Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 2): Netzwerktraining und Tests" - Seite 3
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich habe jahrelang Neuronale Netze in Metatrade4 studiert, ich habe 3-Schicht-Netze mit n Neuronen in jeder Schicht gemacht.
Als Eingaben habe ich Indikatoren verwendet, in multitimeframe, etc, etc
Und das Ergebnis ist immer das gleiche. Schrecklich.
Ausgezeichnet, wenn sie trainiert werden, fast perfekte Ergebnisse.
Aber wenn sie in die Praxis umsetzen müssen, was sie gelernt haben, sind sie eine völlige Enttäuschung.
12,68 % Trefferquote? Hat das eine wirkliche Bedeutung? Bei Münzwürfen habe ich auch eine Wahrscheinlichkeit von etwa 50 %. Bei einer so geringen Wahrscheinlichkeit weiß ich nicht, was der Zweck dieser Sache ist.
12,68 % Trefferquote? Hat das eine wirkliche Bedeutung? Bei Münzwürfen habe ich auch eine Wahrscheinlichkeit von etwa 50 %. Bei einer so geringen Wahrscheinlichkeit weiß ich nicht, was der Zweck dieses Dings ist?
Transactional Finance in das neuronale Netz Druck ist es nicht so verwendet, um zu lernen, was es ist, das Gesetz zu finden, um die universelle Formel zu suchen, ist die Logik selbst lächerlich. Die wirkliche transaktionale finanzielle künstliche Intelligenz ist nicht auf Urteile zu machen, sondern auf der Grundlage der fünfdimensionalen vierdimensionalen chaotischen System der Herabstufung Streiks.
Handelsalgorithmen sind in drei Ebenen unterteilt, die erste Ebene der technischen Indikatoren (Müll), die zweite Ebene der Big Data-Strategie (Müll), die dritte Ebene der logischen Notwendigkeit (unbesiegbar). Mein Algorithmus ist die dritte Ebene, Sicherheit 100% fünf Handelstage plus eine Null.
Hallo Dmitriy, ich habe Ihren Artikel gelesen und bin den Code durchgegangen. Ich sehe, dass Sie nur einen Datensatz für das Training verwenden, aber keinen weiteren Datensatz zur Validierung, um eine Überoptimierung zu vermeiden. Bei einem so großen neuronalen Netz mit mehreren versteckten Schichten und so vielen Neuronen pro Schicht wird sich das Netz sicherlich alle Daten merken, aber es wird nicht in der Lage sein, Vorhersagen zu treffen, sobald das Training beendet ist.
Viele Grüße und vielen Dank für Ihren Artikel und den Code
Gerardo
Für die Datei Fractal.mq5 erhalte ich bei der Fehlersuche den folgenden Fehler:
2022.01.13 08:30:54.502 Fractal_1 (BTCUSD,M1) CSeries::CheckLoadHistory: zu viele Daten angefordert (100801)
Gibt es Vorschläge, wie man den Code so bearbeiten kann, dass er nicht mehr als die maximale Anzahl von Datenbalken (10.000) anfordert?
Sie verwenden den Zeitrahmen M1. Und 10 000 Minuten sind nur 7 Tage. Das ist zu wenig, um NN zu trainieren.
Sie verwenden den Zeitrahmen M1. Und 10 000 Minuten sind nur 7 Tage. Das ist zu wenig, um NN zu trainieren.
Danke für die Antwort, Dmitriy!! Ich hätte mit 1H beginnen sollen, wie Sie es am Ende des Artikels tun.
Ich schätze Ihre Serie "Neural Network Made Easy" sehr! Ich hoffe, dass ich diese Konzepte in MQL selbst beherrsche (obwohl es einfacher ist, Daten mit MTR an R zu übergeben, lol).
Dies sind Algorithmen mit hohem Potenzial, und Sie haben mit der Bibliothek und der Serie eine meisterhafte Arbeit geleistet, vielen Dank!!!