Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2314

 

Das 2. Buch von Lopez De Prado ist erschienen, das erste hat mir gefallen. Die zweite verspricht nicht weniger interessant zu werden

 
Vladimir Perervenko:

Wie haben Sie das geschafft?

Was ist die Ausgangsdimension?

Bei der Vorhersage des Netzes entnehme ich die Zustände der Gewichte in den Schichten, die Schichten als Matrizen, mache einen Datensatz aus den Matrizen und schicke ihn an "youmap". Die Ausgabe erfolgt in 2 Dimensionen.

Netzwerke aus dem "neuralnet"-Paket
 
mytarmailS:

Wenn ich ein Netz prognostiziere, ziehe ich die Zustände der Gewichte in den Schichten, die Schichten als Matrizen, aus den Matrizen mache ich einen Datensatz und eine "youmap". Die Ausgabe erfolgt in 2 Dimensionen.

Netzwerke aus dem "neuralnet"-Paket

Ich verstehe. Worum geht es dabei?

Es ist sinnvoll, die Trainingsdaten in Teile aufzuteilen und beim Training jeder Schicht des neuronalen Netzes nicht-überschneidende Teile zu verwenden. (Idee von Winwector) Ich habe es nicht ausprobiert, aber sie behaupten, es sei nützlich.

Viel Glück!

 
Vladimir Perervenko:

Ich verstehe. Worum geht es dabei?

Es ist sinnvoll, die Trainingsdaten in Teile aufzuteilen und die sich nicht überschneidenden Teile für das Training jeder Schicht des neuronalen Netzes zu verwenden. (Idee von Winwector) Ich habe es nicht ausprobiert, aber sie behaupten, es sei nützlich.

Viel Glück!

Meine Idee war die folgende

1) Trainieren Sie das neuronale Netz für einige Aktionen, z. B. "Tschüss" oder "Sitz".

2) das Netzwerk auf neue Daten wird eine Menge Fehler machen

3) Ich wollte Muster in den Schichten des Netzwerks clustern, um zu sehen, ob ich falsche Entscheidungen des Netzwerks von richtigen unterscheiden kann, indem ich Muster betrachte, die im Netzwerk während der Signalverarbeitung auftreten...

=========

Vladimir, wissen Sie, ob es ein Paket in R-ka gibt, mit dem ich mit den Grafiken interagieren kann, z. B. kann ich einen Bereich in einem Diagramm mit der Maus auswählen und die Parameter des ausgewählten Bereichs im Code abrufen

 
Ein neuronales Netz lernt, wie man auf dem realen Markt handelt.
Dies ist ein kleines reales Konto auf BitMEX.
Der Bot tritt auf öffentliche neuronale Signale hin ein und schließt sich selbst, vollautomatisch.
Maximale Pose von nicht mehr als 30% des Depots.
***

Jetzt die erste einfachste Version, keine Stopps, warten, wenn es ausverkauft ist ))
 
Evgeny Dyuka:
Ein neuronales Netz lernt, auf dem realen Markt zu handeln.
Dies ist ein kleines reales Konto auf BitMEX.
Der Bot tritt auf öffentliche Neuronensignale hin ein und schließt sich von selbst, vollautomatisch.
Maximale Pose nicht mehr als 30% des Depos.
***

Jetzt ist die ursprüngliche Version die einfachste, keine Stopps, warten, wenn es ausverkauft ist))
Ich weiß nicht, wo der Link zur Überwachung des Kontos ist.
 
Evgeny Dyuka:
und wo ist der Link zur Kontoüberwachung hin???

Offenbar entfernt der Bot die Links. Nach der Geschwindigkeit zu urteilen.

 
Valeriy Yastremskiy:

Offenbar entfernt der Bot die Links. Nach der Geschwindigkeit zu urteilen.

Der Bot hätte sie sofort entfernt, aber sie blieb zehn Minuten lang dort.

Ich weiß, wer dieser Bot ist))

 

Neue Catbust-Funktionen

Die Unsicherheitsvorhersage ist interessant, ähnlich wie beim aktiven Lernen, über das ich einen Artikel geschrieben habe.


 
Aber sie erklären es so, dass es einfacher ist, die Napoleons im Irrenhaus zu fragen
Grund der Beschwerde: