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.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
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