Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1068
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
Übrigens, ich versuche 1000 Funktionen zu nutzen und das Training läuft jetzt seit 1 Stunde.
Sie können nur einen Agenten einstellenCRLAgents *ag1=new CRLAgents("RlExp1iter",1,100,50,regularize,learn);
und in der Bibliothek setzen #define _models 1
damit es schnell geht
Natürlich können Sie für jeden Prädiktor unterschiedliche Werte verwenden, es ist nur ein einfaches Beispiel, jeder nahe Wert = 1 abweichender Prädiktorwert
Die Zahl 100 oder 1000 oder 500 usw. muss also in den beiden Codes copyclose und declaration.right gleich sein?
Die Zahl 100 oder 1000 oder 500 usw. muss also in den beiden Codes copyclose und declaration.right gleich sein?
ja
ja
Ok, aber in Ihrem aktuellen Beispielcode und der Implementierung bin ich mir nicht sicher, was genau beim Training passiert und was der Unterschied zwischen Agenten und Modellen ist:))
Ich hoffe, Sie werden dies in Ihrem Artikel erklären, wenn Sie ihn veröffentlichen. Ich meine, was ein Agent tut und was ein Modell mit Hilfe von Kerneln tut...
Ok, aber in Ihrem aktuellen Beispielcode und der Implementierung bin ich mir nicht sicher, was genau beim Training passiert und was der Unterschied zwischen Agenten und Modellen ist:))
Ich hoffe, Sie werden dies in Ihrem Artikel erklären, wenn Sie ihn veröffentlichen. Ich meine, was ein Agent tut und was ein Modell mit Hilfe von Kerneln tut...
jeder RL-Agent kann eindeutige Prädiktoren haben, dann wird das Ergebnis aller Agenten gemittelt
Anzahl der Modelle - Anzahl der Iterationen von Oeaturtransformationen mit cos. Vergessen Sie es jetzt, denn wir machen gdmh
jeder RL-Agent kann eindeutige Prädiktoren haben, dann wird das Ergebnis aller Agenten gemittelt
Anzahl der Modelle - Anzahl der Iterationen von Oeaturtransformationen mit cos. Vergiss es jetzt, denn wir machen gdmh
Ja, richtig...Sie können versuchen, GDMH zu verwenden und lassen Sie mich wissen, wenn Sie Fortschritte machen oder bei der Implementierung stecken bleiben, denn schließlich, nachdem wir die LIVE-Ergebnisse gesehen haben, können wir einige Schlüsse über den Algo ziehen.
Versuchen Sie übrigens, bei Optimierungs- und Trainingsformeln den natürlichen Logarithmus zu verwenden. Meiner Erfahrung nach scheint die Verwendung von Mathpow() von Exponenten eine Lösung ziemlich schnell zu konvergieren.
Ja, richtig...Sie können versuchen, GDMH zu verwenden und lassen Sie mich wissen, wenn Sie Fortschritte machen oder bei der Implementierung stecken bleiben, denn schließlich, nachdem wir die LIVE-Ergebnisse gesehen haben, können wir einige Schlüsse über den Algo ziehen...Aber wenn man sich den Algo von GDMH ansieht, scheint er sehr vielversprechend zu sein...
Versuchen Sie übrigens, bei Optimierungs- und Trainingsformeln den natürlichen Logarithmus zu verwenden. Meiner Erfahrung nach scheint die Verwendung von Mathpow() von Exponenten eine Lösung ziemlich schnell zu konvertieren.
Sie können auch trigonometrische Polynome verwenden. Das ist so etwas wie "rekursive Feature-Elimination", nicht wirklich gdmh... etwas mittleres )
weil gdmh seinen linearen quadratischen Algorithmus, aber wir verwenden RDFkann auch trigonometrische Polynome verwenden. Dies wird so etwas wie "rekursive Feature-Eliminierung" sein, nicht wirklich gdmh... etwas mittleres )
Das weiß ich nicht... Ich muss lesen, um zu verstehen :))... Tatsächlich wusste ich nichts über GDMH und du hast es mir erst gestern erzählt und ich habe es gerade gelernt und den Code geschrieben... Ich glaube, ich lerne schnell:)))))
Ich meine, wenn man eine Zufallsfunktion annähert, um eine Lösung zu erhalten, dann konvergiert man mit natürlichem Logarithmus oder Exponent im Allgemeinen schnell... warum? weil das die Definition und der Zweck von natürlichem Logarithmus oder ln oder Exponential() oder e ist
Hier ist ein Beispielcode, auf den ich mich beziehe:
double x=MathRandomUniform(0,1,unierr);
double likelyhood = 1/(1+exp(MathPow(x,3)));
Ich verstehe GDMH einigermaßen... aber RDF ist immer noch nicht 100%ig klar. Ich habe gerade versucht, Monte Carlo anstelle von RDF zu implementieren, aber wenn wir es mit RDF machen können, dann sehe ich den Nutzen von Monte Carlo nicht. Was denken Sie, was ist besser, Monte Carlo oder RDF?
Aber ich werde hier zusammenfassen, was ich von diesem Algorithmus erwarte:
1. es nimmt die Indikatoren oder Schlusskurse und zerlegt sie in m kleine Teile und erstellt Polynome oder Näherungsfunktionen während des Trainings
2. wenn wir es im Handel laufen lassen, dann wird es für jede Kerze die vergangenen Trainingsdaten überprüfen und herausfinden, welches Polynomstück zu unserem aktuellen Preis passt und vorhersagen, was als nächstes passieren wird und es sollte iterieren
Das weiß ich nicht... Ich muss lesen, um zu verstehen:))
Ich meine, wenn man eine Zufallsfunktion annähert, um eine Lösung zu erhalten, dann konvergiert man mit natürlichem Logarithmus oder Exponent im Allgemeinen schnell... warum? weil das die Definition und der Zweck von natürlichem Logarithmus oder ln oder Exponential() oder e ist
Hier ist ein Beispielcode, auf den ich mich beziehe:
double x=MathRandomUniform(0,1,unierr);
double likelyhood = 1/(1+exp(MathPow(x,3)));
Ich verstehe GDMH einigermaßen... aber RDF ist immer noch nicht 100%ig klar. Ich habe gerade versucht, Monte Carlo anstelle von RDF zu implementieren, aber wenn wir es mit RDF machen können, dann sehe ich den Nutzen von Monte Carlo nicht. Was denken Sie, was ist besser, Monte Carlo oder RDF?
Aber ich werde hier zusammenfassen, was ich von diesem Algo erwarte:
1. es nimmt die Indikatoren oder Schlusskurse und zerlegt sie in m kleine Teile und erstellt Polynome oder Näherungsfunktionen während des Trainings
2. wenn wir es im Handel laufen lassen, dann wird es für jede Kerze die vergangenen Trainingsdaten überprüfen und herausfinden, welches Polynomstück zu unserem aktuellen Preis passt und vorhersagen, was als nächstes passieren wird und es sollte iterieren
RDF approximiert die Polis des Agenten direkt, während q-learning mit monte carlo oder TD und Markov-Ketten dies mit zu vielen Iterationen tun, so dass es viel länger dauern kann
1,2 ja, absolut richtig
RDF approximiert den Polysyllabus des Agenten direkt, wohingegen q-learning mit Monte Carlo oder TD zu viele Iterationen benötigt, so dass es viel länger dauern kann
1,2 ja, absolut richtig.
Sie meinen also, dass RDF besser und schneller als Monte Carlo ist, was für sofortige Handelsentscheidungen bei Kerzenschluss definitiv erforderlich ist....So sind wir auf dem richtigen Weg zur Erstellung der Forex-Version
von "ALPHA ZERO" ...mal sehen:)))))))))