Diskussion zum Artikel "Random Decision Forest und Reinforcement-Learning" - Seite 4

Neuer Kommentar
 
Maxim Dmitrievsky:

Ja, ein virtueller Tester ist auch in Planung, aber im Moment müssen wir noch andere Dinge verfeinern, wie z.B. die automatische Auswahl und die Reduktion der Prädiktoren sind im Moment am wichtigsten, damit das Modell nicht zu sehr auf die Geschichte trainiert

Seien Sie nicht frech, wenn Sie sowieso eine neue Klasse schreiben, verwenden Sie etwas wie dieses:

numberOfsamples++;
fuzzyRDFpolisyMatrix.Resize(numberOfsamples,iNeuronEntra+2);
for(int i=0;i<iNeuronEntra;i++)
     fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(i,ValueIndic(fila, i));
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra,action_fuzzy);
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra+1,1-action_fuzzy);

for(int i=0;i<numRDF;i++)
      {
         FileOpen(NameFile+"_"+IntegerToString(i)+".txt",FILE_WRITE|FILE_BIN|FILE_COMMON);
         FileWriteArray(filehnd,RDF[i].m_trees); //Baumsatz
         FileClose(filehnd);
      }
Anzahl der Indikatoren und Anzahl der Bäume werden durch Variablen festgelegt - das vereinfacht das Leben sehr, wenn man später mit verschiedenen Zahlen spielt. Das ist nicht die Hauptsache, also ein kleiner Nachlass zu meinem Favoriten, um weniger zu beenden, aber ich werde es auf jeden Fall versuchen.
 
mov:

Seien Sie nicht frech, wenn Sie ohnehin eine neue Klasse schreiben, verwenden Sie so etwas wie diese:

Die Anzahl der Indikatoren und die Anzahl der Bäume werden durch Variablen festgelegt - das macht das Leben sehr einfach, wenn man mit verschiedenen Zahlen spielt. Das ist nicht die Hauptsache, also ein kleiner Nachlass auf meinen Favoriten, damit ich weniger fertig werde, aber ich werde es auf jeden Fall versuchen.

ungefähr so und fertig, dieser Teil ist bereits verfügbar

 
Ich halte den Mund und freue mich darauf, zu erscheinen.
 

Wenn es nicht zu viel Mühe ist, eine weitere Frage.

In der Reihenfolge des Unsinns: die ersten Passagen werden von 1 Wald trainiert, der zweite Teil der Passagen - 2, usw. Wir haben ein Ensemble von Wäldern mit unterschiedlichen Trainingsgraden, der erste wird möglicherweise nachtrainiert, der letzte ist untertrainiert. Ist es Ihrer Meinung nach sinnvoll, sich in dieser Richtung zu bemühen?

 
mov:

Wenn es nicht zu viel Mühe macht, noch eine Frage.

In der Reihenfolge des Unsinns: die ersten Passagen werden von 1 Wald trainiert, der zweite Teil der Passagen - 2, usw. Wir haben ein Ensemble von Wäldern mit unterschiedlichen Trainingsgraden, der erste - möglicherweise nachtrainiert, der letzte - untertrainiert. Ist es Ihrer Meinung nach sinnvoll, sich in diese Richtung zu bemühen?

Um dies zu tun, müssen Sie die Mechanik verstehen, warum es funktionieren sollte. Wenn Sie keine Idee haben, zeigen Sie nur mit dem Finger auf den Himmel.

Wenn z. B. alle Gerüste bei Trainingsbeispielen überangepasst sind und bei oob nicht funktionieren, sehe ich keinen Sinn darin, denn viele schlechte Lösungen ergeben keine guten, es sei denn, sie sind zufällig oder es handelt sich um Bousting. Komitees werden hauptsächlich gebaut, um seltene Fehler eines bestimmten Modells zu kompensieren, indem die Ergebnisse mehrerer Modelle gemittelt werden, aber alle Modelle sollten von ausreichend guter Qualität sein.

 

Guten Tag (Nacht), entschuldigen Sie meine Aufdringlichkeit, aber das Thema Baumwald wurde von Ihnen aufgeworfen, kein Urteil....

Ich habe versucht, mir die Implementierung des Waldes in AlgLib anzusehen. Die Trainingsfunktion initialisiert Arrays und übergibt die Kontrolle an eine spezielle Funktion, die das eigentliche Training durchführt. Es ist relativ einfach, eine Umschulung in Echtzeit zu organisieren, aber diese Implementierung schneidet nicht (soweit ich das beurteilen kann, ist es ein Vergnügen, den Code von jemand anderem zu parsen, der in Bezug auf den Algorithmus schlecht dokumentiert ist) Zweige ab wie der CART-Baumbildungsalgorithmus. Es gibt ein Problem der Umschulung. D.h. wir trainieren das Netz, im wirklichen Leben wird es umtrainiert, als ob es den Zeitraum seiner Effizienz verlängern würde, dann eine neue Optimierung. Die Realisierung des Cut-Offs für die Möglichkeit der vollständigen Umschulung ist zeitaufwendig und wird erst in Zukunft die MT5-Entwickler interessieren (sie haben die Bibliothek in den Lieferumfang aufgenommen). Und traditionell: macht eine solche zeitlich begrenzte Nachschulung überhaupt Sinn?

 
mov:

Guten Tag (Nacht), entschuldigen Sie meine Aufdringlichkeit, aber das Thema des Waldes der Bäume wurde von Ihnen aufgeworfen, kein Urteil....

Ich habe versucht, mir die Implementierung des Waldes in AlgLib anzusehen. Die Trainingsfunktion initialisiert Arrays und übergibt die Kontrolle an eine spezielle Funktion, die das Training tatsächlich durchführt. Es ist relativ einfach, eine Umschulung in Echtzeit zu organisieren, aber diese Implementierung schneidet nicht (soweit ich das beurteilen kann, ist es ein Vergnügen, den Code von jemand anderem zu parsen, der in Bezug auf den Algorithmus schlecht dokumentiert ist) Zweige ab wie der CART-Baumbildungsalgorithmus. Es gibt ein Problem der Umschulung. D.h. wir trainieren das Netz, im wirklichen Leben wird es umtrainiert, als ob es den Zeitraum seiner Effizienz verlängern würde, dann eine neue Optimierung. Die Realisierung des Cut-Offs für die Möglichkeit der vollständigen Umschulung ist zeitaufwendig und wird erst in Zukunft die MT5-Entwickler interessieren (sie haben die Bibliothek in den Lieferumfang aufgenommen). Und traditionell: macht eine solche zeitlich begrenzte Nachschulung überhaupt Sinn?

Pruning ist an sich interessant, aber es ist nicht hier, ja. Bei der Umschulung von Gerüsten weiß ich nicht, wie sinnvoll diese Idee ist, denn es dauert auch nicht lange, ihn komplett umzuschulen. Es sei denn, die Umschulung soll sehr oft durchgeführt werden - aber dann stellt sich heraus, dass der Algorithmus lange Zeit nicht arbeiten kann... eine Zweibahnstraße.

 
Maxim Dmitrievsky:

Ich denke, 1-2 Wochen auf Russisch, und dann werden sie es übersetzen

Lieber Maxim Dmitrievsky,

können Sie bitte aktualisieren, ob Sie Ihren nächsten Artikel über die Implementierung von Random Decision Forest mit verschiedenen Agenten und ohne Fuzzy-Logik, die Sie zuvor erwähnt haben, veröffentlicht haben?

Ich danke Ihnen sehr

 

Hallo Maxim Dmitrievsky,

Wann haben Sie den nächsten Artikel über den randomisierten Entscheidungswald fertiggestellt?

Oder haben Sie den nächsten Artikel bereits veröffentlicht? Wenn ja, können Sie einen Link angeben?

Ich danke Ihnen vielmals


 
FxTrader562 :

Hallo Maxim Dmitrievsky,

Wann haben Sie den nächsten Artikel über den randomisierten Entscheidungswald fertiggestellt?

Oder haben Sie den nächsten Artikel bereits veröffentlicht? Wenn ja, können Sie einen Link angeben?

Ich danke Ihnen vielmals


Hallo, er ist noch nicht fertig. Wenn er fertiggestellt ist, werde ich Ihnen eine E-Mail schicken.

12345678910
Neuer Kommentar