市场礼仪或雷区中的良好风度 - 页 80 1...737475767778798081828384858687...104 新评论 Neutron 2009.06.22 05:33 #791 gpwr писал(а)>> 为什么在蓝色圆圈附近有一个统计上的散点?如果权重从零开始,就不应该有任何统计上的分散。 重点是,我不是为同一个训练样本生成统计数字,而是在每个周期内一次转移一个样本。因此,训练的结果并不吻合。我不记得我为什么这么做,但这并不改变本质。显然,我想展示市场中的准稳定过程,并反映它们对学习速度的影响。 下面是在同一训练样本上进行10次实验的平均值,结果是什么样子的(图左)。 你可以看到,初始化为零的权重没有统计学上的变化。 右图是基于一个有12个输入、隐藏层有5个神经元、输出有1个神经元的网络架构,训练样本为120个,也就是说,它是你的案例的一个副本。这些统计数字是从50个独立的数字实验中收集的。另外,一切工作都很正常。 如果使用按标准差归一化的欧元兑美元1h开盘价,其平均值不等于零。还是你减去了平均数? 不,我用第一次开盘价差作为输入(以为从上下文中可以看出)。很明显,平均数是零。预测了下一个差异的振幅和符号。 至于该定理,我喜欢它。但是,它与我们的网络有关,是一种特殊的情况! 你已经证明了训练样本长度趋于无穷大的退化情况。实际上,在这种情况下,对于代表SV的MO为零的输入数据向量,我们得到的权重为零--对于综合SV来说,明天的最佳预测是今天的当前值。但是,一旦我们采取有限长度的训练样本,训练后的权重将趋于平衡,使误差的平方最小。作为证明这一说法的例子,以SLAE(相同的NS)为例。在这种情况下,权重是唯一定义的,训练样本的训练误差完全等于零(未知数等于方程数),权重(未知数处的系数)显然不等于零。 paralocus 2009.06.22 08:47 #792 这个设计对我来说有些不合适。 Neutron 2009.06.22 08:53 #793 为什么你在标尺上看到+/-1的范围?它应该是+/-N...也许你把 "+/-1 "的限制设置得很硬,现在你什么都看不到了,但它就像图片中一样。 paralocus 2009.06.22 09:08 #794 我不认为这就是原因。我根本就没有指定一个范围边界。现在,它被硬性设定为从-N到+N。 我怀疑这是Matkad的一个小故障。我已经拿到了新的,但邮局今天不上班。只有明天才能拿到。 Neutron 2009.06.22 09:33 #795 paralocus писал(а)>> 我不认为这就是原因。我根本就没有指定一个范围边界。现在,它被硬性设定为从-N到+N。 我怀疑这是Matkad的一个小故障。我已经拿到了新的,但邮局今天不上班。我只有在明天才能得到它。 我很好。 你,给我看看矢量值。比如,F=...你有什么? paralocus 2009.06.22 09:38 #796 Neutron 2009.06.22 09:40 #797 啊哈。你知道该怎么做--将循环中的差值四舍五入为整数:dif[i]=trunc(K*(Open[i]-Open[i-1]))。也许你的原始商数中没有4位数。请看表格中的小木箱本身是怎样的。 paralocus 2009.06.22 09:59 #798 是的,它成功了... 奇怪,我的商数中怎么没有四位数? Neutron 2009.06.22 10:04 #799 从哪里来,从哪里来...因为你已经将Matcad设置为表示小数点后三位的数字。 哦,不。不过,问题出在原始商数上。在原始数据中寻找。 paralocus 2009.06.22 12:01 #800 这是因为数据类型的不同。trunc()只是将第一个商差的值设置为一个整数类型。 1...737475767778798081828384858687...104 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
为什么在蓝色圆圈附近有一个统计上的散点?如果权重从零开始,就不应该有任何统计上的分散。
重点是,我不是为同一个训练样本生成统计数字,而是在每个周期内一次转移一个样本。因此,训练的结果并不吻合。我不记得我为什么这么做,但这并不改变本质。显然,我想展示市场中的准稳定过程,并反映它们对学习速度的影响。
下面是在同一训练样本上进行10次实验的平均值,结果是什么样子的(图左)。
你可以看到,初始化为零的权重没有统计学上的变化。
右图是基于一个有12个输入、隐藏层有5个神经元、输出有1个神经元的网络架构,训练样本为120个,也就是说,它是你的案例的一个副本。这些统计数字是从50个独立的数字实验中收集的。另外,一切工作都很正常。
如果使用按标准差归一化的欧元兑美元1h开盘价,其平均值不等于零。还是你减去了平均数?
不,我用第一次开盘价差作为输入(以为从上下文中可以看出)。很明显,平均数是零。预测了下一个差异的振幅和符号。
至于该定理,我喜欢它。但是,它与我们的网络有关,是一种特殊的情况!
你已经证明了训练样本长度趋于无穷大的退化情况。实际上,在这种情况下,对于代表SV的MO为零的输入数据向量,我们得到的权重为零--对于综合SV来说,明天的最佳预测是今天的当前值。但是,一旦我们采取有限长度的训练样本,训练后的权重将趋于平衡,使误差的平方最小。作为证明这一说法的例子,以SLAE(相同的NS)为例。在这种情况下,权重是唯一定义的,训练样本的训练误差完全等于零(未知数等于方程数),权重(未知数处的系数)显然不等于零。
这个设计对我来说有些不合适。
我不认为这就是原因。我根本就没有指定一个范围边界。现在,它被硬性设定为从-N到+N。
我怀疑这是Matkad的一个小故障。我已经拿到了新的,但邮局今天不上班。只有明天才能拿到。
我不认为这就是原因。我根本就没有指定一个范围边界。现在,它被硬性设定为从-N到+N。
我怀疑这是Matkad的一个小故障。我已经拿到了新的,但邮局今天不上班。我只有在明天才能得到它。
我很好。
你,给我看看矢量值。比如,F=...你有什么?
啊哈。你知道该怎么做--将循环中的差值四舍五入为整数:dif[i]=trunc(K*(Open[i]-Open[i-1]))。也许你的原始商数中没有4位数。请看表格中的小木箱本身是怎样的。
是的,它成功了...
奇怪,我的商数中怎么没有四位数?
从哪里来,从哪里来...因为你已经将Matcad设置为表示小数点后三位的数字。
哦,不。不过,问题出在原始商数上。在原始数据中寻找。