交易中的机器学习:理论、模型、实践和算法交易 - 页 1885

 
Evgeny Dyuka:
是的,你必须经历一切,否则你就不能。
试着 一下,这对了解参数如何影响结果很有好处。

是的,见过,太糟糕了,你不能把自己的东西塞进去。

试着减少lerning_rate作为开始。


漂亮的照片,清楚地看到过度训练的地方


 
马克西姆-德米特里耶夫斯基

交易你的集群,就像我说的那样

而新数据的误差是0.82%。

当我告诉你做一个商城并检查它时,你应该听我的,你做了一些优化器、解析器和其他垃圾。

 

正常的网络似乎比lstm更好。而tanh比relu好。

各地的网络参数都是一样的。数据被规范化为+-1的范围。

左边是托盘上的错误和历时的验证。中间是托盘上的净产出和基准。右边是验证和基准的净输出。

箪食壶浆

箪食壶浆 箪食壶浆 箪食壶浆

芦苇

芦苇 返程列车 重生代

lstm

训练 价值

我不得不在lstm上花了很多时间,让它从0.5走出来。而结果不是很好,参数窗口很窄。而我花了大约10分钟来训练它。但在这里,网络的练习时间比一分钟长一点。他们说lstm需要更长的时间来训练,在这个例子中,网络的训练时间是一样的(但lstm需要更长的时间来训练)。

 
Rorschach:

正常的网络似乎比lstm更好。而tanh比relu好。

网络设置在任何地方都是一样的。

箪食壶浆

芦苇

lstm

我不得不用lstm摇晃了很久才使它从0.5开始消失。而结果不是很好,参数窗口非常狭窄。而我花了大约10分钟来训练它。但在这里,网络的练习时间比一分钟长一点。他们说lstm需要更长的时间来训练,在这个例子中,网格在相同的时间内训练。

是常规的顺序密集型吗
 
罗夏
某种激活对负值不起作用,没有进入这个问题?
 

我有一个原始的NS,没有经过训练。我不明白训练的意义。 我决不是在劝阻任何人。

百分比的柱状图表示未来可能的运动方向。

向网络提供正确的信息是很重要的。

如果你养活了这些垃圾。任何软件包的结果都将是混乱的。

我希望很清楚,蓝色是向上的,胡萝卜是向下的。

d462

 
Evgeny Dyuka:
正常的是顺序密集 型?

Evgeny Dyuka
,某种激活对负值不起作用,没有进入这个问题?

没想到。tanh +-1,relu 0-inf
更新看了例子,relu仍然导致0平均。

 
Uladzimir Izerski:

我有一个原始的NS,没有经过训练。我不明白训练的意义。 我决不是在劝阻任何人。

百分比的柱状图表示未来可能的运动方向。

向网络提供正确的信息是很重要的。

如果你养活了这些垃圾。任何软件包的结果都将是混乱的。

我希望很清楚,蓝色是向上的,胡萝卜是向下的。


M5做空,D1买入,其他人同意。

 
Rorschach:

M5做空,D1买入,同意其他人的观点。

一小时内有了变化。

d245

 
mytarmailS:

交易你的集群,就像我告诉你的那样。

而即使新数据的误差是0.82%。

所以你应该听我的,当我告诉你做一个商场,看一次,你是一些优化器,解析器和其他废话看到的

不是垃圾而是糖果...

一切都应该像时钟一样工作,你做错了什么。

但我们不要公开讨论这个问题。因为我想象着在这样一个巧妙的发现之后,现金会流进我的口袋。我不想与任何人分享它。