전략 테스터에서 활성화되는 뉴런 수, 레이어 및 기능 유형(일부는 첫 번째, 일부는 마지막에)을 최적화하는 것이 가장 좋은 해결책이 아닐까요? 그리고 오류의 역전파를 가중치 변경으로 사용하는 것은 어떨까요?
이 아이디어를 테스트하기로 결정했습니다. 단일 레이어 네트워크 (레이어 수를 확장하는 방법을 모르겠습니다), 뉴런에서 접선 함수 (변경 방법을 모르겠습니다), 출력에 함수 없음 (어떻게 넣어야할지 모르겠습니다). 오류의 역 전파. 훈련 기간 : 년-2021/08/01-2022/08/01
최적화는 다음 매개 변수를 선택하는 것으로 구성되었습니다 :
-입력 데이터 수 (요청 된 종가 차이 N0-N1을 입력으로 보낸 루프, 다른 일을 할 수 있지만 손이 도달하지 못함)-1에서 999 (배열 변수는 더 많은 작업을 허용하지 않음), 1 단계. - 뉴런 수-1에서 99 999 (웃지 마세요), 1 단계. - 세트 수 (바 + [입력 데이터 수]) - 9 999, 1 단계. 훈련은 시간 차트에서 수행되었으므로 1 년 동안 6500 개의 바가 있습니다. - 출력의 학습 계수 : 0에서 1까지 0.00001 단계. - 입력의 학습 계수 : 0에서 1까지 0 단계. 00001 -에포크 수-1에서 1000까지, 1 단계.
그래서, 에포크 수에 대해 바로 말씀 드리겠습니다-나는 1 에포크 또는 1000 중 아무것도 변경하지 못했고 큰 차이를 느끼지 못했고 아마도 약간의 오류가있을 것입니다.
하지만! 흥미로운 관찰 :
- 뉴런 수가 많을수록 더 많은 거래 (거의 모든 양초가 다른 방향으로 예측되는 경우) - 처음 10 개의 최상의 결과에서 입력에 대한 학습률은 대부분 0.7에 가깝습니다 - 처음 10 개의 최상의 결과에서 출력에 대한 학습률은 대부분 0.07에 가깝습니다 - 최상의 결과는 입력 데이터 수 < 뉴런 수 < 세트 수라는 공식을 보여줍니다. 가장 좋은 결과는 (제가 인내심을 가지고 기다린 한) 약 200개의 입력 데이터, 약 300개의 뉴런, 약 400개의 세트와 같은 결과였습니다. 왜 최상의 결과일까요? 백테스트에서는 기복이 있는 부드러운 성장, 앞으로 2개월 동안은 기복이 있는 부드러운 성장과.... 약 2 개월의 백 테스트 이전 기간에 물결 모양의 부드러운 성장 .
관심을 위해 99 999 뉴런 - 50/50이지만 당연히 가장 높은 이익 또는 가장 높은 하락 . 동시에 입력 수는 100 개를 넘지 않고 세트 수는 100 개를 넘지 않습니다. 기다리는 데 오랜 시간이 걸립니다. 그러나 1000개의 입력과 1000개의 세트 또는 10,000개의 결과가 어떻게 나타날지는 알 수 없습니다.
거래가 진행 중이었나요? 아니면 모두 R-KA에서 테스트하는 수준이었나요?
그냥 R.
저는 MO 전문가와는 거리가 멀기 때문에 문제를 해결하는 방법을 알고 싶습니다.
아시다시피 화씨에서 섭씨로 온도를 변환할 때 표준 공식을 사용합니다: C = (F-32)*5/9
그라디언트 부스팅은 샘플 내에서는 우수한 결과를 보여주지만 샘플을 벗어나면 오차가 즉시 증가합니다.
그 이유는 공식이 매우 간단하기 때문입니다. 통화 시장의 복잡한 관계에 대해 뭐라고 말할 수 있을까요?)
이 알고리즘이 OOS에서 좋은 결과를 보이게 하려면 어떻게 해야 할까요?
그 이유는 공식이 매우 간단하기 때문입니다. 통화 시장의 복잡한 관계에 대해 뭐라고 말할 수 있을까요?)
이 알고리즘이 OOS에서 좋은 결과를 보이게 하려면 어떻게 해야 할까요?
전략 테스터에서 활성화되는 뉴런 수, 레이어 및 기능 유형(일부는 첫 번째, 일부는 마지막에)을 최적화하는 것이 가장 좋은 해결책이 아닐까요? 그리고 오류의 역전파를 가중치 변경으로 사용하는 것은 어떨까요?
이 아이디어를 테스트하기로 결정했습니다. 단일 레이어 네트워크 (레이어 수를 확장하는 방법을 모르겠습니다), 뉴런에서 접선 함수 (변경 방법을 모르겠습니다), 출력에 함수 없음 (어떻게 넣어야할지 모르겠습니다). 오류의 역 전파. 훈련 기간 : 년-2021/08/01-2022/08/01
최적화는 다음 매개 변수를 선택하는 것으로 구성되었습니다 :
-입력 데이터 수 (요청 된 종가 차이 N0-N1을 입력으로 보낸 루프, 다른 일을 할 수 있지만 손이 도달하지 못함)-1에서 999 (배열 변수는 더 많은 작업을 허용하지 않음), 1 단계.
- 뉴런 수-1에서 99 999 (웃지 마세요), 1 단계.
- 세트 수 (바 + [입력 데이터 수]) - 9 999, 1 단계. 훈련은 시간 차트에서 수행되었으므로 1 년 동안 6500 개의 바가 있습니다.
- 출력의 학습 계수 : 0에서 1까지 0.00001 단계.
- 입력의 학습 계수 : 0에서 1까지 0 단계. 00001
-에포크 수-1에서 1000까지, 1 단계.
그래서, 에포크 수에 대해 바로 말씀 드리겠습니다-나는 1 에포크 또는 1000 중 아무것도 변경하지 못했고 큰 차이를 느끼지 못했고 아마도 약간의 오류가있을 것입니다.
하지만! 흥미로운 관찰 :
- 뉴런 수가 많을수록 더 많은 거래 (거의 모든 양초가 다른 방향으로 예측되는 경우)
- 처음 10 개의 최상의 결과에서 입력에 대한 학습률은 대부분 0.7에 가깝습니다
- 처음 10 개의 최상의 결과에서 출력에 대한 학습률은 대부분 0.07에 가깝습니다
- 최상의 결과는 입력 데이터 수 < 뉴런 수 < 세트 수라는 공식을 보여줍니다. 가장 좋은 결과는 (제가 인내심을 가지고 기다린 한) 약 200개의 입력 데이터, 약 300개의 뉴런, 약 400개의 세트와 같은 결과였습니다. 왜 최상의 결과일까요? 백테스트에서는 기복이 있는 부드러운 성장, 앞으로 2개월 동안은 기복이 있는 부드러운 성장과.... 약 2 개월의 백 테스트 이전 기간에 물결 모양의 부드러운 성장 .
관심을 위해 99 999 뉴런 - 50/50이지만 당연히 가장 높은 이익 또는 가장 높은 하락 . 동시에 입력 수는 100 개를 넘지 않고 세트 수는 100 개를 넘지 않습니다. 기다리는 데 오랜 시간이 걸립니다. 그러나 1000개의 입력과 1000개의 세트 또는 10,000개의 결과가 어떻게 나타날지는 알 수 없습니다.
그 이유는 공식이 매우 간단하기 때문입니다. 통화 시장의 복잡한 관계에 대해 뭐라고 말할 수 있을까요?)
이 알고리즘이 OOS에서 좋은 결과를 보이게 하려면 어떻게 해야 할까요?
오직 R
가장 좋은 방법이 아닌가요.....
슬픈 말이네요. 어떻게 해야 할지 모르겠어요.
기본 옵션, 어디를 봐야할지...정말 슬픈 일이죠. 어떻게 해야 할지 모르겠어요.
그게 주요 옵션입니다. 어디를 봐야할지...비꼬는 건가요?
아뇨, 전혀 아닙니다. 어떻게 해야 할지 모르겠어요. 시중의 신경망을 사용하려고 하는데... 그것도 전망이 없는 것 같아요.