交易中的机器学习：理论、模型、实践和算法交易 - 页 1881

新评论
 
Evgeny Dyuka:
问题是，数据准备计划似乎已经用完了，正确率不超过65-66%，还需要更多。我正在寻找一种方法来突破这堵墙。

你的目标是什么？

 
mytarmailS:

你的目标是什么？

65%的正确答案是一个好指标的水平，这就是目前神经所显示的。从70%以上，你可以尝试开仓。
 
Evgeny Dyuka:
65%的正确答案是一个好指标的水平，这就是Neuro目前的表现。如果答案是70%及以上，我们可以尝试开仓。

我明白，但目标是什么？ 你用网子预测什么？"反转"？"趋势"？"如果是趋势，你描述的趋势是什么？

 
mytarmailS:

我明白了，但目标是什么？ 你用网子预测了什么？"反转"？"趋势"？"如果是趋势，你描述的趋势是什么？

我在预测一段时间后，价格会走高还是走低。
 
顺便说一下，也许行家们可以给你一个提示。这里有一个问题：

例如，任务是通过一张照片来区分猫和狗。什么是正确的培训方案？
1.只展示猫和狗的图片，即二元分类。
2.分别只教猫和 "非猫"（protos chaos）+分别也教狗和 "非狗"，即两个训练周期和输出的两个模式。
3.做一个三类的分类--猫、狗和混乱。也就是说，会有一个模型，但答案是三个选项的分类。

现在我有第一个选项，而且显然是歪的。问题是，神经只能很好地学习其中一个变体，按照惯例只能很好地看到 "猫"，而对狗的识别能力很差。例如，在回测中，模型善于检测价格的上升运动，而忽略了下降运动。如果向上的猜测高达67%，同一个模型只向下猜测了55%。"向上 "和 "向下 "可以在不同的模型中改变位置。
 
mytarmailS:

我明白了，但目标是什么？ 你用网子预测了什么？"反转"？"趋势"？"如果是趋势，你描述的趋势是什么？

我对每根蜡烛都进行预测，而不考虑趋势、反转等因素。这要靠神经元来思考这一切，并由我来回答 "上面还是下面"。
 
Evgeny Dyuka:
顺便说一下，也许专家可以帮助。这里有一个问题：

例如，任务是通过一张照片来区分猫和狗。什么是正确的学习方法？
1.只展示猫和狗的图片，即二元分类。
2.分别只教猫和 "非猫"（protos chaos）+分别也教狗和 "非狗"，即两个训练周期和输出的两个模式。
3.做一个三类的分类--猫、狗和混乱。也就是说，会有一个模型，但答案是三个选项的分类。

现在我有第一个选项，而且显然是歪的。问题是，神经只能很好地学习其中一个变体，按照惯例只能很好地看到 "猫"，而对狗的识别能力很差。例如，在回测中，模型善于检测价格的上升运动，而忽略了下降运动。如果模型向上猜测了67%，同样的模型只向下猜测了55%。上升 "和 "下降 "的模式可能会在不同的模型中改变位置。

这里的问题不在于分类变体，而在于用于训练的例子不平衡，无论是在数量上还是在例子的特征属性上都不平衡。


卷积网络？

 
Evgeny Dyuka:
顺便说一下，也许专家可以帮助。这里有一个问题：

例如，任务是通过一张照片来区分猫和狗。什么是正确的学习方法？
1.只展示猫和狗的图片，即二元分类。
2.分别只教猫和 "非猫"（protos chaos）+分别也教狗和 "非狗"，即两个训练周期和输出的两个模式。
3.做一个三类的分类--猫、狗和混乱。也就是说，会有一个模型，但答案是三个选项的分类。

现在我有第一个选项，而且显然是歪的。问题是，神经只能很好地学习其中一个变体，按照惯例只能很好地看到 "猫"，而对狗的识别能力很差。例如，在回测中，模型擅长检测价格的上升运动，而忽略了下降运动。如果向上的猜测高达67%，同一个模型只向下猜测了55%。"向上 "和 "向下 "从模型到模型可以改变位置。

有两组点，我不记得这些点叫什么了，从照片上的任何识别都是为了识别眼睛、鼻子、嘴巴、耳朵、脸颊部位的点以及它们之间的距离和位置。就这么简单。因此，如果你只是展示一只猫，那是不可能的。首先，你必须训练识别猫与猫，狗与狗，然后才能进行区分。

是的，不仅仅是2个周期，如果有2个以上的班级，就会有更多的训练。

 
mytarmailS:

这里的问题不在于分类选项，而在于用于训练的例子的不平衡，不平衡的是例子的数量或特征属性。


卷积网络？

不，不是卷积，我不显示真实的图片 ))
不平衡的学习例子很可能是原因，但我认为你必须搞清楚激活函数。答案落在了错误的洞里，而且有很多洞。我需要学习TensorBoard的巫术，但它是如此的痛苦...
简而言之，我没有足够的知识。
 
Evgeny Dyuka:
不，不是卷积，我不展示真实的图片）。
不平衡的学习例子很可能是原因，但我认为你必须搞清楚激活函数。答案落在了错误的洞里，而且有很多洞。我需要学习TensorBoard的巫术，但它是如此的痛苦...
我知道的还不够多。
打错了 - 不是激活函数，而是优化函数
1...187418751876187718781879188018811882188318841885188618871888...3399
新评论