Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2622

 
Replikant_mih # :

Normul fikri, sadece, bana göründüğü gibi, burada önemlidir:

- Daha fazla istatistik almak için.

- Bir kişinin bir şeyi takas etmesi için (tek sistem).

- Bir kişinin objektif kalması ve sistematik olarak ticaret yapması için.


Bu durumda, iyi bir işaretleme alacağınızı düşünüyorum ve bu nedenle bundan normal bir fayda elde edebilirsiniz.

Bir şekilde istemek / bir şekilde almak daha iyidir))) borsadan alım satım geçmişi ve analiz)

 
BillionerClub # :
Ama ya bir kişi ticaret yaparsa ve ML'ye neyin iyi neyin kötü olduğunu verirse?
Herhangi bir veri üzerinde modellemek ve kulağa sadece cazip geldiğini anlamak daha iyidir.
 
mytarmailS # :
Herhangi bir veri üzerinde modellemek ve kulağa sadece cazip geldiğini anlamak daha iyidir.

Bir noktada birleşiyoruz. NS sadece tarihin akışında öğrenir. Öğrenme oranı oldukça yüksektir. Dezavantajları - veritabanının boyutu, bir yılda kalıp biriktirmek için yeterli değildir. Önceki sonuçlar bulanık. Bu, eğitim sırasında büyük zaman dilimlerinde ve düşük bir işlem sıklığında mümkündür. Ancak büyük bir zaman dilimi, büyük bir düşüş anlamına gelir - hiçbir TS, %100 isabeti garanti etmez. Görevlerden biri, piyasa hareketlerinden en iyi şekilde yararlanmaktır. Çıkış yolu - grafikte, çalışma modundaki danışman periyodik baz indirme ile ve test cihazında aynı zamanda eğitim modundaki danışman tabanı sürekli olarak iyileştiriyor. Bu salata sosu...

 
Dmytryi Voitukhov # :

Görevlerden biri, piyasa hareketlerinden en iyi şekilde yararlanmaktır. Çıkış yolu - grafikte, çalışma modundaki danışman periyodik baz indirme ile ve test cihazında aynı zamanda eğitim modundaki danışman tabanı sürekli olarak iyileştiriyor. Bu salata sosu...

Daha düşünceli okuyun. Princepe'de her şey doğru, ancak nöron birkaç nedenden dolayı çıkmaz bir yoldur.
 
mytarmailS # :
Daha düşünceli okuyun. Princepe'de her şey doğru, ancak nöron birkaç nedenden dolayı çıkmaz bir yoldur.

Bu kadar. Onlardan birine koştum. Teoride, tahminin doğruluğu, çıktı katmanındaki olasılığın eşik değerine göre filtrelenir, ancak daha sonra işlem sıklığı çok düşer ve duruma tepki verme hızı bozulur. Gizli katmanlarda filtrelemenin sonuç üzerinde çok az etkisi vardır. Antrenman yaparken, objektiflik için sabit eşit dur ve al kullanırım. Çalışma modunda - tüm resimleri işlemek için belirli bir mesafeden başlayarak başabaş noktasının ardından stop çekilir, yakınsama eşiği 0'a sıfırlanır - tüm resimleri işlemek için. Durma değeri 0 ile 10, ..., 50 ile 61 bar arasındaki hareketlerin ortalamasıdır. Bu değer yaklaşık olarak optimize edilen değerle örtüşür. Belki burada başka bir şey kullanılmalıdır? Zikzak sadece resmi daha da kötüleştirdi. Hangi çıkmazlarla karşılaştınız ve ne gibi çözümler öneriyorsunuz?

 
Dmytryi Voitukhov # :

Bu kadar. Onlardan birine koştum. Teoride, tahminin doğruluğu, çıktı katmanındaki olasılığın eşik değerine göre filtrelenir, ancak daha sonra işlem sıklığı çok düşer ve duruma tepki verme hızı bozulur. Gizli katmanlarda filtrelemenin sonuç üzerinde çok az etkisi vardır. Antrenman yaparken, objektiflik için sabit eşit dur ve al kullanırım. Çalışma modunda - tüm resimleri işlemek için belirli bir mesafeden başlayarak başabaş noktasının ardından stop çekilir, yakınsama eşiği 0'a sıfırlanır - tüm resimleri işlemek için. Durma değeri 0 ile 10, ..., 50 ile 61 bar arasındaki hareketlerin ortalamasıdır. Bu değer yaklaşık olarak optimize edilmiş değerle örtüşür. Belki burada başka bir şey kullanılmalıdır? Zikzak sadece resmi daha da kötüleştirdi. Hangi çıkmazlarla karşılaştınız ve ne gibi çözümler öneriyorsunuz?

Sabit dur, al, kayan pencere, tablo giriş verileri, tüm bunlar bariz nedenlerden dolayı oldukça durağan olmayan veriler için çalışmaz.

Kavramsal olarak, "ilişkisel kurallar" pazar için iyidir, ancak uygulama kendine ait olmalıdır.
 
Maxim Dmitrievsky # :

çoklu etiket değil, farklı bir anlamı var. Kötü sinyaller yinelemeli olarak elimine edilir, genel yığında ana model tarafından iyi tahmin edilenler bırakılır ve ikinci model, kötüyü iyiden ayırmayı, birincinin ticaretini yasaklamayı veya izin vermeyi öğrenir.

burada ve 2. modele ihtiyaç duyulmayabilir mi? - Model Seçimi için Çapraz Doğrulama ve Grid Arama ... ( Keras'ta )

ama belki sadece bir karışıklık matrisi 2. sorunuza cevap verecektir (fikrinizin 2. modelinin amacı) ...

veya sınıflandırma_raporu

... 2. modele ihtiyacınız olduğundan şüpheliydim ... IMHO

Cross Validation and Grid Search for Model Selection in Python
  • stackabuse.com
A typical machine learning process involves training different models on the dataset and selecting the one with best performance. However, evaluating the perfo...
 
mytarmailS # :
Sabit dur, al, kayan pencere, tablo giriş verileri, tüm bunlar son derece durağan olmayan veriler için çalışmaz

sonunda, bir tüccar gürültüden para kazanmak istiyor ... olası döngüsel dalgalanmalar yalnızca uzun vadede bir yatırımcının ilgisini çekebilir - ve finansal-ekonomik ilişkileri anlamadan DEĞİL, basit istatistikler değil ... IMHO görünüyor gürültüyü simüle etmek daha ilginç (bir tüccar için), ama daha riskli (ticareti için)... - olağan risk-kar dengesi

ps

ancak gürültüden (çalışmayan) gürültüyü filtrelemek (çalışmayan) hala aynı görevdir ( yani gürültü gürültü kirliliğini ayırmak ) ... Bir yerde Sinyal \ Gürültü> 2 oranına odaklanmaya değer bir makale gördüm (çalışma gürültüsü için ) -- TS modelinin trend bileşenine takılan sıradan bir osilatöre benziyor... her şey banal (yeni başlayanlara öğretildiği gibi - 1 trend türkiye, 1 osilatör) - ve böyle bir genel kılavuz çerçevesinde, (th) tüccarın kendisinin güvenmeye daha meyilli olduğu bilgi ve hesaplamalar için tercihlerinizden herhangi birini koyabilirsiniz - sadece burada TS'deki öznellik alanı görülür ... IMHO ... ve bu sıradanlık sadece dijitalleştirilmelidir robotun işlem yapması ve günlerce terminalin önünde takılmaması için NS modeline

Временные ряды-Введение
  • www.machinelearningmastery.ru
  • www.machinelearningmastery.ru
Статьи, вопросы и ответы на тему: машинное обучение, нейронные сети, искусственный интеллект
 
JeeyCi # :

burada ve 2. modele ihtiyaç duyulmayabilir mi? - Model Seçimi için Çapraz Doğrulama ve Grid Arama ...

ama belki sadece bir karışıklık matrisi 2. sorunuza cevap verecektir (fikrinizin 2. modelinin amacı) ...

veya sınıflandırma_raporu

... 2. modele ihtiyacınız olduğundan şüpheliydim ... IMHO

Yani bayan çapraz doğrulamanın ne olduğunu bilmediğimizi mi düşünüyor? )) Bin yüz avuç içi...

Ve "makale" sadece bir başyapıt)))

1) Rastgele orman için çapraz doğrulama yapmak gerekli değildir, çünkü kuralların kendisi bunu yapar, çünkü rastgeledir..

2) rastgele orman için özellikleri normalleştirmek gerekli değildir, ağaçlar ham özelliklerle çalışır

Alt tarafı
 
mytarmailS # :

1) Rastgele Orman çapraz doğrulama gerektirmez

ve cevap sizin için de değildi - okumayı asla öğrenmediniz ... (( - benim tarafımdan okuduklarınızı ve analiz becerileriniz uzun süredir sorgulanmadı, daha doğrusu onların yokluğu ve analiziniz ticaretiniz ve otomasyonu (tek bir kelime bile kafa karıştırmıyor ve bağlamları bozuyor)

ps

dinamiklerin analizi hiçbir şeydir - bağımlılıkların ön analizi olmadan... zaman serilerinin analizi, istatistikte diğer analiz türlerinden sonra yapılan son şeydir... -- ve yine de zaman serilerinizin temel bir bağımlılık bulma zahmetine girmeden durağan olmayan ... - sadece gülüp dalga geç (muhtemelen eğlendiğini mi düşünüyorsun?) - retorik bir soruyu cevaplamakla uğraşma