파이썬으로 신경망을 훈련시키려고 했습니다. 패키지는 scikit-learn이고 NN 자체는 sklearn.neural_network.MLPRegressor입니다. 100개의 뉴런, 은닉층 -7, 입력 -19, 출력 - 1. 작업은 임의의 프로세스를 예측하는 것입니다.
작업은 잡음 발생기에서 만들어지며 이론적으로 이 잡음을 예측할 수 있는 방식으로 인공적입니다. 나는 몇 카운트를 미리 시도했다.
무작위로 선택된 5,000개의 포인트에 대한 예측을 실제와 비교한 결과:
X에 따르면 예측, Y에 따르면 실제 값. 모두 45도에 매우 가깝습니다. 똑바로. 즉, 예측이 거의 완벽합니다(인공 샘플에서).
교육 포인트. 빠른 - 24 에포크. 시간이 지나면 약 10초.
나는 오라고 말해야 한다. 놀란. 난 아주. 데이터를 숨기려고 했습니다. 내가 찾은 것이 놀랍습니다. 일반적으로 신비주의에 가깝습니다.)
결론: NN sklearn.neural_network.MLPRegressor는 매우 유용합니다. 분류기는 아직 시도되지 않았습니다.
나는 이미 시장에서 뭔가를 시도했지만 결과는 지금까지 0입니다. 그는 검색하지 않는다고 말합니다. 작업이 인위적으로 형성된 작업과 같은 등급이지만 거기에는 아무 것도 없습니다.
나는 영구 운동 기계를 발명하지 않았고 트릭을 보여주지도 않았으며 누군가 이것을 트릭이라고 생각한다면 그것은 순전히 무지에서 비롯된 것임을 즉시 말해야합니다.
먼저 약간의 이론. 동전 던지기를 포함하여 무작위 프로세스를 예측할 수 있습니다. 그것은 모두 예측 문제의 공식화에 달려 있습니다. 내일 비가 올 것이라는 예측이 90% 정확하다고 가정해 봅시다. 그러나 우리는 비가 올 것이라고 말하지 않았습니다. 이른 아침, 오후 또는 늦은 저녁, 또는 아마도 하루 종일 비가 올 것입니다. 그러한 예측은 더 이상 신뢰할 수 없습니다.
시계열을 예측하는 것이 가능합니까? 특정 조건에서 가능합니다. 그러한 가능한 조건 중 하나는 VR 스펙트럼의 한계입니다. 스펙트럼이 넓을수록 예측 간격이 짧고 예측 간격이 좁을수록 예측 간격이 길어집니다.
시장 시계열은 범위가 무제한이므로 5분 또는 1시간 전에 실제 가격을 예측하는 것은 그다지 좋은 작업이 아닙니다. 할 수 있는. 나는 그런 임무를 스스로 정하지 않았다.
이제 훈련을 위한 데이터 준비에 대해 알아보겠습니다.
1. 난수 생성기(RNG)에서 시리즈를 가져와 시장에 가까운 형태로 변환합니다. 이러한 계열은 범위가 무제한이며 값을 예측하는 것은 좋지 않습니다. 진짜.
2. 저역 통과 필터(LPF)를 통해 행을 통과시킵니다. 우리는 제한된 범위와 n-카운트를 미리 예측할 수 있는 능력을 가진 무작위 시리즈를 얻었지만 이 시리즈는 시장 시리즈와 매우 유사하지 않습니다.
3. RNG의 도움으로 M=0인 행을 생성하고 탬버린으로 춤을 추고 LPF 이후에 얻은 행에 추가합니다. 우리는 다시 시장에 가까운 시리즈를 얻습니다. 우리는 이 시리즈를 훈련에 사용할 것입니다.
4. 목적 함수로서, 저역 통과 필터를 통과하고 N 카운트 백만큼 시프트된 청구항 2에 따른 급수를 취합니다. 이는 앞으로 N 카운트에 대한 예측에 해당합니다.
다음으로 입력 및 대상 시리즈를 NN에 공급하고 훈련 결과를 확인합니다. 그런 다음 단락의 단계를 반복합니다. 1-4, 항목 3에 따른 행을 NS에 공급하고 NS의 출력을 항목 4의 N 카운트만큼 이동한 행과 비교합니다. 결과는 사진에 있습니다.
모두. 기적은 없습니다. 이 모든 것은 NS 없이 가능합니다. 무슨 나 och. 나를 놀라게 한 것은 NS가 단 몇 초 만에 단 24번의 훈련 주기 만에 해냈다는 것입니다. 그리고 이것은 나쁜 소음이 아니라이 저주파 성분이 더 이상 보이지 않습니다. 놀라운.
시장 BP와 잘 맞지 않는 이유. 모든 저역 통과 필터에는 상당한 지연이 있으며 그 곡선은 BP에 대해 오른쪽으로 이동합니다. 즉, 시리즈의 각 지점에서 이미 지연된 저주파 신호가 있으므로 예측 간격이 허용 가능한 것보다 크게 나타나 예측이 비현실적입니다. 우리는 학습을 위한 실제 목표조차 만들 수 없습니다.
비밀이 아니라면 어떤 원리로 만들어진 인공 시리즈인가요? 대략적으로 말하면 노이즈가 섞인 사인파입니까, 아니면 좀 더 복잡합니까?
글쎄, 내 게시물에 몇 가지 질문이 있으면 군중 속에서 한 번에 대답해야합니다.
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
거래의 기계 학습: 이론 및 실습(거래 등)
유리 아사울렌코 , 2019.02.17 21:01
파이썬으로 신경망을 훈련시키려고 했습니다. 패키지는 scikit-learn이고 NN 자체는 sklearn.neural_network.MLPRegressor입니다. 100개의 뉴런, 은닉층 -7, 입력 -19, 출력 - 1. 작업은 임의의 프로세스를 예측하는 것입니다.
작업은 잡음 발생기에서 만들어지며 이론적으로 이 잡음을 예측할 수 있는 방식으로 인공적입니다. 나는 몇 카운트를 미리 시도했다.
무작위로 선택된 5,000개의 포인트에 대한 예측을 실제와 비교한 결과:
X에 따르면 예측, Y에 따르면 실제 값. 모두 45도에 매우 가깝습니다. 똑바로. 즉, 예측이 거의 완벽합니다(인공 샘플에서).
교육 포인트. 빠른 - 24 에포크. 시간이 지나면 약 10초.
나는 오라고 말해야 한다. 놀란. 난 아주. 데이터를 숨기려고 했습니다. 내가 찾은 것이 놀랍습니다. 일반적으로 신비주의에 가깝습니다.)
결론: NN sklearn.neural_network.MLPRegressor는 매우 유용합니다. 분류기는 아직 시도되지 않았습니다.
나는 이미 시장에서 뭔가를 시도했지만 결과는 지금까지 0입니다. 그는 검색하지 않는다고 말합니다. 작업이 인위적으로 형성된 작업과 같은 등급이지만 거기에는 아무 것도 없습니다.
나는 영구 운동 기계를 발명하지 않았고 트릭을 보여주지도 않았으며 누군가 이것을 트릭이라고 생각한다면 그것은 순전히 무지에서 비롯된 것임을 즉시 말해야합니다.
먼저 약간의 이론. 동전 던지기를 포함하여 무작위 프로세스를 예측할 수 있습니다. 그것은 모두 예측 문제의 공식화에 달려 있습니다. 내일 비가 올 것이라는 예측이 90% 정확하다고 가정해 봅시다. 그러나 우리는 비가 올 것이라고 말하지 않았습니다. 이른 아침, 오후 또는 늦은 저녁, 또는 아마도 하루 종일 비가 올 것입니다. 그러한 예측은 더 이상 신뢰할 수 없습니다.
시계열을 예측하는 것이 가능합니까? 특정 조건에서 가능합니다. 그러한 가능한 조건 중 하나는 VR 스펙트럼의 한계입니다. 스펙트럼이 넓을수록 예측 간격이 짧고 예측 간격이 좁을수록 예측 간격이 길어집니다.
시장 시계열은 범위가 무제한이므로 5분 또는 1시간 전에 실제 가격을 예측하는 것은 그다지 좋은 작업이 아닙니다. 할 수 있는. 나는 그런 임무를 스스로 정하지 않았다.
이제 훈련을 위한 데이터 준비에 대해 알아보겠습니다.
1. 난수 생성기(RNG)에서 시리즈를 가져와 시장에 가까운 형태로 변환합니다. 이러한 계열은 범위가 무제한이며 값을 예측하는 것은 좋지 않습니다. 진짜.
2. 저역 통과 필터(LPF)를 통해 행을 통과시킵니다. 우리는 제한된 범위와 n-카운트를 미리 예측할 수 있는 능력을 가진 무작위 시리즈를 얻었지만 이 시리즈는 시장 시리즈와 매우 유사하지 않습니다.
3. RNG의 도움으로 M=0인 행을 생성하고 탬버린으로 춤을 추고 LPF 이후에 얻은 행에 추가합니다. 우리는 다시 시장에 가까운 시리즈를 얻습니다. 우리는 이 시리즈를 훈련에 사용할 것입니다.
4. 목적 함수로서, 저역 통과 필터를 통과하고 N 카운트 백만큼 시프트된 청구항 2에 따른 급수를 취합니다. 이는 앞으로 N 카운트에 대한 예측에 해당합니다.
다음으로 입력 및 대상 시리즈를 NN에 공급하고 훈련 결과를 확인합니다. 그런 다음 단락의 단계를 반복합니다. 1-4, 항목 3에 따른 행을 NS에 공급하고 NS의 출력을 항목 4의 N 카운트만큼 이동한 행과 비교합니다. 결과는 사진에 있습니다.
모두. 기적은 없습니다. 이 모든 것은 NS 없이 가능합니다. 무슨 나 och. 나를 놀라게 한 것은 NS가 단 몇 초 만에 단 24번의 훈련 주기 만에 해냈다는 것입니다. 그리고 이것은 나쁜 소음이 아니라이 저주파 성분이 더 이상 보이지 않습니다. 놀라운.
시장 BP와 잘 맞지 않는 이유. 모든 저역 통과 필터에는 상당한 지연이 있으며 그 곡선은 BP에 대해 오른쪽으로 이동합니다. 즉, 시리즈의 각 지점에서 이미 지연된 저주파 신호가 있으므로 예측 간격이 허용 가능한 것보다 크게 나타나 예측이 비현실적입니다. 우리는 학습을 위한 실제 목표조차 만들 수 없습니다.
유리 아사울렌코 :
스펙트럼의 개념은 정지된 과정에 대해서만 정의됩니다. 시간이 지남에 따라 분산이 증가하기 때문에 가격은 그렇지 않습니다.
스펙트럼의 개념은 정지된 과정에 대해서만 정의됩니다. 시간이 지남에 따라 분산이 증가하기 때문에 가격은 그렇지 않습니다.
이것은 엘더베리 정원에서, 그리고 삼촌인 키예프에서 온 것입니다.
좋아, 난 당신이 Stradivarius 드럼을 판매하는 것을 막지 않을 것입니다.
좋아, 난 당신이 Stradivarius 드럼을 판매하는 것을 막지 않을 것입니다.
10줄의 코드로 소켓을 통해 Python에서 거의 즉시(50k 항목) 가격 얻기
음, mt5 20의 측면에서
R에 대한 이러한 라이브러리가 즉흥적으로 만들어졌습니까? 스스로 하기가 너무 어렵습니다. MT5의 기본 소켓이 작동한다는 사실 때문입니다. 물론 감사합니다.
거래를 시작하라는 신호이든 다른 무엇이든 상관없이 모든 기능은 나중에 매우 간단하게 추가됩니다.
10줄의 코드로 소켓을 통해 Python에서 거의 즉시(50k 항목) 가격 얻기
음, mt5 20의 측면에서
R에 대한 이러한 라이브러리가 즉흥적으로 만들어졌습니까? 스스로 하기가 너무 어렵습니다. MT5의 기본 소켓이 작동한다는 사실 때문입니다. 물론 감사합니다.
좋아요.)
나는 그들이 Spyder로 바꾼 것을 본다. 맞아요 유노트북 만지작거리는 것보다 다 낫습니다.
추신 모두를 위해. 사고. 차트의 그리드는 plt.grid()에 의해 수행됩니다.
알겠습니다. 죄송합니다. )) 거의 모든 무선 신호는 고정되지 않은 프로세스이지만 스펙트럼이 있습니다.
라디오 아마추어는 무작위 프로세스를 구현과 혼동합니다.
라디오 아마추어는 무작위 프로세스를 구현과 혼동합니다.
트롤과 논쟁하지 않겠습니다.
좋아요.)
나는 그들이 Spyder로 바꾼 것을 본다. 맞아요 유노트북 만지작거리는 것보다 다 낫습니다.
PS 차트의 그리드는 plt.grid()에 의해 수행됩니다.
나는 아나콘다 없이 벌거벗은 비단뱀에 거미를 넣기 위해 거미를 만지작거려야 했습니다.
그 전에는 vscode를 사용했지만 노트북 배터리가 매우 빨리 소모되므로 콘센트에 손을 뻗어야 합니다.