Sinir ağının girişine ne beslenmeli? Fikirleriniz... - sayfa 41
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
Fikir için teşekkürler. Ne yazık ki kenelerle çalışmak zor, ben açılış fiyatlarıyla çalışıyorum.
Tipik bir grafikte günde %60 kazandım.
Bana ticaret kurallarını söyle
Bana ticaretin kurallarını anlat.
Bill Williams'ın "Piyasaların Ustaları" kitabını okudum. Yükselen çubuklarda hacim artarsa, satın almalısınız. Yükselen çubuklarda hacim azalırsa satmalısınız. Satış için de aynı şey geçerlidir. Altta gölgesi olan bir iğne çubuğu bir satın alma sinyalidir. Küçük gölgeli küçük bir çubuk trendin sonunu gösterir. Kene hacmine bakabilirsiniz, mt'deki temel göstergelere yerleştirilmiştir.
Tamam, teşekkürler.
Kırmızı, yeşili öyle bir şekilde tanımlamalıdır ki, küresel bir maksimum fayda aranmalıdır.
Tabii ki öyle olmalı! Ama nasıl, daha iyi :) ?
Standart ölçütler alabilirsiniz - aynı Doğruluk veya Kesinlik veya sınıflandırmanın verimliliğini açıklayan diğer ölçütler.
A ndrey Dik #: Peki, "standart" tam olarak nedir, neyle karşılaştırılır?
Standart yöntemler burada daha ziyade bilinen anlamına gelir, liste şu anda elimizde değil, ancak bunlar esasen üç kategoridir:
1. Numaralandırma - burada parça parça veya gruplar halinde ekleme/çıkarmadan başlıyoruz - yani sonuca güveniyoruz.
2. Ağaç modellerinin sıklık ve içlerindeki tahmin edicilerin kullanımı açısından analiz edilmesi.
3. Korelasyonlu özelliklerin hariç tutulmasıyla karşılıklı dağılımların istatistiksel değerlendirmeleri ve diğer istatistiksel fayda değerlendirmeleri.
NS'nin girişini beslemek için sabırsızlandığımız çok sayıda tahmincimiz olduğunu düşünelim. Ancak, gelen verilerin fazlalığı nedeniyle bilgisayar aşırı yüklenebilir - süper bilgisayarlar için milyonlarca dolarımız yok. Bu durumda ne yapmalı, en faydalı tahmincileri seçme görevi için hangi optimizasyon algoritması ideal olacak, ne tür bir FF icat edilebilir ve ekonomik açıdan standart yöntemlerden daha verimli olacak mı? Bu, fakirleri endişelendirmekten asla vazgeçmeyen bir sorudur :))))) Sizin düşünceleriniz nelerdir?
A leksey Vyazmikin #:
1. Elbette, bu gerekli! Ama nasıl, daha iyi :) ?
2. Standart metrikleri - Doğruluk veya Kesinlik veya sınıflandırma performansını açıklayan diğer metrikleri alabilirsiniz.
Buradaki standart yöntemler daha ziyade iyi bilinen yöntemler anlamına geliyor, şu anda elimde liste yok, ancak temel olarak üç kategoriden oluşuyor:
1). Aşma - burada tek tek veya gruplar halinde ekleme/çıkarma yaparak başlarız - yani sonuca güveniriz.
2). Ağaç modellerinin sıklık ve tahmin edicilerin kullanımı açısından analiz edilmesi.
3). Korelasyonlu özelliklerin ve diğer istatistiksel fayda tahminlerinin hariç tutulmasıyla karşılıklı dağılımların istatistiksel tahmini.
1- Sistem verimliliği FF'nin küresel maksimumunun tekil ve durağan olması daha iyidir. Bir dalgalar denizi (kuyu veya deniz dalgaları) arasında sabit bir katı yüzey adası gibi görünecektir. Sağlam parametreler, yeni veriler üzerinde benzer sistem performansına sahip performans anlamına gelir. Böyle kararlı adalar yoksa, en az iki olasılık vardır: ya sistemin hiç sağlam parametresi yoktur ya da FF'nin tamamı (veya içerdiği bir veya daha fazla metrik) süreç açısından tutarsız olacak şekilde seçilmiştir. "Sürece uygun olmayan" derken neyi kastediyorsunuz? Örneğin, uzaya bir roket fırlatılıyor ve aracın metriklerinden biri, son 100 yılda yumurtadan çıkan karabatak yavrularının yüzdesindeki değişimin dinamiklerini ölçmek için uygulanıyor. Bu ölçüt uzay aracının fırlatılmasının başarısını nasıl etkiler? - Hiçbir şey, böyle bir metrik sadece uzay aracı fırlatma sürecinin genel metriklerini sulandırır.
2. FF uygulaması "standart" yöntemlerden nasıl farklıdır?
1. Sistem verimliliği FF'nin küresel maksimumunun tek ve sabit olması daha iyidir. Bir dalga denizi (kuyu veya deniz dalgaları) arasında yüzeyin istikrarlı bir katı adası gibi görünecektir. Sağlam parametreler, yeni veriler üzerinde benzer sistem performansına sahip performans anlamına gelir. Böyle kararlı adalar yoksa, en az iki olasılık vardır: ya sistemin hiç sağlam parametresi yoktur ya da FF'nin tamamı (veya içerdiği bir veya daha fazla ölçüt) süreç açısından tutarsız olacak şekilde seçilmiştir. "Sürece uygun olmayan" derken neyi kastediyorsunuz? Örneğin, uzaya bir roket fırlatılıyor ve aracın metriklerinden biri, son 100 yılda yumurtadan çıkan karabatak yavrularının yüzdesindeki değişimin dinamiklerini ölçmek için uygulanıyor. Bu ölçüt uzay aracının fırlatılmasının başarısını nasıl etkiler? - Hiçbir şey, böyle bir metrik sadece fırlatma sürecinin genel metriklerini sulandırır.
Bu doğru, %100 iyidir.
Öğrenmemiz gereken şey bu - adalar mı var yoksa sadece okyanuslar mı!
A ndrey Dik #: 2. FF uygulamasının "standart" yöntemlerden farkı nedir?
Algoritma mı? Ama ben farklı bir şekilde cevap vermek istiyorum - "verimlilik" ve iyi bir çözüm bulma hızı.
1. Bu doğru - %100 iyidir. Bulmamız gereken şey de bu - adalar mı var yoksa sadece okyanuslar mı!
2. Algoritmaya göre mi? Ancak ben farklı bir şekilde cevap vermek istiyorum - "verimlilik" ve iyi bir çözüm bulma hızı ile.
1. Bu yüzden kontrol etmek kolaydır - kayan bir pencerede. Sağlam olmayan parametrelerin FF'si dalgalar gibi, sağlam olanlar ise sabit bir ada gibi görünecektir.
2. Hız hakkında söylemek zor, ancak verimlilik hakkında - hiçbir fark yok, hem orada hem de orada her şey FF'de. Sistemin her bir bileşeni üzerinde daha yüksek düzeyde kontrolün olduğu başka bir şey.
1. Yüzen bir pencerede kontrol etmek kolaydır. Sağlam olmayan parametrelerin FF'si dalgalar gibi, sağlam olanlar ise sabit bir ada gibi görünecektir.
2. Hız hakkında söylemek zor, ancak verimlilik hakkında - hiçbir fark yok, hem orada hem de orada her şey FF'ye dayanıyor. Sistemin her bir bileşeni üzerinde daha yüksek bir kontrol seviyesinin olduğu başka bir şey.
1. Saatleri senkronize edelim! Bir dizi tahmincimiz var - görevimiz etkili olanları, yani göstergemizin iyileştirilmesine katkıda bulunanları seçmektir - doğruluk olsun. Bir seçim yapıyoruz, basit bir ahşap model oluşturuyoruz ve sınıflandırma performansını bir doğrulama örneği üzerinde değerlendiriyoruz - yani her bir temsilci için. Ve böylece - sonucu alırız - yeni koordinatları keşfetmeleri için ajanları göndeririz.
Sonunda elimizde çok sayıda ikili değişken var - bir anahtar - açık/kapalı.
Buradaki dalgaları nasıl ve hangi noktada grafiklendireceğiz?
2- Yineleme sayısı/boşa harcanan zaman başına verimlilik, ayrıca küresel olarak 3 farklı yöntem tanımladım - bunlar arasında tam bir karşılaştırma yapmak ilginç.