Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 413
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
Ja, sie haben es wahrscheinlich so gemacht, dass man mehr als 2 Klassen haben kann... also wird es wahrscheinlich mehr Clustering sein und man kann andere Methoden wie k-means verwenden :)
Im Allgemeinen schlage ich vor, ein einzelnes Neuron mit einer tanh-Aktivierungsfunktion zu verwenden, das einen Definitionsbereich von (-1;+1) hat, um Kauf/Verkauf zu klassifizieren.
Weniger Daten und mehr Offensichtlichkeit.
SoftMax, ja, nur für die Klassifizierung, wobei die Anzahl der Klassen beliebig sein kann. Erinnern Sie sich (finden Sie) an die Aufgabe, Irisblüten zu klassifizieren.
Und Ergebnisse durch tanh (oder alternativ sin) sind sehr praktisch, um sie in einem Diagramm als Indikator anzuzeigen.
https://en.wikipedia.org/wiki/Activation_function
Auf dem Screenshot ist das untere Diagramm zu sehen. Grün/rot sind Trainingssignale; lila/blau sind Vorhersagen des trainierten Modells.
Ich verstehe überhaupt nicht, was man mit k-means machen kann... MS Azure hat es, aber als fertige Lösung, aber hier ist es nur ein Motor und wie man seine Ergebnisse interpretiert ist überhaupt nicht klar...
Nun, dies ist für die Gruppierung homogener Daten, es funktioniert ohne Lehrer, d.h. die Anzahl der Klassen (in diesem Fall Cluster) ist nicht im Voraus bekannt
Im Allgemeinen schlage ich vor, ein einzelnes Neuron mit einer tanh-Aktivierungsfunktion zu verwenden, das einen Definitionsbereich von (-1;+1) hat, um Kauf/Verkauf zu klassifizieren.
Weniger Daten, dafür mehr Offensichtlichkeit.
SoftMax, ja, nur für die Klassifizierung, wobei die Anzahl der Klassen beliebig sein kann. Erinnern Sie sich (finden Sie) an die Aufgabe, Irisblüten zu klassifizieren.
Und Ergebnisse durch tanh (oder alternativ sin) sind sehr praktisch, um sie in einem Diagramm als Indikator anzuzeigen.
https://en.wikipedia.org/wiki/Activation_function
Im Screenshot ist die untere Grafik zu sehen. Grün/rot - Trainingssignale, lila/blau - Vorhersage auf der Grundlage des trainierten Modells.
Ist 1 Neuron nicht unzureichend, wenn die Stichprobe groß ist? )
Ist 1 Neuron nicht klein genug, wenn die Stichprobe groß ist? )
Entschuldigung, ich sprach von der Ausgabeschicht. =)
Entschuldigung, ich sprach von der Ausgabeschicht. =)
Ich habe in alglib ein Raster mit linearer Ausgabe erstellt, aber mit einer Bereichsbegrenzung von -1 bis 1, und es geht immer noch gelegentlich aus dem Bereich nach dem Training mit neuen Daten,
Ich denke also darüber nach, jetzt Softmax hinzuzufügen.
Ich habe ein Raster in alglib mit einer linearen Ausgabe, aber mit einer Bereichsgrenze von -1 bis 1 erstellt, und es geht immer noch gelegentlich außerhalb des Bereichs nach dem Lernen neuer Daten,
Ich denke also darüber nach, Softmax jetzt hinzuzufügen.
wenn es aus dem Rahmen fällt, kann es als sehr gutes Signal betrachtet werden = 150% ))
Ja, manchmal kann anstelle von 0,1 auch 1 stehen, vielleicht weil die Werte in der Ausbildung unterschiedlich normalisiert werden und dann im Handelsprozess die Stichproben unterschiedlich sind.
Nun, es ist für die Gruppierung von homogenen Daten, es funktioniert ohne Lehrer, d.h. die Anzahl der Klassen (Cluster in diesem Fall) ist nicht im Voraus bekannt
Warum ist sie nicht bekannt? Die Anzahl der Cluster, in die unterteilt werden soll - wird beim Start als Eingabewert festgelegt: K - gewünschte Anzahl von Clustern, K>=1
Angenommen, ich habe die Daten in 4 Gruppen eingeteilt, was soll ich mit ihnen machen?
Ich habe ein Raster in alglib mit einer linearen Ausgabe, aber mit einer Bereichsgrenze von -1 bis 1 erstellt, und es geht immer noch gelegentlich außerhalb des Bereichs nach dem Training mit neuen Daten,
Ich denke also darüber nach, Softmax jetzt hinzuzufügen.