sinir ağı ve girişler - sayfa 40
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
Bu yüzden düşünüyorum ... sonucu nasıl yorumlayacağım ... böylece daha hızlı olacak ve kesinlikle elle değil ........
Seçim: c, c++, Java, JavaScript, mql4, mql5
Yuri lütfen.
MT4.5'i JAVA ile nasıl başlatacağımı söyleyebilir misiniz? Gerçekten denemek istiyorum, en azından okuyacak bir şeyler.
Yuri lütfen.
MT4.5'i JAVA ile nasıl başlatacağımı söyleyebilir misiniz? Gerçekten denemek istiyorum, en azından okuyacak bir şeyler.
Bir çok yöntem var ama hepsi gemorno. Java, platform bağımsızlığı amacıyla düşük seviyeli uygulamalar için tasarlanmamıştır. Ve MT'de platforma bağlı olmayan üst düzey iletişim kanalları yoktur - Windows.
Bu nedenle, hiçbir şekilde bağlantı kurmuyorum, ancak sonuçları zaten MQL, C veya Java'ya kolayca eklenebilen kod oluşturucuları Java'da yazıyorum.
Hala bu şeyin faydasını gerçekten anlayamıyorum. Ancak optimizasyon sürecinde toplam hata sayısı her zaman doğru kabul edilmez. Ve aynı zamanda, bir nedenden dolayı, optimizasyonun sonunda, Kötü Veri !!! Ne olabilirdi...???
Kötü Veri, modelin "tahminlerinde", modeli kullanmadığımızdan daha sık yanlış olduğu anlamına gelir. Onlar. model uygulamaya uygun değildir. Sebep: girişlerde çöp. Onlar. giriş verileri önemsizdir.
Kontrol numunesi üzerindeki test sonuçlarını alalım ve bir beklenmedik durum tablosu derleyelim:
Bu durumda, örneklemdeki olumlu sonuçların sıklığı, yani. rastgele (rastgele) alırsak, numuneden herhangi bir örnek (TP + FN) / (TP + FN + FP + FN)'ye eşit olacaktır.
Model tahminlerini kullanırsak, model tarafından doğru bir şekilde tahmin edilen olumlu sonuçların sıklığı şuna eşit olacaktır: TP / (TP + FP)
Modelin, örneklemden rastgele örnekler alıp sonuçlarını varsayılan olarak pozitif olarak ele almamıza kıyasla, örneklemden örnekler için olumlu sonuçları tahmin etmede hata yapma olasılığının daha düşük olması için, aşağıdaki koşulun karşılanması gerekli ve yeterlidir. :
TP / (TP + FP) > (TP + FN) / (TP + FN + FP + FN)
Koşul sağlanmazsa, model pratikte olumlu sonuçları tahmin etmek için uygun değildir, çünkü Örnekten herhangi bir keyfi örnek alır ve sonucunu varsayılan olarak olumlu olarak yorumlarsak, o zaman model tarafından tahmin edilen olumlu sonuçların yorumlanmasında olduğu kadar hatalar yaparız.
Açık ve anladığım kadarıyla, hataları önemli ölçüde azaltacak ve genelleme yeteneğini artıracak bir dizi girdi verisi aramanız gerekiyor ..... Ve bu yeterli sayıda veri kaydıyla ....
Oldukça doğru. Onlar. bir seferde, aynı anda 1023'e kadar tahmin ediciyi (giriş verileri) gönderebilirsiniz. Bundan sonra, BadData mesajı görünmezse, model açıklamasında indirgeme altında olarak işaretlenen tahmin edicileri seçimden hariç tutun (e-tablodan sütunları kaldırın).
Kalan tahmin edicilerin bir örneği zaten ikinci kez çalıştırılabilir ve nükleer dönüşümlere girecekler. Ve nükleer dönüşümler, sırayla, artan bir genelleme yeteneği verecektir.
Girdi sayısı (yani açıklayıcı değişkenlere sahip sütunlar) 44 adeti geçmezse, çekirdek dönüşümleri otomatik olarak etkinleştirilir. Giriş sayısı 10 parçayı geçmezse, maksimum genelleme yeteneği veren MGUA açılır.