MetaTrader 5 Python User Group - wie man Python in Metatrader verwendet - Seite 82

Neuer Kommentar
 
Vladimir Karputov:

Wie kann ich einen Ausgleich vornehmen?

Dies ist die Tabelle (Data Frame)

wie man es so macht:

Wofür? Einfach ausdrucken?

 
Vladimir Karputov:

Wie kann ich einen Ausgleich vornehmen?

Dies ist die Tabelle (Data Frame)

Wie man das macht:

Hier, gefundenpandas.DataFrame.shift

Das Wichtigste ist, dass Sie nicht vergessen, die letzte Zeile zu streichen, da sie sonst Unsinn enthält.

 
Ich bin wild sorry) Ich würde gerne wissen, ob es möglich ist, die Tastatur durch Python in MQL5 zu drücken? keine Zeit, überhaupt zu experimentieren
 
Ein ziemlich informativer Thread über die Integration von Python in mt5... Warum wird mein Python-Skript, wenn ich es im mt5-Terminal hinzufüge, sofort wieder entfernt?
 

Sehr geehrte Damen und Herren, bitte teilen Sie mir mit, was an meinem Verständnis falsch ist.

Ich habe ein neuronales Netz aufgebaut. Er hat die Daten vorbereitet.

(10452, 50) (10452, 2)  полный набор данных
(7316, 50) (7316, 2)    тренировочный набор
(3136, 50) (3136, 2)    тестовый набор

Ausgebildet.

Параметры модели:
clf__epochs = 66
clf__layers
> Размерность слоёв:
>>> Входной слой = 50
>>>>>> Скрытых слоёв -- 2
>>>>>>>> 1-й слой    = 25
>>> >> слой имеет dropout = 0.3
>>>>>>>> 2-й слой    = 12
>>> Выходной слой    = 2
clf__loss = BCE
clf__metric = accuracy
clf__optimizer = adam

Ergebnis.

Score on train data is 0.9672635197639465
Score on test data is  0.9674744606018066

#  Оцениваем на тестовых данных
test loss, test acc: [0.1585625737373318, 0.96747446]

Und dann verstehe ich nicht, was passiert...

predictions = model.predict(X_test[:15])

.

predictions[:15] =  
[[0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]
 [0.03263587 0.03311919]]

Warum solche "Vorhersage"-Ergebnisse? Erwartet entweder 0-0, 0-1 oder 1-0....

 

Es ist immer so...

Wenn man eine Frage stellt, denkt jeder: Wozu die Mühe?

Subjektive Meinung: 93% der Zeit muss man googeln.... 90% der Zeit, die es braucht, um die Frage richtig zu beantworten....

Vielen Dank für das Feedback! Das ist alles für den Moment. Ich gehe zu google....

 

dies sind die Wahrscheinlichkeiten der Klassen 1 und 2

Die 2. hat eine höhere Wahrscheinlichkeit, also wird sie vorhergesagt

ihre Summe muss 1 sein, hier liegt eine Art Trainingsfehler vor

Bei einer binären Klassifizierung sollte 1 Neuron ausgegeben werden. Oder Softmax
 
Maxim Dmitrievsky:

dies sind die Wahrscheinlichkeiten der Klassen 1 und 2

Die 2. hat eine höhere Wahrscheinlichkeit, also wird sie vorhergesagt

ihre Summe sollte gleich 1 sein, hier liegt eine Art Trainingsfehler vor

Bei einer binären Klassifizierung benötigen Sie 1 Neuron pro Ausgabe. Oder Softmax

Binäre Klassifizierung bedeutet nicht, dass 1 Neuron pro Ausgabe vorhanden ist. Zumindest von dem, was ich gefunden habe...

Das Problem ist jedoch, dass sich das Bild auch bei Verwendung anderer Verlustfunktionen nicht ändert!

Ich werde morgen einen Datentester mit Vorhersagevalidierung schreiben. Aber irgendetwas sagt mir, dass das Ergebnis beklagenswert sein wird!

Ich kann nur nicht verstehen, warum die "Genauigkeit" über 96% liegt und die Vorhersage "so" ist...

Vielleicht mache ich etwas falsch?

 
Сергей Таболин:

Binäre Klassifizierung bedeutet nicht, dass 1 Neuron pro Ausgang vorhanden ist. Zumindest von dem, was ich gefunden habe...

Das Problem ist jedoch, dass sich das Bild auch bei Verwendung anderer Verlustfunktionen nicht ändert!

Ich werde morgen einen Datentester mit Vorhersagevalidierung schreiben. Aber irgendetwas sagt mir, dass das Ergebnis beklagenswert sein wird!

Ich kann nur nicht verstehen, warum die "Genauigkeit" über 96% liegt und die Vorhersage "so" ist...

Vielleicht mache ich etwas falsch?

Ich habe wohl keine Ahnung, um welche Art von Netzwerkkonstruktor es sich handelt.

1 Neuron bedeutet nicht, dass ein Addierer stehen sollte und eine Aktivierung f-e. Normalerweise setzt man 1 Neuron

kann es viele Gründe geben. Zum Beispiel sind die Daten nicht normalisiert, nicht richtig aufbereitet, das Netz ist krumm
 
Maxim Dmitrievsky:

Ich habe wohl keine Ahnung, um welche Art von Netzwerkkonstruktor es sich handelt.

1 Neuron bedeutet nicht, dass ein Addierer vorhanden sein muss, sondern eine Aktivierung f-e. Normalerweise ist es 1 Neuron.

Dafür kann es viele Gründe geben. Zum Beispiel sind die Daten nicht normalisiert, nicht richtig aufbereitet, das Netz ist nicht richtig aufgebaut

Das Problem ist, dass die Normalisierung ein hoffnungsloser Fall ist!

Lassen Sie mich das erklären. Es gibt einige Daten A, B, C...

Sie unterscheiden sich in Bezug auf ihre Bedeutung und so weiter. Alle (Google) sagen, dass die Normalisierung nach Spalten (A-A-A, B-B-B, C-C-C) und nicht nach Zeilen erfolgen sollte. Das ist logisch nachvollziehbar.

Aber wenn neue Daten für die "Vorhersage" erscheinen, WIE kann man sie normalisieren, wenn es nur EINE Zeile ist? Und jeder Begriff in dieser Reihe kann über die Normalisierung von Trainings- und Testdaten hinausgehen?

Und die Normalisierung nach Zeichenketten hat keine Auswirkungen!

Eigentlich hatte ich schon nach der Überprüfung dieser Nuancen diesen "Schrei der Seele" ))))

1...7576777879808182838485868788
Neuer Kommentar
Grund der Beschwerde: