트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1624

[Evgeny Dyuka]

케샤 루트 :

흠, "0.5-0.7초 계산"은 MLP에 너무 많은 것입니다. 슬라이딩 윈도우가 있는 작은 데이터 세트에서 배우고 계산할 수 있을까요?

순서대로 가자:

1 초기 데이터는 무엇입니까(티커, 기간)

2 훈련 데이터 세트의 크기는 얼마입니까(1k, 10k, 100k...)

3 기능은 무엇입니까

4 대상은 무엇입니까

5 어떤 유형의 메쉬

시작하기에 충분합니다...

1. 양초 + 지표
2. 200-300k
3. 이것은 노하우입니다 - 공유하지 마세요
4. 이진 분류 - 위/아래
5. keras에서 순차적으로

[Кеша Рутов]

예브게니 듀카 :
1. 양초 + 지표
2. 200-300k
3. 이것은 노하우입니다 - 공유하지 마세요
4. 이진 분류 - 위/아래
5. keras에서 순차적으로

얼마나 많은 기능?

sequental - 메쉬 유형이 아니라 keras에서 빌드하는 방법, 섬세한 메쉬 구조, 예를 들어 MLP(keras의 Dence 레이어만) 또는 일종의 혼합, 메쉬 코드는 여기에서 더 좋습니다.

[Vladimir Perervenko]

케샤 루트 :

얼마나 많은 기능?

sequental - 메쉬 유형이 아니라 keras에서 빌드하는 방법, 섬세한 메쉬 구조, 예를 들어 MLP (keras의 Dence 레이어만 ) 또는 일종의 혼합, 메쉬 코드가 여기에 더 좋습니다.

Keras에는 tensorflow에 있는 모든 레이어가 있습니다.

[Evgeny Dyuka]

케샤 뿌리 :

얼마나 많은 기능?

sequental - 메쉬 유형이 아니라 keras에서 빌드하는 방법, 섬세한 메쉬 구조, 예를 들어 MLP(keras의 Dence 레이어만) 또는 일종의 혼합, 메쉬 코드는 여기에서 더 좋습니다.

def make_model(arr_size):
  sgd = SGD(lr= 0.01 , decay= 1 e- 6 , momentum= 0.9 , nesterov=True)

  res = 2 # количество ответов
  act = "softmax"
  #act = "sigmoid"
  #opt = sgd
  opt = 'adam'

  model = Sequential()

  model.add(Dense( int ((arr_size-res)*k), input_dim=(arr_size-res), activation= 'relu' ))
  model.add(Dropout(dropout))

  #model.add(Dense( int ((arr_size-res)* 0.5 *k), activation= 'relu' ))
  #model.add(Dropout(dropout))

  #model.add(Dense( int ((arr_size-res)* 0.3 *k), activation= 'relu' ))
  #model.add(Dropout(dropout))

  #model.add(Dense( int ((arr_size-res)* 0.1 *k), activation= 'relu' ))
  #model.add(Dropout(dropout))

  model.add(Dense(res, activation=act))

   if res== 1 :
    ls= "binary_crossentropy"
   else :
    ls= "categorical_crossentropy"
  model.compile(loss=ls, optimizer=opt, metrics=[ 'accuracy' ])
   return model

[Кеша Рутов]

블라디미르 페레르벤코 :

Keras에는 tensorflow에 있는 모든 레이어가 있습니다.

알아요

나는 MLP가 keras의 덴스 레이어일 뿐이라고 말했습니다.

[Кеша Рутов]

예브게니 듀카 :

코드

확인. 그래서 MLP.

rr_size-res는 커야 합니까?

[Evgeny Dyuka]

케샤 뿌리 :

확인. 그래서 MLP.

rr_size-res는 커야 합니까?

rr_size는 입력에 있는 기능의 수입니다. 코드는 비뚤어지고, 있는 그대로 복사되고, 직접 작성됩니다.

[Кеша Рутов]

예브게니 듀카 :
rr_size는 입력에 있는 기능의 수입니다. 코드는 비뚤어지고, 있는 그대로 복사되고, 직접 작성됩니다.

글쎄, 나는 얼마나 많은 기능을 물었지만 당신은 무시했습니다

나는 실험을 제안하고 일련의 Eurobucks를 가져 와서 첫 번째 조각에서 70 \ 30 %로 나누고 훈련하고 두 번째 조각에서 MO 표시기를 생성하고 여기에 테스트 시리즈와 함께 넣습니다.

[Evgeny Dyuka]

케샤 뿌리 :

글쎄, 나는 얼마나 많은 기능을 물었지만 당신은 무시했습니다

나는 실험을 제안하고 일련의 유로 벅스를 가져 와서 첫 번째 조각에서 70 \ 30 %로 나누고 훈련하고 두 번째 조각에서 MO 표시기를 생성하고 여기에 테스트 시리즈와 함께 넣습니다.

나는 대답했다: 250-300개의 기능

[Rorschach]

유.아이. 주라블레프. 수학적 예측 방법