交易中的机器学习：理论、模型、实践和算法交易 - 页 540 1...533534535536537538539540541542543544545546547...3399 新评论 СанСаныч Фоменко 2017.12.05 07:27 #5391 交易员博士。我遇到了一个可以理解的关于LSTM神经元的描述，所以我写了一点代码来测试它。文章 -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/该代码采用100条eurusd m5，计算条形增量，lstm神经元学习预测下一个增量，依靠最后一个已知的增量。 我没有用复杂的分析方程来训练它，神经元的权重是通过离散的lbfgs优化来拟合的，这比较糟糕，但对于一个简单的测试来说是可以的。预测估计值（R2）出来了，比零多一点，这很低，但仍然比随机猜测好。考虑到lstm神经元不需要一些指标或增量数组，而只需要一个值，它根据这个值预测下一个值，而且对每个柱子都要重复，一般来说它非常简单--结果比我预期的好。但如果我们采取成千上万的条形图，那么R2得分就会变成<0，太糟糕了。而且似乎这样的模型在外汇上的结果在新的数据上会恶化很多，我需要发明一些具有交叉验证的自行车，在这样一个简单的形式中不会有任何利润。现在我需要以某种方式将这些神经元组成一个网络，但文章中没有提到这一点。从图片上看，它预示着前一棒。或者，也许我不明白什么？ Aleksey Terentev 2017.12.05 10:37 #5392 马克西姆-德米特里耶夫斯基。 我还没有意识到这些网有什么用处呢 :)我有个朋友一直在跟他们烧钱，学了keras，拿了一个简单的工作序列，有季节性的利润，训练了将近一天的网，然后就发誓了。 我不知道他是如何建造这个模型的。我的模型需要1-3分钟才能从100个历时中学习。 PS。而且模型的收敛可以在第20-40个纪元停止，所以可以减少训练时间。 Aleksey Terentev 2017.12.05 14:38 #5393 如果有人感兴趣，我在githab 上保留了一个项目的仓库。 我已经有一段时间没有更新了，所以代码是旧的，但收集、处理和保存预测的原理，以及循环网络模型的例子都在那里。 Dr. Trader 2017.12.05 14:47 #5394 马克西姆-德米特里耶夫斯基。 我还没有意识到这些网有什么用处呢 :)我有个朋友一直对它们很兴奋，学了keras，在工作中拿了一个简单的系列，有季节性的利润，差不多一天左右就练成了网红......之后他对它发誓了很久关于lstm的文章显示，它们可以相当准确地描述时间序列，比所有其他模型都好，例如，它们甚至可以学习复制数字音频信号（语音、音乐），而对于森林或普通神经元来说，这是一项不可能完成的任务。 我认为，如果有大量的神经元，这样的网络将足够准确地描述增长的图形，但同时也有可能出现过度喂养的情况--在新的条形图 上，该模型可能是无用的。 桑桑尼茨-弗门科。 从图片上看，它预示着前一棒。还是有什么是我不明白的？Lstm神经元依靠前一个值来预测下一个值，在这种情况下，它的依赖性很强，甚至眼睛都能看到。如果你使用他们的整个网络而不仅仅是一个神经元，这个问题就会消失。阿列克谢-特伦特夫。 如果你有兴趣，我在githab 上有项目仓库。 我已经很久没有更新了，所以那里的代码很旧，但有一些收集、处理和保存预测的原则，以及循环模型的例子。 谢谢，我将尝试运行它。在这之前，我试图弄清楚mxnet，但他们的例子是用于处理文本而不是时间序列，所以我没有走得很远。 [删除] 2017.12.05 15:57 #5395 交易员博士。从有关lstm的文章来看--它们可以相当准确地描述时间序列，比所有其他模型都要好，例如，它们甚至可以学习重现数字音频信号（语音、音乐），而对于森林或普通神经元来说，这是不可能完成的任务。 我认为，如果有大量的神经元，这样的网络将足够准确地描述增长的图形，但同时也有可能出现过度喂养的情况--在新的条形图 上，该模型可能是无用的。从他的文章来看，他也是这样认为的 [删除] 2017.12.08 14:03 #5396 难道没有人有一个像样的线性回归 的cpp库吗？ 这将允许进行特征检查......或判别分析......或支架......可以移植的东西：）algib太简单了。回归+森林会更好 Vasily Perepelkin 2017.12.08 17:22 #5397 马克西姆-德米特里耶夫斯基。alglib太简单了简单就是坏，复杂就是坏......你是我为数不多的有碍观瞻的学生之一，就像一个糟糕的舞者。你是我为数不多的舞技不好的学生之一。 虽然我已经多次警告过所有这些ML和编程，这是一个涉猎，与真正的交易无关，人们胆小，意志薄弱，除此之外还很穷，对他们来说，交易通常是被禁止的（在发达国家的立法层面上）。那么当市场会弄清楚谁是谁的时候，而市场从不欺骗，也不能欺骗，那就太晚了，十年雇工的积蓄会蒸发掉，他们不会再雇佣他们，只能乞讨或收集玻璃垃圾，成为无家可归的一般。 [删除] 2017.12.08 17:51 #5398 瓦西里-佩雷佩尔金。简单就是坏，复杂就是坏......你是我为数不多的学生之一，他有一些东西阻碍他，就像一个糟糕的舞者。虽然我已经多次警告过所有这些ML和编程，它的涉猎与真正的交易无关，人们都是胆小、意志薄弱和贫穷的人，他们一般被禁止交易（在发达国家的立法层面上）。他们试图躲在公式和代码后面，把灰尘扔到他们的眼睛里，然后当市场弄清楚谁是谁的时候，而市场从不欺骗，不能被愚弄，那就太晚了，他们十年雇工的积蓄将蒸发，他们不会被雇佣回来，只能乞讨或收集玻璃垃圾，成为无家可归的一般。你就像一个粘人的小妞，已经被告知 "不 "了五次，但她仍然在Facebook和短信上给你发短信。 Aleksey Terentev 2017.12.08 20:06 #5399 马克西姆-德米特里耶夫斯基。难道没有人有一个像样的线性回归 的cpp库吗？ 这将允许进行特征检查......或判别分析......或支架......可以移植的东西：）algib太简单了。回归+脚手架的方式更好 https://github.com/Artelnics/OpenNN 是一个容易学习的库。但很多现代技术是缺失的。回归是可以的，但脚手架是不可以的。 https://github.com/Microsoft/CNTK - 多功能工具。没有研究。作为一个dll选项。 https://github.com/BVLC/caffe - 也是相当强大的，对于一个dll选项。 Evgeny Belyaev 2017.12.08 20:18 #5400 瓦西里-佩雷佩尔金。简单就是坏，复杂就是坏......你是我为数不多的学生之一，他有一些东西阻碍他，就像一个糟糕的舞者。虽然我已经多次警告过所有这些ML和编程，它的涉猎与真正的交易无关，人们都是胆小、意志薄弱和贫穷的人，他们一般被禁止交易（在发达国家的立法层面上）。然后，当市场会弄清楚谁是谁的时候，而市场从不欺骗，不能被愚弄，那就太晚了，他们经过十年雇佣劳动的积蓄将蒸发，他们将找不到工作，只能乞讨或收集玻璃垃圾，成为无家可归的一般人。老师，不要再忽悠了。还是你是一个垃圾邮件和洪水泛滥的老师？ 1...533534535536537538539540541542543544545546547...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
我遇到了一个可以理解的关于LSTM神经元的描述，所以我写了一点代码来测试它。文章 -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
该代码采用100条eurusd m5，计算条形增量，lstm神经元学习预测下一个增量，依靠最后一个已知的增量。
我没有用复杂的分析方程来训练它，神经元的权重是通过离散的lbfgs优化来拟合的，这比较糟糕，但对于一个简单的测试来说是可以的。
预测估计值（R2）出来了，比零多一点，这很低，但仍然比随机猜测好。考虑到lstm神经元不需要一些指标或增量数组，而只需要一个值，它根据这个值预测下一个值，而且对每个柱子都要重复，一般来说它非常简单--结果比我预期的好。但如果我们采取成千上万的条形图，那么R2得分就会变成<0，太糟糕了。而且似乎这样的模型在外汇上的结果在新的数据上会恶化很多，我需要发明一些具有交叉验证的自行车，在这样一个简单的形式中不会有任何利润。
现在我需要以某种方式将这些神经元组成一个网络，但文章中没有提到这一点。
从图片上看，它预示着前一棒。或者，也许我不明白什么？
我还没有意识到这些网有什么用处呢 :)
我有个朋友一直在跟他们烧钱，学了keras，拿了一个简单的工作序列，有季节性的利润，训练了将近一天的网，然后就发誓了。
PS。而且模型的收敛可以在第20-40个纪元停止，所以可以减少训练时间。
我已经有一段时间没有更新了，所以代码是旧的，但收集、处理和保存预测的原理，以及循环网络模型的例子都在那里。
我还没有意识到这些网有什么用处呢 :)
我有个朋友一直对它们很兴奋，学了keras，在工作中拿了一个简单的系列，有季节性的利润，差不多一天左右就练成了网红......之后他对它发誓了很久
关于lstm的文章显示，它们可以相当准确地描述时间序列，比所有其他模型都好，例如，它们甚至可以学习复制数字音频信号（语音、音乐），而对于森林或普通神经元来说，这是一项不可能完成的任务。
我认为，如果有大量的神经元，这样的网络将足够准确地描述增长的图形，但同时也有可能出现过度喂养的情况--在新的条形图 上，该模型可能是无用的。
从图片上看，它预示着前一棒。还是有什么是我不明白的？
Lstm神经元依靠前一个值来预测下一个值，在这种情况下，它的依赖性很强，甚至眼睛都能看到。如果你使用他们的整个网络而不仅仅是一个神经元，这个问题就会消失。
如果你有兴趣，我在githab 上有项目仓库。
我已经很久没有更新了，所以那里的代码很旧，但有一些收集、处理和保存预测的原则，以及循环模型的例子。
从有关lstm的文章来看--它们可以相当准确地描述时间序列，比所有其他模型都要好，例如，它们甚至可以学习重现数字音频信号（语音、音乐），而对于森林或普通神经元来说，这是不可能完成的任务。
我认为，如果有大量的神经元，这样的网络将足够准确地描述增长的图形，但同时也有可能出现过度喂养的情况--在新的条形图 上，该模型可能是无用的。
从他的文章来看，他也是这样认为的
难道没有人有一个像样的线性回归 的cpp库吗？ 这将允许进行特征检查......或判别分析......或支架......可以移植的东西：）algib太简单了。
回归+森林会更好
alglib太简单了
简单就是坏，复杂就是坏......
你是我为数不多的有碍观瞻的学生之一，就像一个糟糕的舞者。
你是我为数不多的舞技不好的学生之一。 虽然我已经多次警告过所有这些ML和编程，这是一个涉猎，与真正的交易无关，人们胆小，意志薄弱，除此之外还很穷，对他们来说，交易通常是被禁止的（在发达国家的立法层面上）。那么当市场会弄清楚谁是谁的时候，而市场从不欺骗，也不能欺骗，那就太晚了，十年雇工的积蓄会蒸发掉，他们不会再雇佣他们，只能乞讨或收集玻璃垃圾，成为无家可归的一般。
简单就是坏，复杂就是坏......
你是我为数不多的学生之一，他有一些东西阻碍他，就像一个糟糕的舞者。
虽然我已经多次警告过所有这些ML和编程，它的涉猎与真正的交易无关，人们都是胆小、意志薄弱和贫穷的人，他们一般被禁止交易（在发达国家的立法层面上）。他们试图躲在公式和代码后面，把灰尘扔到他们的眼睛里，然后当市场弄清楚谁是谁的时候，而市场从不欺骗，不能被愚弄，那就太晚了，他们十年雇工的积蓄将蒸发，他们不会被雇佣回来，只能乞讨或收集玻璃垃圾，成为无家可归的一般。
你就像一个粘人的小妞，已经被告知 "不 "了五次，但她仍然在Facebook和短信上给你发短信。
难道没有人有一个像样的线性回归 的cpp库吗？ 这将允许进行特征检查......或判别分析......或支架......可以移植的东西：）algib太简单了。
回归+脚手架的方式更好
https://github.com/Microsoft/CNTK - 多功能工具。没有研究。作为一个dll选项。
https://github.com/BVLC/caffe - 也是相当强大的，对于一个dll选项。
简单就是坏，复杂就是坏......
你是我为数不多的学生之一，他有一些东西阻碍他，就像一个糟糕的舞者。
虽然我已经多次警告过所有这些ML和编程，它的涉猎与真正的交易无关，人们都是胆小、意志薄弱和贫穷的人，他们一般被禁止交易（在发达国家的立法层面上）。然后，当市场会弄清楚谁是谁的时候，而市场从不欺骗，不能被愚弄，那就太晚了，他们经过十年雇佣劳动的积蓄将蒸发，他们将找不到工作，只能乞讨或收集玻璃垃圾，成为无家可归的一般人。
老师，不要再忽悠了。还是你是一个垃圾邮件和洪水泛滥的老师？