트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 880

[Aleksey Vyazmikin]

도서관 :
NS는 일반적으로 첫 번째 라인의 데이터를 처리합니다. 첫 번째 행에서 이전 데이터를 사용하고 마지막에 새로운 데이터를 사용하여 마지막 훈련 단계를 수행해야 합니다.

고맙습니다.

[Forester]

알렉세이 비아즈미킨 :
모든 예측자는 바를 열 때 작동합니다. 지금은 엿보는 사람들을 식별하는 방법도 모릅니다. 아이디어에 따르면 그 중요성이 클 것입니다.

글쎄, 모든 것이 Open의 가격이라면 - 다른 옵션이 있다면 엿보지 말고 엿보십시오.

[Aleksey Vyazmikin]

도서관 :

글쎄, 모든 것이 Open의 가격이라면 - 다른 옵션이 있다면 엿보지 말고 엿보십시오.

일종의 신경망에서 내 데이터 세트를 테스트할 수 있습니까? 그렇지 않으면 아직 알아낼 수 없습니까? 그 프로그램에 내장된 프로그램은 56% 이상을 배우고 싶지 않습니다. 아마도 제가 뭔가를 잘못하고 있거나 네트워크가 적합하지 않을 수 있습니다 ....

[Forester]

알렉세이 비아즈미킨 :

일종의 신경망에서 내 데이터 세트를 테스트할 수 있습니까? 그렇지 않으면 아직 알아낼 수 없습니까? 그 프로그램에 내장된 프로그램은 56% 이상을 배우고 싶지 않습니다. 아마도 제가 뭔가를 잘못하고 있거나 네트워크가 적합하지 않을 수 있습니다 ....

파일에 회귀가 있고 설명으로 판단하여 분류를 테스트하고 있습니다. 분명히 분류가 있는 파일이 필요합니다.
그림으로 판단하면 56%가 아닌 8%(정확도 92%) 정도의 오차가 있습니다.

[Aleksey Vyazmikin]

도서관 :
파일에 회귀가 있고 설명으로 판단하여 분류를 테스트하고 있습니다. 분명히 분류가 있는 파일이 필요합니다.
그림으로 판단하면 56%가 아닌 8%(정확도 92%) 정도의 오차가 있습니다.

예, 그 파일은 동일하지 않습니다. 저는 이미 예측 변수를 추가하고 간단한 규칙에 따라 대상 분류를 만들었습니다. 50포인트 이상이면 1(구매) 및 -1(판매), 그렇지 않으면 0 , 매수 및 매도 열은 독립적입니다.

약 56% - 이것은 뉴런이며 나무의 스크린샷입니다.

[Forester]

알렉세이 비아즈미킨 :

예, 그 파일은 동일하지 않습니다. 저는 이미 예측 변수를 추가하고 간단한 규칙에 따라 대상 분류를 만들었습니다. 50포인트 이상이면 1(구매) 및 -1(판매), 그렇지 않으면 0 , 매수 및 매도 열은 독립적입니다.

약 56% - 이것은 뉴런이며 나무의 스크린샷입니다.

글쎄, 나무가 더 잘 작동한다면 그것을 사용하십시오. NS는 조정하기가 더 어렵습니다.

[Aleksey Vyazmikin]

도서관 :
글쎄, 나무가 더 잘 작동한다면 그것을 사용하십시오. NS는 조정하기가 더 어렵습니다.

지금까지는 논리만 작동합니다(아니면 그런 식으로 테스트하지 않을 수도 있습니다.). 하지만 사용 방법을 모르겠습니다.

누군가가 예측자의 성능을 확인하는 데 도움을 주고 싶다면 응용 프로그램에 3개의 열을 사고 팔기 위한 두 개의 파일이 있습니다. 대상은 1과 2를 사용하지 않고 나머지는 예측 변수입니다.

[Aleksey Vyazmikin]

나는 테스터에서 모든 것이 잘 작동하지만 잠재력이 완전히 밝혀지지 않은 거래 시스템에서 예측자를 끌어옵니다 ...

[forexman77]

막심 드미트리예프스키 :

alglib에 kfold가 있는데 어떻게 작업하는지 알아낸 사람이 있습니까? 거의 제로 문서

아, 알겠습니다. 이러한 방법은 교차 검증을 통해 자동으로 훈련됩니다.

네. 그들은 나에게 도구를 주었지만 지침은 없었습니다. 각 기능에 대한 도움말과 사용법, 예제도 있으면 좋을 것 같습니다.

[Forester]

알렉세이 비아즈미킨 :

지금까지는 논리만 작동합니다(아니면 그런 식으로 테스트하지 않을 수도 있습니다.). 하지만 사용 방법을 모르겠습니다.

누군가가 예측자의 성능을 확인하는 데 도움을 주고 싶다면 응용 프로그램에 3개의 열을 사고 팔기 위한 두 개의 파일이 있습니다. 대상은 1과 2를 사용하지 않고 나머지는 예측 변수입니다.

첫 번째 파일을 시도하고 세 부분으로 나눕니다.

교육적인
예측
실제 0 1
0 28107 1244
1 3045 4119

테스트 1

예측
실제 0 1
0 5950 356
1 742 776

텍스트바야 2

예측
실제 0 1
0 5945 333
1 779 769

은닉층에 10개의 뉴런이 있는 nnet에서 계산됨(R의 NS 패키지 Rattle)

당신의 숲보다 나쁘지만 나쁘지도 않습니다. 두 번째 파일은 결과에 따라 동일할 것입니다.