Diskussion zum Artikel "Datenkennzeichnung für die Zeitreihenanalyse (Teil 3)：Beispiel für die Verwendung von Datenkennzeichnungen"
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
Neuer Artikel Datenkennzeichnung für die Zeitreihenanalyse (Teil 3)：Beispiel für die Verwendung von Datenkennzeichnungen :
In dieser Artikelserie werden verschiedene Methoden zur Kennzeichnung (labeling) von Zeitreihen vorgestellt, mit denen Daten erstellt werden können, die den meisten Modellen der künstlichen Intelligenz entsprechen. Eine gezielte und bedarfsgerechte Kennzeichnung von Daten kann dazu führen, dass das trainierte Modell der künstlichen Intelligenz besser mit dem erwarteten Design übereinstimmt, die Genauigkeit unseres Modells verbessert wird und das Modell sogar einen qualitativen Sprung machen kann!
Dieser Artikel stellt vor, wie man PyTorch Lightning und PyTorch Forecasting Framework über die MetaTrader5-Handelsplattform verwendet, um finanzielle Zeitreihenprognosen auf der Grundlage neuronaler Netzwerke zu implementieren.
In diesem Artikel werden wir auch die Gründe für die Wahl dieser beiden Rahmen und das von uns verwendete Datenformat erläutern.
Was die Daten anbelangt, so können Sie die Daten verwenden, die durch die Datenkennzeichnung (data labeling) in meinen beiden vorherigen Artikeln erzeugt wurden. Da sie dasselbe Format haben, können Sie sie problemlos nach der in diesem Dokument beschriebenen Methode erweitern.
Autor: Yuqiang Pan