Diskussion zum Artikel "Neuronale Netzwerke der dritten Generation: Tiefe Netzwerke" - Seite 15

Neuer Kommentar
 
Carl Schreiber:

Hallo,

bitte helfen Sie mir, einige meiner negativen Vorurteile über neuronale Netze (NN) zu klären.

  1. Ist es richtig, dass man zuerst die Indikatoren optimieren sollte, die in das NN eingefügt werden sollen?
  2. Dann optimiert man die Parameter des NN?
  3. Oder optimiert man die Parameter des NN und die Indikatoren gleichzeitig?
  4. Stimmt es nicht, dass die Gefahr einer Überanpassung umso größer ist, je mehr Variablen zu optimieren sind?
  5. Wenn die Datensätze für 1. und 2. gleich sind, würde das nicht zu einer Art Überanpassung an den Datensatz führen?
  6. Wird nicht genau das durch"Wieder haben wir eine profitable Phase von etwa 5 Wochen, bis sich das Modell verschlechtert." angedeutet?
  7. a) Nehmen wir an, wir haben einen Haufen Indikatoren, die alle zusammen vom Tester optimiert wurden und nun
    b) führen wir eine zweite Optimierung durch den Tester durch, nur um zu überprüfen, welche der optimierten Indikatoren wir brauchen(*)
    c) so dass wir einen kleineren Haufen unserer optimierten Indikatoren haben
    d) wofür brauche ich das NN?
  8. Kennen Sie eine Schätzung, wie groß der Datensatz für ein NN aufgrund der Anzahl der Eingänge, Schichten und Perceptrons sein muss?


(*) Wenn Sie den mt4-Optimierer im genetischen Modus laufen lassen und versuchen, bestimmte Parametersätze zu umgehen (z.B. nicht testen, ob "Indikator-A" eingeschaltet ist), indem Sie von OnInit() mit"INIT_PARAMETERS_INCORRECT" zurückkehren, zählt der genetische Algorithmus dies leiderimmer noch als einen gültigen Durchlauf, und das reduziert die Anzahl der tatsächlich ausgeführten Durchläufe, bevor der Algorithmus aufgrund der Anzahl der Durchläufe, die eines der Abbruchkriterien ist, anhält.


1,2,3 und 4, ich glaube, dass sich die Indikatoren und Einstellungen, die eingegeben werden, von Natur aus an den zugrunde liegenden Vermögenswert anpassen.

Nehmen wir zum Beispiel an, wir erstellen eine einfache Optimierung mit dem RSI und ZigZag Highs, ZigZag Lows.
Wir erzeugen einen durchschnittlichen überverkauften Wert für die Highs, indem wir den RSI-Wert für die ZigZag Highs addieren, und einen durchschnittlichen überkauften Wert für die Lows, indem wir den RSI-Wert für die ZigZag Lows addieren.
Unsere Durchschnitte werden im Wesentlichen die Anpassung des RSI sein, unabhängig
von den Einstellungen zu diesem Vermögenswert.
Die Frage ist nicht, ob Indikatoren meiner bescheidenen Meinung nach optimiert werden sollten, sondern ob der Indikator grundsätzlich nutzbar ist
.
Im obigen Beispiel können Sie meinen Standpunkt verstehen, indem Sie die Durchschnitte für einen RSI(3) gegenüber einem RSI(16) betrachten.
Der RSI(3) wird ständig unsere optimierten Niveaus gegenüber dem RSI(16) auslösen.
 
Lorentzos Roussos:
1,2,3 und 4, ich glaube, was auch immer Indikatoren und Einstellungen übergeben werden, passen sich von Natur aus an den zugrunde liegenden Vermögenswert an.
...
Unsere Durchschnitte werden im Wesentlichen die Anpassung des RSI unabhängig von den Einstellungen an diesen Vermögenswert sein.
Die Frage ist nicht, ob Indikatoren meiner bescheidenen Meinung nach optimiert werden sollten, sondern ob der Indikator grundsätzlich nutzbar ist
.

Im obigen Beispiel können Sie meinen Standpunkt verstehen, indem Sie die Durchschnitte für einen RSI(3) gegenüber einem RSI(16) betrachten.
Der RSI(3) wird ständig unsere optimierten Niveaus gegenüber dem RSI(16) auslösen.

Ihr Beispiel - wenn ich es richtig verstehe - sagt mir, dass der RSI(3) keine Hilfe ist, da er nicht zwischen "gut" (potenzieller Gewinn > ??) und "schlecht" (potenzieller Gewinn < ??) unterscheiden kann, der RSI(16) aber schon.

Aber wenn dem so ist, hat eine Optimierung stattgefunden, da wir danach wissen, dass 16 besser ist als 3 - oder woher wissen Sie das?

Trainieren Sie nun das NN mit RSI(3)? Es wird wahrscheinlich gelöscht. Oder versuchen Sie RSI(3) (NN-Eingang 1) und RSI(16) (NN-Eingang 2) und wenn RSI(3) gelöscht wird (NN-Eingang 1 wird z.B. auf 0 gesetzt), wurde RSI(x) auf 16 optimiert - sogar auf sehr einfache Weise. Brauchen wir dafür eine NN mit dem MT-Optimierer?

Oder übersehe ich etwas in Ihrem Beispiel?

 
Carl Schreiber:

Ihr Beispiel - wenn ich es richtig verstehe - sagt mir, dass der RSI(3) nicht hilfreich ist, da er nicht zwischen "gut" (potenzieller Gewinn > ??) und "schlecht" (potenzieller Gewinn < ??) unterscheiden kann, der RSI(16) aber schon.

Aber wenn dem so ist, hat eine Optimierung stattgefunden, da wir danach wissen, dass 16 besser ist als 3 - oder woher wissen Sie das?

Trainieren Sie nun das NN mit RSI(3)? Es wird wahrscheinlich gelöscht. Oder versuchen Sie RSI(3) (NN-Eingang 1) und RSI(16) (NN-Eingang 2) und wenn RSI(3) gelöscht wird (NN-Eingang 1 wird z.B. auf 0 gesetzt), wurde RSI(x) auf 16 optimiert - sogar auf sehr einfache Weise. Brauchen wir dafür eine NN mit dem MT-Optimierer?

Oder übersehe ich etwas in Ihrem Beispiel?

Ich beziehe mich auf RSI(3) und RSI(16) als Beispiel für mögliche fundamentale Auslastungslücken in Echtzeit.
Das Ideal wäre ein RSI mit variabler Periode in diesem Beispiel
 
Lorentzos Roussos:
Ich beziehe mich auf den RSI(3) und den RSI(16) als Beispiel für mögliche fundamentale Auslastungslücken in Echtzeit.
Das Ideal wäre ein RSI mit variabler Periode in diesem Beispiel

ok - was wird also an den NN gesendet?

RSI(..) mit einem fixen Wert (wie kam es dazu) mit einem variablen Wert - kann man die Berechnung optimieren oder nicht?

Das alles beeinflusst die Gefahr der Überanpassung - daher sorry, dass ich so fies bin.

 
Sehr gut! Aber für mich ist es sehr schwierig!
 
Gibt es eine englische Version der von Ihnen beigefügten Ressourcen?
 

Ошибка

Bei Ausführung in RStudio:

 >dt.b<-Balancing(dt)Error in Balancing(dt) : could not find function "upSample"


Was ist diese Funktion? Aus welchem Paket stammt sie und wo ist sie definiert?
Vielen Dank!
 

Ich habe R x64 3.3.1. Nach der Installation fehlten die folgenden Bibliotheken - svMisc, svSocket, TTR, xts, zoo. Aber Rstudio hat sich nicht über die letzten drei beschwert, ich konnte es nur dank DebugView herausfinden.

Der Indikator ist installiert, denkt lange nach und erzeugt Zickzacklinien. Wenn ich versuche, serv auf true zu setzen, stürzt er ab:

[8904] <-1> TPlotEventLoop: terminating
[8904] <-1> TRConsole: destroying

Das Gleiche passiert bei der Installation eines Expert Advisors:

[10964] <-1> TPlotEventLoop: terminating

Das Terminal meldet "Rterm crashed".

Ich habe in Google nichts Eindeutiges über diesen Fehler gefunden. Wo soll ich suchen?

 
Konstantin Kopylov:

Bei Ausführung in RStudio:

Ich entschuldige mich für die späte Antwort.

Die Funktion ist im Paket "caret::upSample" definiert //downSample nimmt eine Zufallsstichprobe aus einem Datensatz, so dass alle Klassen die gleiche Häufigkeit haben wie die Minderheitsklasse. upSample nimmt Stichproben mit Ersetzung, um die Klassenverteilungen gleich zu machen//

Viel Glück

 
m0rtal:

Ich habe R x64 3.3.1. Nach der Installation fehlten die folgenden Bibliotheken - svMisc, svSocket, TTR, xts, zoo. Aber Rstudio hat sich nicht über die letzten drei beschwert, ich konnte es nur dank DebugView herausfinden.

Der Indikator ist installiert, denkt lange nach und erzeugt Zickzacklinien. Wenn ich versuche, serv auf true zu setzen, stürzt er ab:

Das Gleiche passiert bei der Installation eines Expert Advisors:

Das Terminal meldet "Rterm crashed".

Ich habe in Google nichts Eindeutiges über diesen Fehler gefunden. Wo soll ich suchen?

Im Anhang zu diesem Artikel habe ich einen überarbeiteten e_DNSAE Expert Advisor ohne Verwendung des Servers gepostet.

Bitte schauen Sie ihn sich an.

Viel Erfolg!

1...891011121314151617
Neuer Kommentar