Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2645
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Durum böyle de olabilir. Ancak özelliklerin karşılaştırılması/seçimi ve metaparametrelerin optimizasyonu için daha yorumlanabilir bir yaklaşım gibi görünüyor.
Peki ya ortak kurallar işe yaramadı mı?
Fikir genel olarak açıktır. Her halükarda, öncelikle sürekli bir tahminciler kümesini kuralların oluşturulduğu ayrık öğelere bölmek için bir algoritma düşünmemiz gerekir. Bu tür iyi tahmin ediciler ve bunların iyi bölümlendirilmesi gerçekten varsa ve bulunursa, gerisi teknik bir meseledir.
Fikir genel olarak açıktır. Her halükarda, öncelikle sürekli bir tahminciler kümesini kuralların oluşturulduğu ayrık öğelere bölmek için bir algoritma düşünmemiz gerekir. Eğer böyle iyi tahmin ediciler ve bunların iyi bölümlendirilmesi gerçekten varsa ve bulunursa, gerisi teknik bir meseledir.
Sembolik regresyon ile denemeler...
Temel olarak, sıralı asosyatif kurallar uygulanır, ancak statik öğeler yerine - mantıksal kurallar. Bu, algoritmaya daha fazla derinlik kazandırır, gözlemlerini çok daha incelikli bir şekilde anlayabilir. Bu kavram her türlü düzenliliği tanımlamayı mümkün kılar, çünkü kuralların karmaşıklığı ve türü hiçbir şeyle sınırlı değildir.
Bir kaşık dolusu katran var, algoritma mimarisinin özelliklerinden dolayı çok uzun olduğu için büyük veri dizilerini incelemeyi göze alamaz.
Bu nedenle, aramanın boyutsallığını azaltmak için bazı yaklaşımlar geliştirdim.
1) Sadece uç noktalarla ilgileniyorum, onlara odaklanarak arama alanını 10-20 kat azaltıyoruz ve gerçekten piyasadan ihtiyacımız olan tek şey bunun bir tersine dönüş olup olmadığını bilmek, trendler-schmends, flatts-schmets ... bu, ana şeye konsantre olmamızı engelleyen öznel saçmalıklar.
2) Gördüğüm kadarıyla "tek seferde öğrenme" gibi bir şey icat ettim ve uyguladım, artık bir şey öğrenmek için tüm geçmişi hesaplamama gerek yok, bu havalı bir know-how değil, daha çok bir çaresizlik, çünkü tüm geçmişi öğrenmek işe yaramayacak, en azından henüz değil.
Şimdiye kadar sadece ilk deneyler yapıldı, ancak algoritmanın tamamen aptalca olmadığını ve öğrenilmesi gereken bir şey olduğunu kesin olarak söyleyebilirim.
Ticaret algoritmasının kendisi kalıplardan oluşur, bir kalıp belirli bir durum için bir dizi kuraldır.
Bu, bir durum için bir modelin nasıl göründüğüdür.
Kurallar ilkeldir, ancak biz sadece ısınıyoruz).
Desen forrest gibi işlem görür, desende birçok kural vardır, eğer bazı eşik miktarda kural tetiklenirse, URAH tersine çevirmeyi tanır ve ticaretini yaparız.
Bunun gibi bir şeye benziyor.
Bunun gibi bir şey.
Algoritmanın güzelliği nedir?
1) Söylememe izin verirseniz, formasyonun derinliklerine iner.
2) Endekslere bağlı değildir ve tablo verilerle çalışmaz, bu nedenle durağan olmama ve asosiyatif kurallara karşı dirençlidir.
Bu arada, birileri için ilginç olabilir.
Çoğu zaman sıçrama işe yaramazsa, direnç destek haline gelir.
Resimdeki gibi.
Ve bu açıklanabilir, yani seviyeler orada, orada olmamaları mümkün değil.
Fikrimi PRIM algoritması fikriyle birleştirme olasılığını düşünüyorum. Övünecek pek bir şeyim yok.
İlginçtir ki, bu PRIM benim gerçekleştirmeye çalıştığım fikirlerin aynısını içeriyor.
Makaleyi okudum, ancak bazı karışıklıklar var:
1. Sınır bölümleme için oradaki niceleme süreci nedir? Belirli bir adımla tekdüze bir bölümleme mi?
2. Sınırlar açık - bunu kendim yapıyorum, ancak resimde ek bir kırpma var - ikinci kırpma örneklemenin aptalca bir dışlanması mı?
3. Doğru anladıysam, onlar da benim gibi her bir tahmin ediciyi ayrı ayrı değerlendiriyorlar - sözde "kutular" buluyorlar, ancak açıklamadan bu farklı tahmin edicilerin nasıl birleştirildiğini anlamadım.
Bu yöntemin dezavantajı, göstergelerin kararlılığını bootstrap örneklemesi (tüm örneklemden rastgele belirli bir örneklem yüzdesi alarak) yoluyla değerlendirmesidir, bu da göstergelerin kararlılık dinamiklerini anlamayı sağlamaz, bu da ticaret için önemlidir, çünkü model örneğin başında var olabilir, ancak sonunda tamamen kaybolabilir.
Bu yöntemle ilgili herhangi bir iyileştirmeniz var mı?
Sembolik regresyon ile denemeler.....
Temel olarak, sıralı asosiyatif kurallar uygulanır, ancak statik öğeler yerine - mantıksal kurallar. Bu, algoritmaya daha fazla derinlik kazandırır, gözlemlerini çok daha incelikli bir şekilde anlayabilir. Bu kavram, her türlü düzenliliği tanımlamayı mümkün kılar, çünkü kuralların karmaşıklığı ve türü hiçbir şeyle sınırlı değildir.
Tahmin edicilerle aynı tablo olduğunu, ancak eşitsizliklerin sadece tahmin edici puanlarla değil, aynı zamanda tahmin edicilerin kendi aralarındaki eşitsizliklerle de oluşturulduğunu doğru anlıyor muyum?
2) Gördüğüm kadarıyla "tek seferde öğrenme" gibi bir şey icat ettim ve uyguladım, artık bir şeyi öğrenmek için tüm geçmişi hesaplamam gerekmiyor, bu havalı bir know-how değil, daha çok bir çaresizlik, çünkü tüm geçmişi öğrenmek mümkün değil, en azından henüz değil.
Yani, bir örnek alın, eşitsizliklerden oluşan birçok yaprak (desen) varyantı oluşturun ve daha sonra bunları daha büyük bir örneklem üzerinde test edin, kabul edilebilir sonuçlar gösterenler - onları bırakın, değil mi?
Algoritmanın güzelliği nedir?
1) Tabiri caizse desenin derinliklerine iniyor.
2) Endekslere bağlı değildir ve tablo verileriyle çalışmaz, bu nedenle durağan olmama ve asosiyatif kurallara karşı dirençlidir.
Ve burada anlamadığım, eğer veriler tablolarda değilse, o zaman çalışmak için neyle besliyorsunuz?
1. Herhangi bir şey, fantezinin sınırı
1. Daha spesifik olabilirsiniz - örneğin başka ne olabilir.
2. Açık mı ve bu kurallar ne kadar hızlı oluşturuluyor? Belki bunları MQL5'e yüklemek ve geçmiş üzerinden çalıştırmak mantıklı olabilir - aracılar nedeniyle daha hızlı olabilir. Uzun zaman önce yazdığım benzer bir şeyi zaten yapmıştım, ancak genetik ağaçlardan yapraklar almıştım.
3. Cevabı anlamıyorum - girdiye ne besliyorsunuz - soru bu.
Bu açıklamada doğruluk payı vardır, çünkü "ticarette GRAIL" kavramının tanımı YOKTUR ki HEPİMİZ bu tanımda hemfikir olalım.....
Ve eğer tanım yoksa, o zaman "kuğu, kerevit ve turna balığı" başlar....