Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2292
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
Machen Sie eine zweite Ausgabe des Netzes, um das Los zu berechnen. Oder verwenden Sie das Vertrauen in das Netz als Multiplikator für das Los.
Mittelwertbildung und Raster sind nicht immer eine Frage der Losgröße
es gibt ein Geräusch in den Inkrementen
wie findet man 24-Perioden-Zyklen in 1-Perioden-Schritten
Einfach. Die Umstellung auf Inkremente ist eine Differenzierung. Das Verhältnis der Amplituden zu den Frequenzen ändert sich, aber sie gehen nirgendwo hin. Noch besser ist es, wenn langsame Zyklen die schnellen nicht blockieren, dann braucht man nicht nach Bindestrichen zu filtern.
es gibt ein Geräusch in den Inkrementen
wie findet man 24-Perioden-Zyklen in 1er-Schritten
Fenster 48
Kolleginnen und Kollegen,können Sie mir aus Erfahrung berichten?
Ich habe mich gefragt, ob es sinnvoll ist, die Gewichte der Eingabeschicht (Eingaben sind normalisiert) während des Trainings zu überwachen? Gibt es einen realistischen Anhaltspunkt für die Bewertung der Bedeutung von Inputs?
Ich verwende die Bibliothek von Dmitriy Gizlykfür Experimente.
Ich weiß, dass ich durch das Entladen der Daten in R oder Python alle möglichen Kleinigkeiten berechnen kann. Aber ich bin noch nicht dazu gekommen, und es ist praktisch, dass seine Lösung für die Grafikkarte fast "fliegend" ist.
Ist es generell sinnvoll, der Einfachheit hal ber die Gewichte der Inputs zu überwachen, oder sollte ich auf jeden Fall zuerst eine detaillierte Analyse der Inputs vornehmen?
Für eine erste Analyse der Eingaben können Sie Folgendes verwenden
Sie können die Auswirkungen durch Gewichte abschätzen
Verstehe, je mehr Gewichte, desto mehr Einfluss. Ist es möglich, mehr Informationen zu erhalten?
Vielleicht gehen die Gewichte irgendwie ins Unendliche, oder vielleicht ändern sich die Gewichte bei den gleichen Netzwerkfehlern unterschiedlich (d.h. bei einer Eingabe sehr klein, und dann bei einem anderen Trainingsansatz (indem man wieder anfängt) umgekehrt sehr groß), usw.
In der Praxis kämpfe ich gerade mit einer Aufgabe, bei der zwei Klassen asymmetrisch verteilt sind (eine liegt bei mehr als 60 %) und die Gitter in 100 % der Fälle "durchbrennen", so dass eine Klasse entsteht.
Ich filtere Eingabedaten anders und nehme neue Daten auf. Die Frage kann helfen, "schlechte" Eingaben zu filtern, welche Eingaben verworfen oder anders gefiltert werden sollten.
Sie können das Gerüst für eine vorläufige Analyse der Eingaben verwenden
Ja, ich weiß, tat es in R, faul zu gehen hin und her und lang. und algleib auf MT5 ermöglicht dies in der Regel ohne jede Verklemmung?
Aber ich dachte, dass mir vielleicht eine Schulung sagen wird, ob ich auf die Gewichte der Eingaben achten soll.
Verstehe, je mehr Gewichte, desto mehr Einfluss. Ist es möglich, mehr Informationen zu erhalten?
Zum Beispiel zu verstehen, dass das Problem nicht die beste Lösung hat, oder nicht konvex ist (wenn ich den Begriff nicht verwechsle). Vielleicht gehen die Gewichte irgendwie ins Unendliche, oder vielleicht mit den gleichen Netzwerkfehlern ändern sich die Gewichte unterschiedlich (d.h. dann bei einer bestimmten Eingabe sehr klein und dann in einem anderen Trainingsansatz (wieder angefangen) im Gegenteil sehr groß), usw.
In der Praxis kämpfe ich gerade mit einer Aufgabe, bei der zwei Klassen asymmetrisch verteilt sind (eine liegt bei mehr als 60 %) und die Gitter in 100 % der Fälle "durchbrennen", so dass eine Klasse entsteht.
Ich filtere Eingabedaten auf verschiedene Weise und nehme neue Daten auf. Die Frage kann helfen, "schlechte" Eingaben zu filtern, welche Eingaben ganz verworfen oder anders gefiltert werden sollten.
Es gibt viele Dinge, die Sie tun können. Ich kann Ihnen die Limonade nicht sagen, weil es spezielle Pakete gibt.
Die Klassen sollten für NS ausgeglichen sein. Ergänzen Sie die fehlenden Beispiele
Ja, ich weiß, tat es in R, zu faul, um hin und her und lang. aber tut Alglib auf MT5 können Sie es normalerweise ohne Probleme tun?
Ich würde lieber Python lernen.
Ich habe gelernt, Python zu benutzen:
Ich kämpfe immer noch mit einem Problem, bei dem zwei Klassen asymmetrisch verteilt sind (eine liegt bei mehr als 60 %) und die Netze in 100 % der Fälle mit einer Klasse "durchbrennen".
Klassen ausbalancieren oder die Metrik überarbeiten, was einer seltenen Klasse mehr Punkte einbringen würde
Einfach. Die Umstellung auf Inkremente ist eine Differenzierung. Das Amplitudenverhältnis der Frequenzen ändert sich, aber sie gehen nirgendwo hin. Noch besser: Langsame Zyklen verstopfen die schnellen nicht, man muss nicht nach Mashups filtern.
seltsam, warum man sie dann nicht findet, wenn es so einfach ist.
Warum haben Sie sie dann nicht gefunden, wenn es so einfach ist?
Solange Sie nicht mit Sinuswellen experimentieren, werden Sie es nie erfahren.