Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 302
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
İlginç iplik. Çok fazla sel var, ancak mantıklı düşünceler de var. Teşekkür ederim.
+
))) Ana iletişim ve süreç. Görünüşe göre bazı insanlar zaten sinirsel botlar yaratıyor. Deneyeceğim.
Maalesef konuya girme eşiği çok yüksek. ML alanının kendisi zaten oldukça eskidir ve yalnızca farklı dalların ve yöntemlerin sayısı zaten sonsuzluğa eğilimlidir.
Ve daha önce yapmadıysanız, genellikle bu bilgi denizinde boğulabilirsiniz.) Ama onu parçalara ayırmak istemiyorsunuz, yine de mermiye bir tür sistematik yaklaşıma ihtiyacınız var. .
Ancak henüz herhangi bir düzenlenmiş sistematik bilgi bulamadım.
Benim için tahmin hatası asıl sorun değil. Benim için asıl sorun modele gereğinden fazla uyum sağlamak. Ya modelin fazla takılmadığına dair zayıf kanıtım var ya da modele hiç ihtiyaç yok.
Bu konuya (ve diğerlerine de) aşırı antrenmanın teşhisi ve aşırı antrenmanla mücadele için araçlar hakkında birçok kez yazdım. Kısacası bu, girdi tahmin edicilerinin gürültüden temizlenmesidir ve modelin kendisi ikincil öneme sahiptir.
Diğer her şey beni ilgilendirmiyor, çünkü yeniden eğitim dikkate alınmadan herhangi bir sonuç - şimdi oldu, belki yarın ve yarından sonra depo boşaldı.
Eh, fazla uydurma, lern ve test üzerindeki puanın ayrıldığı zamandır, eğer testte (eğitim örneğinin dışında) iyi bir puanınız varsa, o zaman her şey yolunda demektir. Bir bakıma, bir fazla giymeden kesinlikle kaçınılamaz, sadece kabul edilebilir bir düzeye indirilebilir.
not: uv. Mihail Marchukajtes'ten Reshetov sınıflandırıcısının dikliğini kanıtlaması istendi, siz de deneyebilirsiniz, merak ediyorum, bu verilerden %65'ten fazla doğruluk elde edebilen var mı)))
Eh, fazla uydurma, lern ve test üzerindeki puanın ayrıldığı zamandır, eğer testte (eğitim örneğinin dışında) iyi bir puanınız varsa, o zaman her şey yolunda demektir. Bir bakıma, bir fazla giymeden kesinlikle kaçınılamaz, sadece kabul edilebilir bir düzeye indirilebilir.
not: uv. Mihail Marchukajtes'ten Reshetov sınıflandırıcısının dikliğini kanıtlaması istendi, siz de deneyebilirsiniz, merak ediyorum, bu verilerden %65'ten fazla doğruluk elde edebilen var mı)))
Test cihazı bir miktar bitirme işidir. Ve TS'nin etkinliği için güven aralıklarına ihtiyacımız var.
Maalesef konuya girme eşiği çok yüksek. ML alanının kendisi zaten oldukça eskidir ve yalnızca farklı dalların ve yöntemlerin sayısı zaten sonsuzluğa eğilimlidir.
Ve daha önce yapmadıysanız, genellikle bu bilgi denizinde boğulabilirsiniz.) Ama parçaları koparmak istemiyorsunuz, yine de mermiye bir tür sistematik yaklaşıma ihtiyacınız var.
Ancak henüz herhangi bir düzenlenmiş sistematik bilgi bulamadım.
Bu doğru değil.
Tutarlılık HER ZAMAN kullanımıdır: ilk verileri hazırlamak, model(ler)i uydurmak ve bu modeli değerlendirmek.
İlk yaklaşımda, tüm bunlar çıngırak verir - görebilir ve oynayabilirsiniz. Makalemi alırsanız , işçilik maliyetleri minimumdur (her şey için birkaç saat), çünkü yalnızca talimatlar değil, aynı zamanda alıştırmalar için de veriler içerir.
Maalesef konuya girme eşiği çok yüksek. ML alanının kendisi zaten oldukça eskidir ve yalnızca farklı dalların ve yöntemlerin sayısı zaten sonsuzluğa eğilimlidir.
Ve daha önce yapmadıysanız, genellikle bu bilgi denizinde boğulabilirsiniz.) Ama parçaları koparmak istemiyorsunuz, yine de mermiye bir tür sistematik yaklaşıma ihtiyacınız var.
Ancak henüz herhangi bir düzenlenmiş sistematik bilgi bulamadım.
Dünyamız, bir konunun karlılığı, konuya giriş eşiğinin yüksekliğinin monoton bir fonksiyonu olacak şekilde düzenlenmiştir. Giriş eşiği ne kadar yüksek olursa (mutlaka kavramsal karmaşıklık, belki balon eşiği, sosyal bağlantılar, coğrafi konum vb.), iş potansiyel olarak daha karlı olur.
Çoğu kişi için kolay olan, kural olarak, çok az maliyetlidir ve bir yetişkini besleyemez, hatta aşırılıklardan bahsetmiyorum bile.
Dünyamız, bir konunun karlılığı, konuya giriş eşiğinin yüksekliğinin monoton bir fonksiyonu olacak şekilde düzenlenmiştir. Giriş eşiği ne kadar yüksek olursa (mutlaka kavramsal karmaşıklık, belki balon eşiği, sosyal bağlantılar, coğrafi konum vb.), iş potansiyel olarak daha karlı olur.
Çoğu kişi için kolay olan, kural olarak, çok az maliyetlidir ve bir yetişkini besleyemez, hatta aşırılıklardan bahsetmiyorum bile.
Birçoğunun üstlenmesi kolay olan, kural olarak, çok az maliyetlidir ve bir yetişkini bile besleyemez ....
++
daha doğrusu, genel olarak tavizsiz
Şubeyi böyle izliyorum ve artık orada olmadığını anlıyorum...
Varlığının gerçeği şaşırtıcı)))
Konu öyle ki, tüm detaylarıyla yüksek sesle konuşmak zararlı, bu yüzden ...
Bu doğru değil.
Tutarlılık HER ZAMAN kullanımıdır: ilk verileri hazırlamak, model(ler)i uydurmak ve bu modeli değerlendirmek.
İlk yaklaşımda, tüm bunlar çıngırak verir - görebilir ve oynayabilirsiniz. Makalemi alırsanız , işçilik maliyetleri minimumdur (her şey için birkaç saat), çünkü yalnızca talimatlar değil, aynı zamanda alıştırmalar için de veriler içerir.
Sistematik bir yaklaşımla, ne yaptığınızın anlaşılmasını ve buna bağlı olarak eylemlerinizin sonuçlarını planlama ve tahmin etme yeteneğini anlıyorum.
Makale için teşekkürler. Çünkü Herhangi bir özel yazılıma aşina değilim, o zaman yeni başlayanlar için en basit ve anlaşılır olanıdır. Hangi yöntemin kullanıldığını, regresyon veya sınıflandırmayı anlamadım?
Doğal olarak, hemen sistemlerini denemeye başladı. Herhangi bir soru zorlaştırıyorsa, o zaman Tanrı onu kutsasın, oyun sırasında netleşecektir.
1. Giriş ve çıkış için mum kullanmıyorum - yalnızca alıntıların akışı ve mumlar yalnızca önceki mumdan başlayarak tarihtedir. Eğitim için yine de sorun değil, mumlarla öğrenmesine izin verin, ancak Rattle'ın mevcut mumun içindeki alıntıların akışını nasıl yutturacağı hala bir gizem. Aynı zamanda, mumun akışının hala bir şekilde analiz edilmesi gerekiyor.
2.Ayarlanabilir tahmin edicilerle ne yapılmalı? Örneğin, regresyon çizgileri ve sigmalarla. Bunları geçmişin yerine koyamazsınız (öğrenmek için), onları anında hesaplayan ve geçmişten önceki yapıların izlerini kaldıran fonksiyonlara ihtiyacınız var.
3. Benzer şekilde - her zaman var olmayan ve serideki belirli noktalardan oluşturulan ve genel olarak oyun sırasında yeniden oluşturulabilen titrek tahminciler.
4 Tahmincilerin 2. ve 3. maddelere göre normalleştirilmesi sorunu - temelde imkansızdır.
Ve tahmin edicilerin geçmişi, hem eğitim hem de iş sırasında hesaplanmalıdır.
Şimdiye kadar, tam bir kafa karışıklığı.