Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 284
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
Ein halber Ast, der Licht ins Dunkel bringt: Prädiktoren haben keine Vorhersagekraft und sind Rauschen für die Zielvariable. Daher wird das Modell neu trainiert, und das neu trainierte Modell hat NICHTS mit seiner künftigen Verwendung zu tun. LÄRM IST IMMER GLEICH LÄRM, IN EINER ANWENDUNG GIBT ES EIN ERGEBNIS UND IN EINER ANDEREN EIN ANDERES.
Y Nun, Sie sprachen von dem Klassifikator. Und wenn schon. Im Allgemeinen müssen wir, um ihn vorherzusagen, den Indikator der Preisänderungen für 10 Balken erstellen. Schalten Sie einen Takt zurück. Dies wird die Zielfunktion sein. Es reicht aus, das Netz so zu trainieren, dass der Fehler zwischen der Netzausgabe und der Zielfunktion minimal ist, d. h. das Netz sollte auf die Eingabedaten mit einem Vorsprung von 10 % reagieren. Was mir an NS gefallen hat, ist, dass man mit dem gesamten Indikator auf einmal arbeitet und unendlich viele Verknüpfungen von einem Indikator zum anderen herstellen kann. Ich habe eine solche Idee. Es geht darum, dass es dort ein sehr interessantes Klassifizierungsnetz gibt. Wie wäre es, wenn wir mehrere solcher Raster in NS in einem bestimmten Gebiet trainieren und diese Werte dann in den Optimierer von Reshetov hochladen, um zu sehen, ob wir den Generalisierungsgrad erhöhen können. Ich verstehe das so, dass man von Deep Learning spricht, wenn die Eingabe in das Netzwerk nicht die Eingabe selbst ist, sondern das Ergebnis des Netzwerks auf diese Eingabe. Verstehe ich das Konzept des Deep Learning richtig?
Wenn wir zunächst ein Netz auf Eingabedaten trainieren, wird das Ergebnis mehrerer Netze, die auf denselben Daten trainiert wurden, in die Eingabe eines anderen Netzes eingespeist, wodurch eine bessere Generalisierung erreicht wird. Ist das wahr, Jungs????
Vladimir, bitte schauen Sie sich meinen Beitrag über Twitter an, ein paar Seiten vorher habe ich geschrieben..... Vielleicht können Sie mir dabei helfen
Y Nun, Sie sprachen von dem Klassifikator. Und wenn schon. Im Allgemeinen müssen wir, um ihn vorherzusagen, den Indikator der Preisänderungen für 10 Balken erstellen. Schalten Sie einen Takt zurück. Dies wird die Zielfunktion sein. Es reicht aus, das Netz so zu trainieren, dass der Fehler zwischen der Netzausgabe und der Zielfunktion minimal ist, d. h. das Netz sollte auf die Eingabedaten mit einem Vorsprung von 10 % reagieren. Was mir an NS gefallen hat, ist, dass man mit dem gesamten Indikator auf einmal arbeitet und unendlich viele Verknüpfungen von einem Indikator zum anderen herstellen kann. Ich habe eine solche Idee. Es geht darum, dass es dort ein sehr interessantes Klassifizierungsnetz gibt. Wie wäre es, wenn wir mehrere solcher Raster in NS in einem bestimmten Gebiet trainieren und diese Werte dann in den Optimierer von Reshetov hochladen, um zu sehen, ob wir den Generalisierungsgrad erhöhen können. Ich verstehe das so, dass man von Deep Learning spricht, wenn die Eingabe in das Netzwerk nicht die Eingabe selbst ist, sondern das Ergebnis des Netzwerks auf diese Eingabe. Verstehe ich das Konzept des Deep Learning richtig?
Wenn wir zunächst ein Netz auf Eingabedaten trainieren, wird das Ergebnis mehrerer Netze, die auf denselben Daten trainiert wurden, in die Eingabe eines anderen Netzes eingespeist, wodurch eine bessere Generalisierung erreicht wird. Stimmt das, Guys????
=========================================================
Nein, ist es nicht. Was du beschreibst, ist gestapeltes NN. Und Deep Learning ist etwas ganz anderes...
Viel Glück!
Vladimir, schauen Sie sich bitte meinen Beitrag über Twitter an, ein paar Seiten vorher habe ich geschrieben..... Vielleicht können Sie mir dabei helfen
Könnten Sie also in zwei Worten erklären, worum es sich handelt, zumindest ungefähr... ?????
Ich habe Ihren Beitrag gelesen, kann aber nicht helfen, da ich mich nicht mit Textdaten beschäftigt habe. Ich habe viele Beispiele gesehen. Wenn ich den Link finde, schicke ich ihn Ihnen zu.
Das Problem ist, dass ich das Paket nicht selbst ausführen kann, ich kann nicht mit Tweeter verbinden, und noch einfacher kann ich keine Verbindung herstellen, zumindest wird ein Beispiel gegeben, wie man es macht, aber es gibt ein Problem mit dem Pin-Code, ich kann einfach nicht verstehen, wo er eingegeben werden soll
Vladimir, schauen Sie sich bitte meinen Beitrag über Twitter an, ein paar Seiten vorher habe ich geschrieben..... Vielleicht können Sie mir dabei helfen.
Schauen Sie sich https://github.com/maxbbraun/trump2cash an.
PS Es ist eine sehr große Aufgabe mit vielen Fallstricken, selbst eine maschinenlesbare Analyse von Nachrichten-Feeds zu erstellen. Ich empfehle https://www.accern.com/, um es zu versuchen, ich benutze es, sehr zufrieden.
scale() ist nicht geeignet, mit seiner trickreichen Normalisierung macht es ständig unterschiedliche Bereiche...
Danke an alle, die versucht haben zu helfen
Ich musste selbst einen Bereich zuordnen. Da ich es vorhin getan habe, habe ich es nachgeschlagen. Ich habe den Link falsch angegeben. Es gibt ein Skalenpaket (keine Funktion), das mit allen möglichen Skalen gefüllt ist. Für Sie scheint mir der Wiederverkauf angemessen. Zum Beispiel.
Anzeigen im angegebenen Bereich. Und eine Reihe weiterer ähnlicher Funktionen in dem angegebenen Paket
Sprechen Sie von Deep Learning oder StackedNN?