyebilir, bölüm seçimini olanlarla zenginleştirebilir, ancak fikir, kopyaları eklerken aynı etkinin olması gerektiğidir, tek şey, eğitim başlamadan önce kopyaların CatBoost algoritması tarafından kesildiğini varsaymamdır (ihtiyacınız var). kontrol etmek için), sonra evet - bir seçenek.
Aksine, nicemleme bu gürültüyü hiçbir şeye indirgemeyecektir. Bir sütunda 10.000 farklı değer varsa, 255 kuantuma niceleme yapılırken ortalama olarak 40 farklı değer bir kuantuma düşecektir. Veya başka bir örnek - orijinal olarak 1000 örnek varsa, 10.000 örnek elde etmek için gürültü ekleriz, sonra kendimizi 255 farklı nicem / değere nicemlendiririz - bence bu gürültü ilavesiyle fazladan çalışma.
Geçenlerde koda baktım - kopyaların kaldırıldığını görmedim. Aksine, 40 farklı örnekten 1 kuantumda birleştirilerek kopyalar yapılır.
Ağaçların derinliğini artırmanın dengelemekten daha kötü bir faydası olmayacağını düşünüyorum.
Derinliği artırmayı da deneyebilirsiniz. Aynı zamanda öğrenme oranını aynı anda azaltmak da gereklidir - bu aynı zamanda dengesiz numunelerdeki sonucu da iyileştirir.
Bunun yerine, nicemleme bu gürültüyü hiçbir şeye indirgemeyecektir. Bir sütunda 10.000 farklı değer varsa, 255 kuantuma niceleme yapılırken ortalama olarak 40 farklı değer bir kuantuma düşecektir. Veya başka bir örnek - orijinal olarak 1000 örnek varsa, 10.000 örnek elde etmek için gürültü ekleriz, sonra kendimizi 255 farklı nicem / değere nicemlendiririz - bence bu gürültü ilavesiyle fazladan çalışma.
Aralıktaki nesnelerin kalabalıklığını hesaba katanlar da dahil olmak üzere farklı niceleme yöntemleri kullanırlar.
Geçenlerde koda baktım - kopyaların kaldırıldığını görmedim. Aksine, 40 farklı örnekten 1 kuantumda birleştirilerek kopyalar yapılır.
Kodda niceleme sürecini (sınırları belirleme) bulduysanız, bu kodu gönderebilir misiniz? fonksiyonlar var mı?
Ve burada derinlik artışı
bir sınıftan büyük bir nokta bulutunuz ve yanda (veya belki de içinde) hiçbir zaman yürütülmeyen birkaç başka örneğiniz var.
ikinci sınıf makul boyutlara şişirilmeli veya bir sınıf sınıflandırma algoritmaları kullanılmalıdır
Ve burada derinlik artışı
bir sınıftan büyük bir nokta bulutunuz ve yanda (veya belki de içinde) hiçbir zaman yürütülmeyen birkaç başka örneğiniz var.
ikinci sınıf aklı başında boyutlara şişirilmelidir
Derinliği artırmak, yapraklarda az sayıda örnek bulunan alanları vurgulamaya yardımcı olacaktır, başka bir şey, sıfırlı yaprak yüzdesinin aynı kalabilmesi ve ardından sonraki ağaçların bu birimlerin üzerine yeniden yazmasıdır. Bu tür örnekleri eğitirken, eğitimin ortasında Geri Çağırmanın nasıl sıfıra gittiğini ve ardından tekrar küçük yüzdelere döndüğünü görebilirsiniz.
Bir örnek versem şişirebilir misin? Yöntem işe yarıyorsa, onu MT5'te en iyi nasıl uygulayacağımı düşüneceğim.
Derinliği artırmak, yapraklarda az sayıda örnek bulunan alanları vurgulamaya yardımcı olacaktır, başka bir şey, sıfırlı yaprak yüzdesinin aynı kalabilmesi ve ardından sonraki ağaçların bu birimlerin üzerine yeniden yazmasıdır. Bu tür örnekleri eğitirken, eğitimin ortasında Geri Çağırmanın nasıl sıfıra gittiğini ve ardından tekrar küçük yüzdelere döndüğünü görebilirsiniz.
Bir örnek versem şişirebilir misin? Yöntem işe yarıyorsa, onu MT5'te en iyi nasıl uygulayacağımı düşüneceğim.
Yapabilirim. Yapraklar falan saçmalık. Sınıflar dengeli olmalı
İşte bir seçim - anladığım kadarıyla 3 bölüme ayrılmış, sadece train.csv'nin değiştirilmesi gerekiyor mu?
Hedef sütun "Target_100" - son 4 sütun eğitime dahil değildir (orada tarihlerle sütuna gidebilirsiniz) - bir denge oluşturmak için gereklidirler.
Makalesinde yakılan karlı bir danışman gibi görünüyor (öğrenme yaklaşımı):
Grafikte, modelin her ayın sonundaki finansal sonucu, eğer ilk model 12 ay boyunca eğitilirse ve ardından her yeni ayın geçmişi buna eklenir - USDRUB_TOM için Si vadeli işlem sözleşmesi yapıştırılır.
karlı bakiye aynı açıda YUKARI gider
yeniden yatırım yaparsan ya geometrik olarak