Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 962
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
Sadece girişte fiyatlarım var, özelliklerden sıkıntı çekmiyorum :) asıl mesele hedef seçimi
Evet bundan sonra ne yapacağımı bilmiyorum kimse fikir atmazken ben düşünemeyecek kadar tembelim
fikirler?
fiyatları, fiyat sapmalarını, fiyat logaritmasını gönderiyorsunuz... ve çıktı ne olmalı? - IMHO, maksimum alıntı mekanizması, fiyatı kullanarak küçük TF'lerde bulabileceğiniz şey bu
sadece yeni bir çubukta ilk güncellenecek (kırılacak) olanı tahmin etmeye çalışın Yüksek[1] veya Düşük[1] - nasıl tahmin edeceğinizi öğrenirseniz, bu bir kârdır çünkü fiyatın yönünü zaten bileceksiniz hareket
;)
fikirler?
fiyatları, fiyat sapmalarını, fiyat logaritmasını gönderiyorsunuz... ve çıktı ne olmalı? - IMHO, maksimum alıntı mekanizması, fiyatı kullanarak küçük TF'lerde bulabileceğiniz şey bu
sadece yeni bir çubukta ilk güncellenecek (kırılacak) olanı tahmin etmeye çalışın Yüksek[1] veya Düşük[1] - nasıl tahmin edeceğinizi öğrenirseniz, bu bir kârdır çünkü fiyatın yönünü zaten bileceksiniz hareket
;)
alıntı mekanizmaları ayrı bir hile yönüdür :)
5-15 dakika arasında tf yapmak istiyorum. Alıntı yapmakla ilgili olmayan bazı kalıpları yakaladığımı ekran görüntülerinde zaten gösterdim. Ancak OOS'ta çok uzun süre çalışmıyor, maksimum 2X tren
test hakkında ilginç, denemek zorundasın
Tarih/Gelecek = 30000/1000. Girdi - Kapat ve Aç farklarının zaman serisi: iClose(NULL, 0, i+j+1+Shift) - iOpen(NULL, 0, i+j+1+Shift), burada j 0 ile 99 arasındadır (Toplam 100 parça ) . Hedef - çubuk rengi (0,1).
Grafiklerde sadece OOS dönemi (Gelecek).
Yayılma yok. Sipariş girilecek seviye 0'dır.
Yayılma - 2 puan. Sipariş girilecek seviye 0'dır.
Yayılma - 2 puan. Siparişi girmek için seviye - 0.1
Yayılma - 2 puan. Siparişi girmek için seviye - 0.15
Tahminlerin sınıflar arasında dağılımı. Doğruluk - 0,525.
Tahminlerin sınıflar arasında dağılımı. Doğruluk - 0,525.
Bir tür örnek küçük - her biri 100-200 bin örneğim var ve 1000 parça alırsam, daha iyi konjugasyon olma olasılığı yüksek.
Dahi bir şey yapmak çok kolaydır. Parlak işlerin yapıldığı bir duruma ulaşmak zordur. Amedeo Modigliani :)
bu yüzden farklı bitki çeşitlerini denemelisin
iyi, bir model var, çeşitli modifikasyonlarda sürekli olarak iyi eğitiyor, bazıları burada olduğu gibi OOS için trenin% 100 veya daha fazlasını çalıştırıyor .. (4 aylık eğitim 10 aylık OOS) sonra çöp
Demolar üzerinde test etme noktasını görmüyorum. zaten açık
Evet, demonuzun birleşmesi üzücü. Ve hepsi OOS'a çok fazla baktığınız için, kendisi OOS'a göre model seçmenin imkansız olduğu yazan bir makaleye atıfta bulunsa da ve aynı şey burada forumda birçok kez yazıldı.
Evet, demonuzun birleşmesi üzücü. Ve hepsi OOS'a çok fazla baktığınız için, kendisi OOS'a göre model seçmenin imkansız olduğu bir makaleden alıntı yapmasına rağmen ve aynı şey burada forumda birçok kez yazıldı.
Bu konudaki mantığımı/önerilerimi başka bir daldan kopyalayacağım:
Bana öyle geliyor ki OOS modeli değerlendirmek için yeterli değil ve bu yüzden neden sadece bu bölüm için seçim yaptığınızı merak ettim.
Evet, belirli bir durumda işe yarıyor (her alanda iyi sonuçlar aldınız), ancak bana öyle geliyor ki bu evrensel değil.
Sonuçta, o kadar iyi olmayan veriler karşımıza çıkabilir. Ve model, örneğin, eğitim sitesindeki hatanın %40'ına kadarını öğrenebilir ve testte tamamen rastgele %30'unu gösterebilir. Ve ikinci model, örneğin, her iki alanda da %35'e kadar öğrendi. İkincisi açıkçası daha iyi. Ancak yalnızca test sitesini seçmek ilkini seçecektir. Karşılaştırma için, modeli değerlendirmek için bu tür seçenekler vardır:
sadece eğitim sitesinde değerlendirme,
veya tüm parsellerin toplamında,
veya Err = (ErrLeran * 0.37 + ErrValid * 0.63) için Darch'ta olduğu gibi (doğrulama verileri sağlanır) - bu katsayılar varsayılan olarak vardır, ancak değiştirilebilirler.
Son seçenek en ilginç olanı çünkü. her iki hatayı da hesaba katar, ancak doğrulama alanının büyük bir ağırlığı vardır.
Belki hata deltalarında bile bir seçim yapmak gerekir, örneğin ErrLeran ve ErrTest %5'ten fazla farklılık gösteriyorsa, böyle bir modeli reddetmek gerekir (San Sanych bundan bahsetti). Ve diğerlerinden zaten bir seçim yapın.Prensipte formül, örneğin Err = (ErrLeran * 0.25 + ErrValid * 0.35 + ErrTest * 0.4) şeklinde genişletilebilir.
İşte neler oluyor...
Bu konudaki mantığımı/önerilerimi başka bir daldan kopyalayacağım:
Bana öyle geliyor ki OOS modeli değerlendirmek için yeterli değil ve bu yüzden neden sadece bu bölüm için seçim yaptığınızı merak ettim.
Evet, belirli bir durumda işe yarıyor (her alanda iyi sonuçlar aldınız), ancak bana öyle geliyor ki bu evrensel değil.
Sonuçta, o kadar iyi olmayan veriler karşımıza çıkabilir. Ve model, örneğin, eğitim sitesindeki hatanın %40'ına kadarını öğrenebilir ve testte tamamen rastgele %30'unu gösterebilir. Ve ikinci model, örneğin, her iki alanda da %35'e kadar öğrendi. İkincisi açıkçası daha iyi. Ancak yalnızca test sitesini seçmek ilkini seçecektir. Karşılaştırma için, modeli değerlendirmek için bu tür seçenekler vardır:
sadece eğitim sitesinde değerlendirme,
veya tüm parsellerin toplamında,
veya Err = (ErrLeran * 0.37 + ErrValid * 0.63) için Darch'ta olduğu gibi (doğrulama verileri sağlanır) - bu katsayılar varsayılan olarak vardır, ancak değiştirilebilirler.
Son seçenek en ilginç olanı çünkü. her iki hatayı da hesaba katar, ancak doğrulama alanının büyük bir ağırlığı vardır.
Belki hata deltalarında bile bir seçim yapmak gerekir, örneğin ErrLeran ve ErrTest %5'ten fazla farklılık gösteriyorsa, böyle bir modeli reddetmek gerekir (San Sanych bundan bahsetti). Ve diğerlerinden zaten bir seçim yapın.Prensipte formül, örneğin Err = (ErrLeran * 0.25 + ErrValid * 0.35 + ErrTest * 0.4) şeklinde genişletilebilir.
IMHO, hata toplama formüllerine ek olarak, oranlarının oranlarına da ihtiyaç vardır, görünüşe göre birileri burada bölümlere göre hataların Tren <= Geçerli <= Test olarak ilişkilendirilmesi gerektiğini yazmış gibi görünüyor.
Tren, eğitim sırasında yanlışlıkla en aza indirilir, bölümlerin geri kalanı hem yukarı hem de aşağı rastgele sallanabilir. Ana şey çok fazla değil.
Ve saf şans dışında, aşağı doğru sapmaların kabul edilebilirliğini kendiniz için nasıl haklı çıkarıyorsunuz?
Peki bu rastgeleliğe karşı mücadele değilse asıl göreviniz nedir, çünkü hem doğrulamanın hem de OOS ve MO'nun bir bütün olarak anlamını ortadan kaldırır.?))