交易中的机器学习:理论、模型、实践和算法交易 - 页 2052 1...204520462047204820492050205120522053205420552056205720582059...3399 新评论 Rorschach 2020.10.27 14:11 #20511 Maxim Dmitrievsky: 很明显,他不是一个白痴。 这个测试很简单,但它可能已经过时了。 如果像《白痴》中那样,它也会变成复杂的))。 Maxim Dmitrievsky 2020.10.27 14:27 #20512 Rorschach: 如果像《白痴》中那样,也会很难))。 我可以想到很多我认识的人或当地的竞争者都无法做到这一点。 Maxim Dmitrievsky 2020.10.27 14:30 #20513 Aleksey Vyazmikin: 如果它给出的预测值是一栏或更多,那还不足以做出决定,它并不比MA好多少。而人们感兴趣的是收入偏离这个名义上的MA的情况。你走多远,它就走多远。我今天早上用测试器摆弄了一下rnn--它正在重新训练增量。在火车上是好的,在测试器上则是坏的。 如果结果不比森林好,我不知道你到底需要它做什么。总的来说,这是一个很酷的事情,但它仍然没有任何好处。 Maxim Dmitrievsky 2020.10.27 17:11 #20514 神经网络色情......我将很快上传第二部分的结论,关于RNN(GRU)。 ч.2.视频结尾处的正常测试。在这之前,我没有办法想好好训练。 再来回顾一下,用catbust做的事情大致是这样的,结果是更好。 Rorschach 2020.10.27 17:50 #20515 Maxim Dmitrievsky: 神经网络色情......我将很快上传第二部分的结论,关于RNN(GRU)。ч.2.视频结尾处的正常测试。在这之前,我没有办法想好好训练。再来回顾一下,大约与catbust的工作原理相同,其中效果更好。 你不使用Numba进行加速? Maxim Dmitrievsky 2020.10.27 17:53 #20516 Rorschach: 你不是用Numba来加速吗?没有它,循环本身也很快,到目前为止,我不需要它。如果可能的话,矢量化是无处不在的,那里的一切都很快。Z.I.明显的缺陷--你不能用对数损失或交叉熵来教学,你至少需要栓上一个公制。我只是刚刚意识到这一点。正因为如此,结果很可能不是很好。 邀请函是来自ODS的吗? 也许还有其他方式,我得问问。 Rorschach 2020.10.27 17:58 #20517 Maxim Dmitrievsky: 循环本身在没有它的情况下工作得很快,到目前为止,没有必要如果可能的话,到处都是矢量化,那里的一切都很快速。Z.I.明显的缺陷--你不能用对数损失或交叉熵进行教学,你至少要拧入一个准确度指标。我只是刚刚意识到这一点。正因为如此,结果很可能不是很好。 你是从ODS获得的邀请吗? 也许有其他的方法,我得问问 有时numpy数组的计算时间要比python列表长。我还注意到,将代码包裹到一个函数中会导致速度提高。 还没到,我不知道下次去NS的时间。 Maxim Dmitrievsky 2020.10.27 18:06 #20518 Rorschach: 在 ,我有时发现numpy数组的评估时间比python列表长。我还注意到,把代码包进一个函数中会有一个速度的提升。还没来得及做,有点不急,不知道下一次在NS的运行是什么时候。这很奇怪。可能是按元素计算,而不是按矢量计算。 南派作为加分项应该飞行,有一个小的头顶 Rorschach 2020.10.27 18:07 #20519 Maxim Dmitrievsky: 这很奇怪。可能是按元素计算,而不是按矢量计算。南派像李子应该会飞,有一点矫枉过正。是的,如果你必须在一个循环中进行。 我数了一下,numba大概有500次,但并不准确。你必须把这段代码放到一个函数中,并把@njit放在那里。@vectorize以@njit的速度工作,所以没有必要摆弄它,只有当你指望gpu的时候。但GPU更麻烦,数组不能在函数内声明,代码应设计为无循环,否则将非常长。 Maxim Dmitrievsky 2020.10.29 06:26 #20520 这是catbust在相同数据上的训练情况(5秒内)。 52:学习:0.7964708测试:0.7848837 最佳:0.7860866 (27) 总计:604ms 剩余:5.09s 来源数据集。 训练过的模型(交易的后半部分是测试样本)。 当然,并不总是如此,这取决于抽样(而且是随机的,即需要超额抽样)。有时像这样。 34:学习:0.5985972测试:0.5915832 最佳:0.5927856 (9) 总计:437ms 剩余:5.81s 1...204520462047204820492050205120522053205420552056205720582059...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
很明显,他不是一个白痴。 这个测试很简单,但它可能已经过时了。
如果像《白痴》中那样,它也会变成复杂的))。
如果像《白痴》中那样,也会很难))。
我可以想到很多我认识的人或当地的竞争者都无法做到这一点。
如果它给出的预测值是一栏或更多,那还不足以做出决定,它并不比MA好多少。而人们感兴趣的是收入偏离这个名义上的MA的情况。
你走多远,它就走多远。
我今天早上用测试器摆弄了一下rnn--它正在重新训练增量。在火车上是好的,在测试器上则是坏的。
如果结果不比森林好,我不知道你到底需要它做什么。总的来说,这是一个很酷的事情,但它仍然没有任何好处。神经网络色情......我将很快上传第二部分的结论,关于RNN(GRU)。
ч.2.视频结尾处的正常测试。在这之前,我没有办法想好好训练。
再来回顾一下,用catbust做的事情大致是这样的,结果是更好。
神经网络色情......我将很快上传第二部分的结论,关于RNN(GRU)。
ч.2.视频结尾处的正常测试。在这之前,我没有办法想好好训练。
再来回顾一下,大约与catbust的工作原理相同,其中效果更好。
你不使用Numba进行加速?
你不是用Numba来加速吗?
没有它,循环本身也很快,到目前为止,我不需要它。
如果可能的话,矢量化是无处不在的,那里的一切都很快。
Z.I.明显的缺陷--你不能用对数损失或交叉熵来教学,你至少需要栓上一个公制。我只是刚刚意识到这一点。正因为如此,结果很可能不是很好。
邀请函是来自ODS的吗? 也许还有其他方式,我得问问。循环本身在没有它的情况下工作得很快,到目前为止,没有必要
如果可能的话,到处都是矢量化,那里的一切都很快速。
Z.I.明显的缺陷--你不能用对数损失或交叉熵进行教学,你至少要拧入一个准确度指标。我只是刚刚意识到这一点。正因为如此,结果很可能不是很好。
你是从ODS获得的邀请吗? 也许有其他的方法,我得问问有时numpy数组的计算时间要比python列表长。我还注意到,将代码包裹到一个函数中会导致速度提高。
还没到,我不知道下次去NS的时间。
在 ,我有时发现numpy数组的评估时间比python列表长。我还注意到,把代码包进一个函数中会有一个速度的提升。
还没来得及做,有点不急,不知道下一次在NS的运行是什么时候。
这很奇怪。可能是按元素计算,而不是按矢量计算。
南派作为加分项应该飞行,有一个小的头顶这很奇怪。可能是按元素计算,而不是按矢量计算。
南派像李子应该会飞,有一点矫枉过正。
是的,如果你必须在一个循环中进行。
我数了一下,numba大概有500次,但并不准确。你必须把这段代码放到一个函数中,并把@njit放在那里。@vectorize以@njit的速度工作,所以没有必要摆弄它,只有当你指望gpu的时候。但GPU更麻烦,数组不能在函数内声明,代码应设计为无循环,否则将非常长。这是catbust在相同数据上的训练情况(5秒内)。
52:学习:0.7964708测试:0.7848837 最佳:0.7860866 (27) 总计:604ms 剩余:5.09s
来源数据集。
训练过的模型(交易的后半部分是测试样本)。
当然,并不总是如此,这取决于抽样(而且是随机的,即需要超额抽样)。有时像这样。
34:学习:0.5985972测试:0.5915832 最佳:0.5927856 (9) 总计:437ms 剩余:5.81s