Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 519
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
Ne olmuş??? yardımcılar var mı
Hangi konu???? arkadaşım... sen kimsin???
Belki burada yenisin ve beni tanımıyorsun.. Ben de genel olarak yapay zeka yapıyorum.... Öyleyse neden böylesin... tony.. buradan... :- )
Prensip olarak nazik olmama rağmen ve burada yaptığınız her şey SADECE fiyatın nedeni veri olduğunda işe yarayacaktır. SONRA herhangi bir TS, tahminin en az 1, en az 15 bar ötesinde bir patlama ile çalışacaktır (elbette, 15, 1'den daha kötü olacaktır, ancak mesele bu değil). Öz DEĞİL... Öz... OI'ye sahip RTS endeksi. Hacim duygusu olarak.... Ve sorun ÇÖZÜLDÜ. HERHANGİ BİR, hatta bir tahmin, hatta bir sınıflandırma.
Ne söylemek istedin??? kendi sözlerinle canım...
:D
Şimdi söylemek istiyorum - gittin ... canım. Teşekkür ederim.
Aynen, ne geçen sefer ne de bu sefer boşluğa osurmuş gibi bir şey söyledin...... Böyle muhataplara ihtiyacımız yok. Affedersiniz....
Paradoksal değildir, ancak sınıflandırma aynı gerilemedir.
Yalnızca regresyon için çıktı gerçektir ve sınıflandırma için olasılıktır.
Ve regresyon için hedef sürekli bir eğridir ve sınıflandırma için dürtüler (0, 1) veya (-1, +1)'dir.
Daha sonra bu çıktı uygun sınıfa aktarılır (ifelse(y > 0.5, 1, 0)).
2) Ve eğer 3 sınıf -1,0,1 ise (sat, bekle, al). 0,5 (k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;sınıflar arasında orta, ancak sınıf 0'ın olasılığı 1 veya -1'in iki katı kadar yüksek) öteleyin veya 0.33 (k=0;if(y<-0.33)k=-1; if(y>0.33)k=1;yani tüm sınıfların olasılıkları eşittir) aracılığıyla mı?
İyi bir sınıflandırma böyle yapılır. Her sınıf için ayrı bir çıkış ayrılmıştır. Kayıp fonksiyonu, çapraz entropi eğitimi için kullanılır. Öğretim yapılırken yalnızca bir sınıfa 1 atanabilir. Bir sınıf yok sinyali sağlamak gereklidir. Örneğin, al, sat, hiçbir şey yapma. Bunlar ayrı sınıflardır. Tüm değerleri tek bir çıktıya beslemek verimsizdir çünkü bir nöron örneğin 10 sınıfı ayırmayı öğrenemeyebilir.
Türevler trendin yönünü gösterir. 2 MA'nın türevleri ve aralarındaki fark , sistemin durumunu tam olarak tanımlar. Kendiniz bir konu istediniz.) O zaman Ulusal Meclis kendi başına çözecektir.
Ancak, size kalmış.)
2 kenenin türevleri ve farkları sadece 4 çubuğa bağlıdır, sistemin durumunu tanımlayamazlar, şey, sadece hiçbir şey
1) Bir sınıfa çeviri her zaman aralığın ortasından mı yapılır?
2) Ve eğer 3 sınıf -1,0,1 ise (sat, bekle, al). 0,5 (k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;sınıflar arasında orta, ancak sınıf 0'ın olasılığı 1 veya -1'in iki katı kadar yüksek) öteleyin veya 0.33 aracılığıyla (k=0;if(y<-0.33)k=-1; if(y>0.33)k=1;böylece tüm sınıfların olasılıkları eşittir)
R'de, genellikle sınıflandırma için, sonuçların varyantları mümkündür:
"Sınıf olasılığı" modunu ayarlayın ve sınıfı bağımsız olarak, örneğin yarım veya 30/70 olarak hesaplayın. Ve bunu yapabilirsiniz: %30'dan azı bir sınıftır ve %70'den fazlası başka bir sınıftır ve aralarındaki boşluk NA gibidir.
1) Bir sınıfa çeviri her zaman aralığın ortasından mı yapılır?
2) Ve eğer 3 sınıf -1,0,1 ise (sat, bekle, al). 0,5 (k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;sınıflar arasında orta, ancak sınıf 0'ın olasılığı 1 veya -1'in iki katı kadar yüksek) öteleyin veya 0.33 (k=0;if(y<-0.33)k=-1; if(y>0.33)k=1;yani tüm sınıfların olasılıkları eşittir) aracılığıyla mı?
İki sınıftan bahsediyoruz. Sürekli sınıflandırıcı çıktısı, bir eşik kullanılarak sınıf etiketlerine çevrilebilir:
İki olası sonuç vardır:
Kural olarak, sınıflandırıcılar sürekli bir sayısal değişken (destek derecesi) verir. Belirli bir X girdisi için destek dereceleri, çeşitli şekillerde yorumlanabilir; en yaygın ikisi, sunulan etiketlere olan güven ve sınıflar için olası olasılıkların tahminidir. Model sınıflarının olasılıkları kötü sonuç verir, bu nedenle genellikle kalibre edilmeleri gerekir. Calibrate::CORElearn'e bakın. Sınıf olasılığına en yakın olanı, softmax aktivasyon fonksiyonlarından sonraki çıktılardır.
İyi şanlar