Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 614
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
Sadece ticaret yapmayı öğrenmeye başlamak mümkün mü? Sonuçta, hesabımı kaybetme riskim çok yüksek ve bundan hiç şüphem yok.
Ancak Micah, Java'yı yeneceğine söz verdi, bu yüzden yakında parlayacaktı.
Piyasadan Expert Advisors'da, alım satım için iyi olan parametrelerin optimizasyon işlevinde bir plato oluşturduğunu da sık sık gördüm. Parametreler, örneğin MA veya RSI veya bazı katsayılar içeriyorsa, parametreyi az miktarda değiştirmek nihai sonucu etkilemedi.
Ama orada mantıklı, orada parametrelerin çoğu göstergeyi hesaplamak için formülde kullanılıyor, bu nedenle küçük bir değişiklik sonucu biraz etkileyecek ve yine aynı fiyatlarla hesaplanacak.
Makine öğreniminde ise tam tersine, parametreler tüm eğitim sürecini çığ gibi etkileyebilir ve küçük bir değişiklik bile tamamen farklı bir sonuca yol açar. Örneğin, gizli katmandaki nöronların sayısı - arttıkça, kullanılan ağırlıkların sayısı da artacaktır ve gpsch kullanarak ağırlık başlatma işlevi, değerlerini biraz farklı bir sırayla ayarlayacaktır, bu da farklı bir sonuca yol açacaktır. sonuç.
Bazı parametreleri değiştirmek de optimizasyon fonksiyonunda bir plato çizecektir, her parametre için sorunsuz veya stokastik olarak çalışabilirsiniz, bu modelin nihai tahminini etkiler ve parametreleri sorunsuz bir şekilde etkilemek için ek olarak türevlere dayalı bir optimize edici kullanın (optim(method=" L-BFGS- B") ve R'de optimize())
Bu bir pazar değil, hiç pazar değil - bu, katsayıların istikrarı için bir dizi test içeren istatistiklerdir. En ünlü CUSUM.
Belki de sonucun verdiğiniz ağ parametrelerine korkunç bağımlılığı, finansal piyasalar için temel olarak uygun OLMADIĞINI gösterir?
Ya da belki önce amaca uygun bir şey tasarlamanız gerekir (burada bir traktör veya bir roket modadır) ve sonra olanların sürdürülebilirliği hakkında konuşmanız gerekir?
Ancak her durumda: ya modelin kararlılığına dair kanıtımız var ya da buna hiç gerek yok. Model hatası ve model kararlılığı aynı madalyonun iki yüzüdür.
Merak ediyorum neden Python değil? M.b. aynı R? Hiçbir şey anlamıyorum.
Gerçekten. Bilgi için böylesine bir özlem olduğu için, bir puan alıyor ve en tepeden görünen şeyi inceliyorsunuz.
Reshetov modeli bir standart değildir. Örneğin, içinde bir dizi tahmin edici arama, çeşitli seçenekler arasında sıralama yaparak gerçekleşir - model rastgele bir tahmin edici seti alır, eğitir ve sonucu hatırlar. Bu, bir döngüde çok sayıda tekrarlanır, sonuç olarak en iyi sonuç nihai model olarak kullanılır. İlk önce özel bir algoritma ile tahmin edicilerin seçimini yaparsak ve ardından Reshetov modelini bu belirli sette yalnızca bir kez eğitirsek, bu süreç gözle görülür şekilde hızlandırılabilir. Ve Reshetov modelinin kalitesini AWS ile karşılaştırılabilir bir hızda elde edeceksiniz. Böyle bir modelin "maliyeti" gözle görülür şekilde düşecek, ancak kalite aynı seviyede kalacak.
Bu nasıl bir algoritma??? Genel olarak, ifadeye katılıyorum, modellerin fiyatı ve kalite biraz tamamen farklı şeyler. Ucuz ama kaliteli bir model alabilirsiniz. Reshetov'un gerçek bir sorunu var, çünkü örneğin rastgele sırayla tekrar tekrar bölünmesi vb. nedeniyle çok uzun sayıyor.
Yine, bunlar ne tür algoritmalar? hangi tahmin edicilerin alakalı olmadığını hemen söyleyebilir. Bir şekilde uyguladı, ama henüz gerçekten bakmadım .... Aslında, mantıksal olarak oldukça alakalı olan bir değişmez aracılığıyla tanımlıyor, ama bence hala hatalar var :-( hatalardan ziyade, değil iyileştirmeler .. .
Bununla birlikte, 2 gizli katman kullanılıyorsa, açıkçası 2. katman nöron sayısı bakımından 1. katmandan çok daha küçüktür.
Bir katmandaki nöron sayısı için minimum nedir? Bana öyle geliyor ki 3-5'ten az yapmak mantıklı değil.
Veya 1-2 nöronlu bir katman da modele önemli bir katkı sağlayabilir mi?
Bununla birlikte, 2 gizli katman kullanılıyorsa, açıkçası 2. katman nöron sayısı bakımından 1. katmandan çok daha küçüktür.
Bir katmandaki nöron sayısı için minimum nedir? Bana öyle geliyor ki 3-5'ten daha azını yapmanın bir anlamı yok.
Veya 1 - 2 nöronlu bir katman da modele önemli bir katkı sağlayabilir mi?
uygulamadan - 3 girişli 1 nöron, normal sinyalleri 1-1.5 ayda ezberleyebilir. 15 dakikada ve yaklaşık 200 anlaşmada, daha büyük bir örnek alırsanız, tıkınma kalitesi keskin bir şekilde düşer ve anlaşmaların sayısı da yeterli kombinasyon yoktur. Yani sistem durağan kalsaydı ve sinyaller tekrarlansaydı 1 nöron bile yeterli olurdu.
yaklaşık olarak 3 girişte bulanık mantık ve 4 üyelik fonksiyonunun optimizasyonu ile aynıYine, bunlar ne tür algoritmalar? hangi tahmin edicilerin alakalı olmadığını hemen söyleyebilir.
Hatta istediğinizden çok daha fazla algoritma var. Örneğin -
Vladimir'den makale - https://www.mql5.com/ru/articles/2029
Alexey'den makale - https://habrahabr.ru/company/aligntechnology/blog/303750/
Modelleme yaparken işlemciye farklı çörekler yüklemeyi sevenler için , zamanı kökten azaltmanın yolu budur.
Buluttaki paralel simülasyonlar buna değer mi? MBP'mi İş İstasyonuma ve Amazon EC2'ye kıyasla karşılaştırma
Modelleme yaparken işlemciye farklı çörekler yüklemeyi sevenler için , zamanı kökten azaltmanın yolu budur.
Buluttaki paralel simülasyonlar buna değer mi? MBP'mi İş İstasyonuma ve Amazon EC2'ye kıyasla karşılaştırma
Dll ve MT5, R ve gerekli paketleri kurma isteği ile oraya ulaşmak imkansız görünüyor.