Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 2): Entrenamiento y prueba de la red" - página 3
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
He estudiado Redes Neuronales en Metatrade4 durante años, he hecho redes de 3 layers con n neuronas en cada layer.
Como entradas he usado indicadores, en multitimeframe, etc, etc
Y el resultado siempre es el mismo. PESIMO.
Excelente cuando se entrenan, resultados casi perfectos.
Pero cuando tienen que poner en practica lo aprendido, son una completa decepcion.
¿12,68% de aciertos? ¿Tiene algún significado real? También estoy obteniendo alrededor del 50% de probabilidad en los lanzamientos de moneda. Con una probabilidad tan baja, no sé cuál es el propósito de esta cosa.
¿12,68% de aciertos? ¿Tiene algún significado real? También estoy obteniendo alrededor del 50% de probabilidad en los lanzamientos de moneda. Con una probabilidad tan baja, no sé cuál es el propósito de esta cosa?
Las finanzas transaccionales en la presión de la red neuronal no es tan utilizado para aprender lo que es encontrar la ley para buscar la fórmula universal, la lógica en sí es ridículo. La verdadera inteligencia artificial financiera transaccional no es hacer juicios, sino que se basa en el sistema caótico de cinco dimensiones cuatro de downgrading huelgas.
Los algoritmos de trading se dividen en tres niveles, el primer nivel de indicadores técnicos (basura), el segundo nivel de estrategia de big data (basura), el tercer nivel de necesidad lógica (invencible). Mi algoritmo es el tercer nivel, la seguridad 100% cinco días de negociación más un cero.
Hi Dmitriy, I have read your article and I have gone through the code and I see that you only use one data set for training, but you do not use another data set for validation and thus avoid over-optimization. With such a large neural network, with several hidden layers and so many neurons per layer, the network will surely memorize all the data, but it will not be able to predict, once the training is finished.
Greetings and thanks for your article and the code
Gerardo
Para el archivo Fractal.mq5, recibo el siguiente error mientras depuro:
2022.01.13 08:30:54.502 Fractal_1 (BTCUSD,M1) CSeries::CheckLoadHistory: solicitó demasiados datos (100801)
¿Alguna sugerencia sobre cómo editar el código para no solicitar mayor que el número máximo de barras de datos (10.000)?
Usted está utilizando M1 marco de tiempo. Y 10 000 min son sólo 7 días. Es demasiado pequeño para entrenar NN.
Usted está utilizando M1 marco de tiempo. Y 10 000 min son sólo 7 días. Es demasiado pequeño para entrenar NN.
Gracias por la respuesta, Dmitriy. Debería haber empezado con 1H como hace al final del artículo.
¡Realmente aprecio su serie Neural Network Made Easy! Espero dominar estos conceptos en MQL yo mismo (aunque es más fácil pasar datos a R usando MTR lol).
Estos son algoritmos de alto potencial y usted ha hecho un trabajo magistral con la biblioteca y la serie, ¡¡¡gracias!!!