Neuronales Netz und Eingaben - Seite 36
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
pdf will nicht angehängt werden, rar will auch nicht angehängt werden. Was brauchen Sie?
Erklären Sie das:
wurden zunächst vier Modelle bewertet, und das Ergebnis war
1. mlpe mit AUC=0,924 und Acc=85,7%.
2. DT mit AUC=0,877 und Acc=84,4%.
3. mlp mit AUC=0,874 und Acc=81,7%.
4. svm mit AUC=0,857 und Acc=82,4%.
d.h. ein Ensemble von mehrschichtigen neuronalen Netzen, die durch unterschiedliche (zufällige) Anfangswerte der Gewichte aktiviert werden, bessere Ergebnisse als andomForest und Entscheidungsbaum?
Nein. Das Ensemble ist besser als DT, mlp und svm. Die RF- und ada-Werte werden als nächstes angegeben, und sie sind besser.
Würde der Unterschied in Acc zwischen 85,7 % und 89,4 % zu einer deutlichen Verbesserung der Prognose führen?
Ich habe eine lineare Regression und eine nichtlineare Regression, die für z. B. Gold multiple R-Werte von 0,95485489 bzw. 0,97386429 ergeben. Ich habe in der Praxis keine signifikante Verbesserung der Vorhersageeigenschaften des Modells festgestellt - im Handel
Die Ass=91% für das ada-Modell. Und das ist sehr gut. Ich habe keine Regression durchgeführt. Oder besser gesagt, ich habe es getan, aber es hat mir nicht gefallen.
Was besagt der Multiple R-Wert? Das habe ich noch nicht gesehen.
Die Ass=91% für das ada-Modell. Und das ist sehr gut. Ich habe keine Regression durchgeführt. Oder besser gesagt, ich habe es getan, aber es hat mir nicht gefallen.
Was besagt der Multiple R-Wert? Das habe ich noch nie gesehen.
Multiple R ist der multiple Korrelationskoeffizient.
Frage: Es gibt zwei Methoden. Die Verwendung der einen Methode führt zu einer Vorhersagegenauigkeit, die z. B. 1-3 % besser ist als die der anderen - ein greifbarer Handelsvorteil der einen Methode gegenüber der anderen ergibt sich daraus nicht.
Wenn man nun den Neigungswinkel durch die Durchbiegung teilt, erhält man einen Wert, der das Geschäft vollständig charakterisiert. Diese kann nun als Fitnessfunktion für die Abstimmung verwendet werden.
Sie sind derjenige, der - Entschuldigung - den Sharpe-Indikator "erfunden" hat. Ein wirklich guter Indikator, nebenbei bemerkt.
Versuchen Siediesen Lehrer. (https://www.mql5.com/ru/code/903). Besser kann man es nicht machen.
Die Eingänge sind beliebig, Sie können sogar OHLC haben.
Es ist nicht der Lehrer, es ist der Versager. Wie der Witz.
Ein Gespräch in einem Trolleybus.
-Können Sie mir sagen, wann die nächste Haltestelle kommt?
-Sieh mir zu. -Ihr vorheriger, sobald ich aussteige.
In Ihrem Fall brauchen Sie eine Prognose von mindestens drei Takten im Voraus. Und das ist ein Rückschritt.
Und wenn Sie glauben, dass Sie hier ein Pionier sind, vergessen Sie es. Diese Richtung wird mit Füßen getreten. Lesen Sie mehr.
Viel Glück!
Es ist nicht der Lehrer, es ist der Doppelzüngler. Wie in diesem Witz.
Ein Gespräch in einem Trolleybus.
-Können Sie mir sagen, wann die nächste Haltestelle kommt?
-Du folgst mir. Sobald ich aussteige, bist du dran.
In Ihrem Fall brauchen Sie eine Prognose von mindestens drei Takten im Voraus. Und das ist ein Rückschritt.
Und wenn Sie glauben, dass Sie hier ein Pionier sind, vergessen Sie es. Diese Richtung wird mit Füßen getreten. Lesen Sie mehr.
Viel Glück!
(Lacht)
Die Regression, die Sie in Ihrem Beispiel der Eingabe zuführen, gibt es nicht.
Ich habe mir "Ihr" BBCI angeschaut, es ist nicht besser und außerdem fehlerhaft.
Schlagen Sie die Eingabedaten (außer OHLC) und den Lehrer vor.
Ich behaupte gar nichts, Sie haben gefragt, ich habe angeboten.
Sie scheinen es nicht verstanden zu haben, und Sie denken an einen Rückschritt.
Weiterstampfen. Viel Glück!
Die Daten können nach einer Spektraltransformation des Eingangsvektors in den Eingang eingespeist werden.
Die Aufgabe des neuronalen Netzes könnte in diesem Fall darin bestehen, die "Zukunft" des Spektrums vorherzusagen. Ich habe einige Nachforschungen zu diesem Thema angestellt. Ich denke, dass eine solche Umwandlung sinnvoll ist, auch wenn sie eine ressourcenintensive Berechnung ist. Hier habe ich einige Varianten der Anwendung näher beschrieben.