나는 컨볼루션 뉴런을 가지고 조금 놀았다. 지금까지는 잘 되지 않았지만 적어도 요리하는 방법과 예측하는 방법을 알아냈습니다. 다음은 주석이 있는 간단한 코드와 테스트용 테이블입니다.
두 개의 컨볼루션 레이어와 하나의 일반 은닉 레이어가 있습니다. 결국 훈련된 모델은 항상 출력(구매)에서 "1"을 출력합니다. 이론상으로는 2개의 컨볼루션 레이어가 필요하지 않고 수십, 그리고 몇 주 동안 훈련이 필요하며 성공할 것이라는 보장이 전혀 없습니다. 하지만 시도해 볼 가치가 있습니다.
forex_mxnet.txt 를 다시 첨부했는데 오류가 발생했습니다. softmax 함수의 경우 마지막 계층의 출력 수가 클래스 수와 같아야 합니다. 이 경우 회귀 옵션이 완전히 사라집니다.
1) "클러스터링"이 무엇을 의미하는지 잘 이해하지 못합니다. 일반적으로 특정 예측 변수가 하나가 아니라 반대로 10개 정도를 취하여 공간에서 이러한 점이 그룹화되는 영역을 찾습니다. 예를 들어, 아래 그림에서 두 개의 예측 변수가 있는 경우 2개의 클러스터로 클러스터링하면 파란색과 빨간색 클러스터만 제공됩니다.
2) 아마도 당신은 패턴에 대해 이야기하고 있습니까? 녹색 패턴 - 가격이 하락한 다음 상승합니다. 노란색 - 아래에서 위로 자랍니다. 빨간색: 위->아래. 추측?
처음에는 어떤 예측 변수가 좋고 어떤 것이 나쁜지 알 수 없습니다. 한 번에 모든 예측 변수를 하나의 모델로 클러스터링하면(stochastic+rsi+masd.......) = 클러스터 1,2,3,4,5 ..... 그런 다음 불필요한 예측 변수를 고려할 것이며 필요하지 않다는 것을 알지 못할 것입니다 ...
해당 시간 간격의 가격 차트가 상승하면 통계적으로 때때로 단순히 매수 거래를 열고 보류하고 마감하는 것이 더 유리할 것입니다. 그것은 "수익성"이 있다는 것이 아니라 실수로 판매 거래를 열고 잠시 동안 보류하는 경우에 비해 손실이 적습니다. 이것이 바로 매수 전용과 매도 전용이 무작위 거래를 중심으로 아름답게 대칭인 이유입니다. 앞서 나가는 것은 모델 자체가 아니라 가격만이 성공적으로 수반됩니다.
트레이더 박사 : 해당 시간 간격의 가격 차트가 상승하면 통계적으로 때때로 단순히 매수 거래를 열고 보류하고 마감하는 것이 더 유리할 것입니다. 그것은 "수익성"이 있다는 것이 아니라 실수로 판매 거래를 열고 잠시 동안 보류하는 경우에 비해 손실이 적습니다. 이것이 바로 매수 전용과 매도 전용이 무작위 거래를 중심으로 아름답게 대칭인 이유입니다. 앞서 나가는 것은 모델 자체가 아니라 가격만이 성공적으로 수반됩니다.
나는 이것에 대해 이야기하고 있습니다. 매도, 매수, 랜덤 모두 모델 없이 이루어졌습니다... 하지만 추세가 올라가고 나머지 랜덤의 배경에 대해 매수가 더 좋았습니다.
그리고 훈련된 모델에 대한 거래는 녹색입니다... 그들은 이 샘플에서 선두에 있습니다. 훈련이나 모델 선택에 참여하지 않은 영역에서 모델이 평균적으로 긍정적이기 때문에 이 타겟이 선택되었습니다. 그런 다음 위원회의 조정과 검증이 있을 것입니다. 그리고 나는 전체 연구에 대해 마지막으로 연기된 샘플을 한 번만 사용할 것입니다.
위원회에 관해서는 몇 가지 예를 게시했지만 분류할 때 반올림과 함께 회귀를 사용하는 모델이 있으며 모든 것이 그렇게 간단하지 않습니다. 투표를 결합하는 두 가지 방법을 시도했습니다.
1) 모든 것을 클래스로 반올림하고 더 많은 표가 있는 클래스를 선택합니다. 저것들. 3개 모델의 4개 막대에 대한 예측 c(0.1, 0.5, 0.4, 0.4) c(0.6, 0.5, 0.7, 0.1) c(0.1, 0.2, 0.5, 0.7) 나는 이것을 클래스로 더 반올림합니다 c(0, 1, 0, 0) c(1,1,1,0) c(0,0,1,1) 이고 예측이 포함된 최종 벡터는 다음과 같이 c(0, 1, 1, 0)입니다. 숫자 투표.
2) 또 다른 옵션은 평균 결과를 즉시 찾은 다음 클래스로 반올림하는 것입니다. 결과는 c((0.1+0.6+0.1)/3, (0.5+0.5+0.2)/3, (0.4+0.7+0.5)/3, (0.4+0.1+0.7)/3)입니다. 또는 (0.2666667, 0.4000000, 0.5333333, 0.4000000), 또는 c(0, 0, 1, 0)
결과가 다르며 반올림하는 단계에 따라 다름을 알 수 있습니다. 이 중 어느 것이 더 표준적인지는 모르겠지만, 제 생각에는 두 번째 방법이 새로운 데이터에 더 잘 맞는 것 같습니다.
이 단계에서 나는 순진한 근사치와 비교하여 검증을 위해 사용 가능한 모든 모델에서 위원회가 어떻게 행동하는지 살펴봅니다.
Bai는 이 샘플에서 조금 앞서갑니다.
잘 선택된 위원회를 검증하기 위해 또 다른 지연된 샘플이 있습니다. 세포가 더 좋아질 가능성이 있습니다. 그러나 가장 중요한 것은 모델 위원회가 어떻게 행동하느냐는 것입니다...
내가 준 계획과의 상관 관계 :
나는 그 대화를 지지할 것입니다. 사실 Demark Sequence의 My Basic TS에는 매우 흥미로운 속성이 있으며 그 중 하나가 있습니다. 더 많은 구매 신호가 있고 모델이 더 잘 학습하고 판매 신호가 적고 더 나쁘게 학습합니다. 나는 이것이 글로벌 하락세를 말하는 것이라고 생각합니다. 그림이 반대 방향으로 바뀌면 구매를 위한 전제 조건이 있을 것입니다. 물론 파운드를 의미하며 이것은 유대인에게도 즉시 보입니다....
나는 컨볼루션 뉴런을 가지고 조금 놀았다. 지금까지는 잘 되지 않았지만 적어도 요리하는 방법과 예측하는 방법을 알아냈습니다. 다음은 주석이 있는 간단한 코드와 테스트용 테이블입니다.
두 개의 컨볼루션 레이어와 하나의 일반 은닉 레이어가 있습니다. 결국 훈련된 모델은 항상 출력(구매)에서 "1"을 출력합니다. 이론상으로는 2개의 컨볼루션 레이어가 필요하지 않고 수십, 그리고 몇 주 동안 훈련이 필요하며 성공할 것이라는 보장이 전혀 없습니다. 하지만 시도해 볼 가치가 있습니다.
forex_mxnet.txt 를 다시 첨부했는데 오류가 발생했습니다. softmax 함수의 경우 마지막 계층의 출력 수가 클래스 수와 같아야 합니다. 이 경우 회귀 옵션이 완전히 사라집니다.
1) "클러스터링"이 무엇을 의미하는지 잘 이해하지 못합니다. 일반적으로 특정 예측 변수가 하나가 아니라 반대로 10개 정도를 취하여 공간에서 이러한 점이 그룹화되는 영역을 찾습니다. 예를 들어, 아래 그림에서 두 개의 예측 변수가 있는 경우 2개의 클러스터로 클러스터링하면 파란색과 빨간색 클러스터만 제공됩니다.
2) 아마도 당신은 패턴에 대해 이야기하고 있습니까? 녹색 패턴 - 가격이 하락한 다음 상승합니다. 노란색 - 아래에서 위로 자랍니다. 빨간색: 위->아래. 추측?
처음에는 어떤 예측 변수가 좋고 어떤 것이 나쁜지 알 수 없습니다. 한 번에 모든 예측 변수를 하나의 모델로 클러스터링하면(stochastic+rsi+masd.......) = 클러스터 1,2,3,4,5 ..... 그런 다음 불필요한 예측 변수를 고려할 것이며 필요하지 않다는 것을 알지 못할 것입니다 ...
각 예측 변수를 클러스터링해야 함
K1 = (확률) = 클러스터 1,2,3,4,5....
K2 = (rsi) = 클러스터 1,2,3,4,5....
K3 = (중량) = 클러스터 1,2,3,4,5....
그런 다음 모델 조합 사이의 클러스터 번호로 조합을 찾습니다.
K1
K1과 K2
K2와 K3
K1과 K3
K1과 K2와 K3...
2) 맞아, 이 맥락에서 클러스터와 패턴은 하나이며 동일하다.
클러스터와 패턴이 다릅니다. 동일한 벡터의 클러스터는 간격입니다. 모든 유효한 지표 값 목록은 여러 영역으로 나뉩니다. 그러나 이 경우 사진의 간격 2와 3은 동일합니다.
그러나 두 번째 클러스터와 세 번째 클러스터가 여전히 다른 것이라면 이는 클러스터가 아니라 패턴입니다.
클러스터와 패턴이 다릅니다. 동일한 벡터의 클러스터는 간격입니다. 모든 유효한 지표 값 목록은 여러 영역으로 나뉩니다. 그러나 이 경우 사진의 간격 2와 3은 동일합니다.
그러나 두 번째 클러스터와 세 번째 클러스터가 여전히 다른 것이라면 이는 클러스터가 아니라 패턴입니다.
지표의 마지막 값이 아니라 전표의 마지막 10개 값을 말해보자. 창에서 지표의 디지털 특성과 기하학적 특성(모든 종류의 기울기 등이 있음)을 모두 고려하는 특정 숫자의 클러스터를 얻습니다.
그렇다면 클러스터 또는 패턴은 무엇입니까? 제 생각에는 어느 쪽이든 옳습니다...
귀하의 질문에 답변했습니까 아니면 질문을 이해하지 못하셨습니까? :)
귀하의 질문에 답변했습니까 아니면 질문을 이해하지 못하셨습니까? :)
이 단계에서 나는 순진한 근사치와 비교하여 검증을 위해 사용 가능한 모든 모델에서 위원회가 어떻게 행동하는지 살펴봅니다.
Bai는 이 샘플에서 조금 앞서갑니다.
잘 선택된 위원회를 검증하기 위해 또 다른 지연된 선택이 있습니다. 세포가 더 좋아질 가능성이 있습니다. 그러나 가장 중요한 것은 모델 위원회가 어떻게 행동하느냐는 것입니다...
내가 준 계획과의 상관 관계 :
Bai는 이 샘플에서 조금 앞서갑니다.
해당 시간 간격의 가격 차트가 상승하면 통계적으로 때때로 단순히 매수 거래를 열고 보류하고 마감하는 것이 더 유리할 것입니다. 그것은 "수익성"이 있다는 것이 아니라 실수로 판매 거래를 열고 잠시 동안 보류하는 경우에 비해 손실이 적습니다. 이것이 바로 매수 전용과 매도 전용이 무작위 거래를 중심으로 아름답게 대칭인 이유입니다. 앞서 나가는 것은 모델 자체가 아니라 가격만이 성공적으로 수반됩니다.
추신) 모든 것은 확산의 대상이 됩니다. 따라서 랜덤은 0 미만으로 분포됩니다.
정말 잘생겼는데 결국 어떻게 될지 궁금하네요.
위원회에 관해서는 몇 가지 예를 게시했지만 분류할 때 반올림과 함께 회귀를 사용하는 모델이 있으며 모든 것이 그렇게 간단하지 않습니다. 투표를 결합하는 두 가지 방법을 시도했습니다.
1) 모든 것을 클래스로 반올림하고 더 많은 표가 있는 클래스를 선택합니다.
저것들. 3개 모델의 4개 막대에 대한 예측
c(0.1, 0.5, 0.4, 0.4) c(0.6, 0.5, 0.7, 0.1) c(0.1, 0.2, 0.5, 0.7) 나는 이것을 클래스로 더 반올림합니다
c(0, 1, 0, 0) c(1,1,1,0) c(0,0,1,1) 이고 예측이 포함된 최종 벡터는 다음과 같이 c(0, 1, 1, 0)입니다. 숫자 투표.
2) 또 다른 옵션은 평균 결과를 즉시 찾은 다음 클래스로 반올림하는 것입니다.
결과는 c((0.1+0.6+0.1)/3, (0.5+0.5+0.2)/3, (0.4+0.7+0.5)/3, (0.4+0.1+0.7)/3)입니다.
또는 (0.2666667, 0.4000000, 0.5333333, 0.4000000), 또는
c(0, 0, 1, 0)
이 단계에서 나는 순진한 근사치와 비교하여 검증을 위해 사용 가능한 모든 모델에서 위원회가 어떻게 행동하는지 살펴봅니다.
Bai는 이 샘플에서 조금 앞서갑니다.
잘 선택된 위원회를 검증하기 위해 또 다른 지연된 샘플이 있습니다. 세포가 더 좋아질 가능성이 있습니다. 그러나 가장 중요한 것은 모델 위원회가 어떻게 행동하느냐는 것입니다...
내가 준 계획과의 상관 관계 :