Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 398
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
Dosyaya baktım orda 8 katsayı girilmiş bu da 2 3 yani 3 girişle çalışacak bir nöron var. Günlerce programınızın 100 girdiden hangisinin bu nörona uygulanacağını düşündüğüne inanıyorum. Orada nöronun en az 10 girişe genişletildiğini düşündüm ...
evet zor bir seçim var az kaldı :)
Ve web sitesinin bağlantısını attım, modelin bir açıklaması var. Nasıl karakterize edeceğimi bile bilmiyorum, nükleer makine + Vektör makinesi yazılmış. Orada her şey MT5 versiyonundan + bir rakiple eğitimden daha karmaşıktır ve optimize edicideki ağırlıkların seçimi değil, ancak çıktı yine de tahmin edicilerin her biri için aynı ağırlıklardır.
Bildiğim kadarıyla, böyle bir hiperdüzlem, eğitim kümesinin tüm noktalarından mümkün olduğunca uzakta olan çok boyutlu bir uzayda inşa edildiğinde, uzayı "evet" ve "hayır" olarak iki kategoriye ayırdığında , destek vektörü yöntemi kullanılır. ". Nükleer dönüşümler tükürüyor. Dolayısıyla, optimize edicinin ÇOK uzun bir süre boyunca düşündüğü şey, bir nöronu eğitmeniz için değil, eğitime ek olarak, bir dizi her türlü dönüşüm ve veri araması yapan bir AI sistemidir. Bu yüzden bu kadar uzun. Bu biraz hayal kırıklığı yaratıyor. Ama sonra tekrar, 5 saniyede piyasaya uygun bir modeli nasıl elde edebilirsiniz???? Bilmiyorum :-(
Bildiğim kadarıyla, destek vektör makinesi, eğitim kümesinin tüm noktalarından en fazla uzak olan çok boyutlu bir uzayda bir hiperdüzlem inşa edildiğinde kullanılır, böylece uzay "evet" ve "hayır" olarak iki kategoriye ayrılır. Nükleer dönüşümler tükürüyor. Dolayısıyla, optimize edicinin ÇOK uzun bir süre boyunca düşündüğü şey, bir nöronu eğitmeniz için değil, eğitime ek olarak, bir dizi her türlü dönüşüm ve veri araması yapan bir AI sistemidir. Bu yüzden bu kadar uzun. Bu biraz hayal kırıklığı yaratıyor. Ama sonra tekrar, 5 saniyede piyasaya uygun bir modeli nasıl elde edebilirsiniz???? Bilmiyorum :-(
En azından, yukarıda yazıldığı gibi - içine bir sürü tahminci sokmamalısınız, yine de hepsini ayıklayacaktır :)
Dosyaya baktım orda 8 katsayı girilmiş bu da 2 3 yani 3 girişle çalışacak nöron var. Günlerce programınızın 100 girdiden hangisinin bu nörona uygulanacağını düşündüğüne inanıyorum. Orada nöronun en az 10 girişe genişletildiğini düşündüm ...
getBinaryClassificator1(x0, x1, x2, x3, x4, x5, x6, x7);
Bir şeyi doğru anlamadınız, her 8 giriş için 2 ızgara var, daha sonra her iki ızgaranın sonucu daha önce açıklandığı gibi yorumlanıyor. İkisi de evet diyorsa evet, hayırsa hayır, uyumsuzluk varsa bilmiyorum... Böyle bir şey .....
Kalay ... 3 girdiden bir şey tahmin etmek mümkün mü?
Bence, RNN 10 veya 100 girişe genişletildiyse, yanlış yönde zaman harcıyorsunuz, o zaman onu eğitmek için bir gün geçirebilirsiniz. Ve şimdi tarama girdilerini boşa harcıyorsunuz. Eğitim için değil.
Bir şeyi doğru anlamadınız, her 8 giriş için 2 ızgara var, daha sonra her iki ızgaranın sonucu daha önce açıklandığı gibi yorumlanıyor. İkisi de evet diyorsa evet, hayırsa hayır, uyumsuzluk varsa bilmiyorum... Böyle bir şey .....
8, girişler ve çıkışlar arasındaki bağlantıların katsayılarıdır ve 3 giriş vardır (8 = 2 3 )
Daha doğrusu, kuralların katsayıları:
r0 = (1 - A) * (1 - B) * (1 - C) * p0
Ve sadece 3 giriş var - A, B ve Cr1 = (1 - A) * (1 - B) * C * p1
r2 = (1 - A) * B * (1 - C) * p2
r3 = (1 - A) * B * C * p3
r4 = A * (1 - B) * (1 - C) * p4
r5 = A * (1 - B) * C * p5
r6 = A * B * (1 - C) * p6
r7 = A*B*C*p7
Kalay ... 3 girdiden bir şey tahmin etmek mümkün mü?
Bence, RNN 10 veya 100 girişe genişletildiyse, yanlış yönde zaman harcıyorsunuz, o zaman onu eğitmek için bir gün geçirebilirsiniz. Ve şimdi tarama girdilerini boşa harcıyorsunuz. Eğitim için değil.
bu nedenle, en son sürümde, orada 2 ns'lik bir komite kullanılır, ardından sonuçlar karşılaştırılır
bu nedenle, en son sürümde, orada 2 ns'lik bir komite kullanılır, ardından sonuçlar karşılaştırılır
Nöronu 10 girişe genişletirdim ...
Ancak kuralları 1024'e eklememiz gerekiyor:
r0 = (1 - A) * (1 - B) * (1 - C) * p0
r1 = (1 - A) * (1 - B) * C * p1
r2 = (1 - A) * B * (1 - C) * p2
r3 = (1 - A) * B * C * p3
r4 = A * (1 - B) * (1 - C) * p4
r5 = A * (1 - B) * C * p5
r6 = A * B * (1 - C) * p6
r7 = A*B*C*p7
.....
r1023=
En azından, yukarıda yazıldığı gibi - içine bir sürü tahminci sokmamalısınız, yine de hepsini ayıklayacaktır :)
İşte burada tartışmaya hazırım. Bu uygulamadan. Optimize edicinin kullanımı sırasında gözlemlediklerim.
Satırlardan daha az sütun varsa, giriş sayısı ağ polinomunun koşullu boyutundan daha az olur.
Sütun ve satır sayısı eşitse, giriş sayısı ve polinomun boyutu yaklaşık olarak aynıdır.
Satırlardan daha fazla sütun varsa, polinomun boyutu giriş sayısından daha azdır.
Başka bir deyişle, sütun ve satır sayısının yaklaşık olarak aynı olması gerekir. Daha sonra, yeterli sayıda girdiyle ve yaklaşık olarak aynı sayıda girdi için boyutuyla polinom elde edilir.
Başka bir deyişle ve başka bir deyişle. Dosya ne kadar büyükse, model o kadar çok değişkenli hale gelir. Girdi sayısı ve polinomun boyutu artar, bu da modelin daha akıllı hale geldiğini gösterir. Bunun gibi bir şey.
Ve aynı dosyanın birden çok çalışmasında bile, girdi parametreleri seti her zaman farklıdır. Bunun nedeni, bölme sırasında numunenin rastgele bölünmesidir. Ancak aynı dosyayı çalıştırır ve tamamen farklı modeller alırsak, o zaman yine de yaklaşık olarak aynı şekilde çalışacaklardır, en azından çalışmalıdırlar. Bu dosyada ne tür balıklar kesilir sorusunun cevabı budur. Veriler çalıştırmadan çalıştırmaya farklılık gösteriyorsa, bu, verilerin çıktıyla hiçbir ilgisi olmadığı anlamına gelir. Bunun gibi bir şey...
8, girişler ve çıkışlar arasındaki bağlantıların katsayılarıdır ve 3 giriş vardır (8 = 2 3 )
Daha doğrusu, kuralların katsayıları:
r0 = (1 - A) * (1 - B) * (1 - C) * p0
Ve sadece 3 giriş var - A, B ve Cr1 = (1 - A) * (1 - B) * C * p1
r2 = (1 - A) * B * (1 - C) * p2
r3 = (1 - A) * B * C * p3
r4 = A * (1 - B) * (1 - C) * p4
r5 = A * (1 - B) * C * p5
r6 = A * B * (1 - C) * p6
r7 = A*B*C*p7
Evet, bağlantı katsayıları nedir, neden bahsediyorsunuz. Burada kullanılan girdilerin bir listesi ve her polinomdan önce orada gördüğünüz normalleştirmedir ve 8 girdi vardır, burada açıklanmıştır, dosyanın en altına bakın.
// Değişken x0: Del
// Değişken x1: Del1
// Değişken x2: V Del
// Değişken x3: Vdel1
// Değişken x4: Vdel6
// Değişken x5: ST5
// Değişken x6: VAD11
// Değişken x7: VVolum4
Üç giriş nerede????? sekiz olduğunda
Getirdiğiniz örnek Reshetov'un başka bir çalışmasındandır ve optimize edici ile ilgisi yoktur.