交易中的机器学习:理论、模型、实践和算法交易 - 页 77 1...707172737475767778798081828384...3399 新评论 Dr. Trader 2016.07.30 10:09 #761 对于R来说,这是一个非常好的结果,因为所有其他语言都用于许多不同的目的,而R只是用于数据处理。 Alexey Burnakov 2016.07.30 11:22 #762 Dr.Trader: 考虑到所有其他语言都用于许多不同的目的,而R只是用于数据处理,因此R的结果非常好。你试过在我的数据上进行训练吗?我做了一个为期5天的实验。我只是在折磨欧元兑美元! 做了99个训练样本,大小和我在这里发布的差不多。所有这些都是独特的,因为它们包含了时间上的观察。我正在对它们进行模型训练,并将成立一个GBM森林委员会。已经有了一些有趣的验证结果,尽管我在24小时内只看了18个样本。也就是说,我做了2.5倍的验证,我稍后会说明原因!正如你所看到的,在第一个训练样本中,模型的训练使验证中的40万个观测值,我得到了2.7分的MO(包括传播)。嗯,还有1,1.5分的结果,正常。所有这些都将在稍后的委员会中堆积起来,让我们看看最终验证的图片是什么!我预计家庭作业的成绩为4或4以上。去吧,先生们。PS:训练数据--99个样本的多样化和委员会:https://drive.google.com/open?id=0B_Au3ANgcG7CNG5JT3R2UzI0UzQ Dr. Trader 2016.07.30 12:12 #763 是的,我试过了,第一次没有成功。为了估计模型,我采取了回归结果的准确性(要求的结果按[0;0.5;1]的比例减去获得的结果,模数)。遗传学用几个预测器找到了这样一个全局最大值,当时神经元克没有足够的数据进行训练,所以它在几乎所有的数据上都返回0.5(与 "不交易 "类匹配)。一般来说,这样的健身函数根本不适合,网络只是没有交易的结果。现在,第二个实验仍在进行中。我仍然使用3个类,但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率([正确答案的数量]/[总数量])。从遗传学中的最佳适配值图中,我可以判断出结果将接近33%,基本与随机相同。如果你幸运的话,也许会高一点。我必须再等一两天,直到遗传学不会达到最大值,然后我就可以进行前沿测试。在我的预测器上,我通常会得到更好的结果,我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器,那么你最初添加的指标越多越好。 Alexey Burnakov 2016.07.30 13:10 #764 Dr.Trader:是的,我试过了,第一次没有成功。为了估计模型,我采取了回归结果的准确性(要求的结果按[0;0.5;1]的比例减去获得的结果,模数)。遗传学用几个预测器找到了这样一个全局最大值,当时神经元克没有足够的数据进行训练,所以它在几乎所有的数据上都返回0.5(与 "不交易 "类匹配)。一般来说,这样的健身函数根本不适合,网络只是没有交易的结果。现在,第二个实验仍在进行中。我仍然使用3个类,但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率([正确答案的数量]/[总数量])。从遗传学中的最佳适配值图中,我可以判断出结果将接近33%,基本与随机相同。如果你幸运的话,也许会高一点。我必须再等一两天,直到遗传学达到最大值,然后我就可以进行前测了。在我的预测器上,我通常会得到更好的结果,我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器,那么你最初添加的指标越多越好。 谢谢你。报告结果。关于你的和我们的。这里有相当多的预测因素。足够满足我的口味。我只是有五对,每对有10年。可以理解的是,一个模型的学习时间比1对和2年要长和慢。但并不意味着更糟。 Mihail Marchukajtes 2016.07.30 16:38 #765 仍然试图建立一个圣杯???? 来吧...... mytarmailS 2016.07.30 16:51 #766 Mihail Marchukajtes: 仍在努力建造圣杯????来吧...... 有人答应在周末解释他们的圣杯。 Alexey Burnakov 2016.07.30 17:37 #767 Mihail Marchukajtes: 仍然试图建立一个圣杯????来吧...... 巨魔,离开这里。 Mihail Marchukajtes 2016.07.30 18:05 #768 不,不,伙计们,系统已经泄露了,没有必要再展示它。致歉.....关于分类论著,是的...我可以......但我还没有时间,一旦我有了空闲,我的创造力出现了,我一定会回信 .....否则..... mytarmailS 2016.07.30 18:36 #769 Mihail Marchukajtes: Nah, no guys, the system's gone, there's no point in even showing it.致歉.....关于分类的论文,是的...可以......但现在还没有时间,一旦我有了空闲,我的创造力得到发挥,我就会写下它.....。否则.....我想知道...你不是写到你已经成功使用你的算法一年了吗?几个小时前,你写道: "仍然试图建立一个圣杯????。来吧......"这 意味着该算法在几个小时前还在工作,然后就消失了????????????????????。这并没有使你的故事变得有意义,....听着,如果你有事情要告诉我,那就给我发邮件,因为我也做了你写的事情,我对这个话题感兴趣。 Dr. Trader 2016.07.30 19:00 #770 在这个主题中已经有关于RNeat的帖子,它是一种具有自适应拓扑结构的神经元,神经元的权重和连接是利用遗传学形成的。 从描述和简单的测试来看,这个模型是相当不错的。但这对外汇来说并不那么好。一个星期以来,我一直在训练,用400个预测器预测在下一个条形图上买入/卖出。 学习模型的速度太慢,在一个星期内,模型的适配度几乎增加到只有2%。即使在训练数据上的预测准确率也只有55%,该模型还没有时间进化到良好的逻辑来开始产生利润。在验证数据(从训练数据中取出的随机条)上的准确率要好一点,但这更多是偶然的,而不是模型的优点。 前测准确率在50%和53%之间波动,从图表来看,这也是偶然的,不是由于模型的原因。 没有奇迹发生,我猜测模型在几个月的工作后会进化到正确的逻辑,但它会在验证时以糟糕的结果重新训练,到那时就已经过时了,我不得不重新开始。 我停止了这个实验;我不认为继续下去有什么意义。 1...707172737475767778798081828384...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
考虑到所有其他语言都用于许多不同的目的,而R只是用于数据处理,因此R的结果非常好。
你试过在我的数据上进行训练吗?
我做了一个为期5天的实验。我只是在折磨欧元兑美元!
做了99个训练样本,大小和我在这里发布的差不多。所有这些都是独特的,因为它们包含了时间上的观察。我正在对它们进行模型训练,并将成立一个GBM森林委员会。已经有了一些有趣的验证结果,尽管我在24小时内只看了18个样本。也就是说,我做了2.5倍的验证,我稍后会说明原因!
正如你所看到的,在第一个训练样本中,模型的训练使验证中的40万个观测值,我得到了2.7分的MO(包括传播)。
嗯,还有1,1.5分的结果,正常。所有这些都将在稍后的委员会中堆积起来,让我们看看最终验证的图片是什么!我预计家庭作业的成绩为4或4以上。
去吧,先生们。
PS:训练数据--99个样本的多样化和委员会:https://drive.google.com/open?id=0B_Au3ANgcG7CNG5JT3R2UzI0UzQ
是的,我试过了,第一次没有成功。为了估计模型,我采取了回归结果的准确性(要求的结果按[0;0.5;1]的比例减去获得的结果,模数)。遗传学用几个预测器找到了这样一个全局最大值,当时神经元克没有足够的数据进行训练,所以它在几乎所有的数据上都返回0.5(与 "不交易 "类匹配)。一般来说,这样的健身函数根本不适合,网络只是没有交易的结果。
现在,第二个实验仍在进行中。我仍然使用3个类,但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率([正确答案的数量]/[总数量])。从遗传学中的最佳适配值图中,我可以判断出结果将接近33%,基本与随机相同。如果你幸运的话,也许会高一点。我必须再等一两天,直到遗传学不会达到最大值,然后我就可以进行前沿测试。
在我的预测器上,我通常会得到更好的结果,我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器,那么你最初添加的指标越多越好。
是的,我试过了,第一次没有成功。为了估计模型,我采取了回归结果的准确性(要求的结果按[0;0.5;1]的比例减去获得的结果,模数)。遗传学用几个预测器找到了这样一个全局最大值,当时神经元克没有足够的数据进行训练,所以它在几乎所有的数据上都返回0.5(与 "不交易 "类匹配)。一般来说,这样的健身函数根本不适合,网络只是没有交易的结果。
现在,第二个实验仍在进行中。我仍然使用3个类,但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率([正确答案的数量]/[总数量])。从遗传学中的最佳适配值图中,我可以判断出结果将接近33%,基本与随机相同。如果你幸运的话,也许会高一点。我必须再等一两天,直到遗传学达到最大值,然后我就可以进行前测了。
在我的预测器上,我通常会得到更好的结果,我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器,那么你最初添加的指标越多越好。
仍在努力建造圣杯????来吧......
仍然试图建立一个圣杯????来吧......
Nah, no guys, the system's gone, there's no point in even showing it.致歉.....关于分类的论文,是的...可以......但现在还没有时间,一旦我有了空闲,我的创造力得到发挥,我就会写下它.....。否则.....
我想知道...你不是写到你已经成功使用你的算法一年了吗?几个小时前,你写道: "仍然试图建立一个圣杯????。来吧......"这 意味着该算法在几个小时前还在工作,然后就消失了????????????????????。这并没有使你的故事变得有意义,....
听着,如果你有事情要告诉我,那就给我发邮件,因为我也做了你写的事情,我对这个话题感兴趣。
在这个主题中已经有关于RNeat的帖子,它是一种具有自适应拓扑结构的神经元,神经元的权重和连接是利用遗传学形成的。
从描述和简单的测试来看,这个模型是相当不错的。但这对外汇来说并不那么好。一个星期以来,我一直在训练,用400个预测器预测在下一个条形图上买入/卖出。
学习模型的速度太慢,在一个星期内,模型的适配度几乎增加到只有2%。即使在训练数据上的预测准确率也只有55%,该模型还没有时间进化到良好的逻辑来开始产生利润。
在验证数据(从训练数据中取出的随机条)上的准确率要好一点,但这更多是偶然的,而不是模型的优点。
前测准确率在50%和53%之间波动,从图表来看,这也是偶然的,不是由于模型的原因。
没有奇迹发生,我猜测模型在几个月的工作后会进化到正确的逻辑,但它会在验证时以糟糕的结果重新训练,到那时就已经过时了,我不得不重新开始。
我停止了这个实验;我不认为继续下去有什么意义。