Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 869
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 aprendido sobre 2 VS en la práctica, y esa es la única forma en que los uso. Si utilizo 3 clases (comprar, esperar, vender), entonces la clase media se produce muy rápidamente, especialmente si la neurona de salida es sigmoidea o tangente.
Pero si la regresión... Idealmente se necesita 1 neurona de salida.
Cada NS es de 2 clases - largo/0, el segundo NS es corto/0.
Por si acaso, repito uno de los resultados de la formación NS - esto es todavía una prueba de 09.17. Sale algo así.
Digamos, más de 0,5 - largo, menos - 0, nos detenemos.
No, hasta ahora sólo utilizo el andamiaje (un conjunto de cualquier número de modelos, sobre diferentes características), el resultado es promedio
muy rápidamente todo funciona
Entonces, ¿el árbol es un análogo de la TF? Algo me dice que no es así.
No tengo ni idea... fui a beber bacardi )) lo pensaré más tarde
Pienso probar NS, incluso sólo regresión logística, siempre que sea rápido, porque es un entorno multiagente, se entrenan muchos modelos a la vez... pero adapto RL a mis problemas
También tengo muchas ganas de utilizar el clustering y he pensado cómo, pero alglib no permite obtener la pertenencia al centroide en los nuevos datos, tendré que coger otra lib en algún sitioLa entrada NS es una serie temporal normalizada. Digamos que la estructura NS -15-20-15-10-5-1 ya está funcionando bien.
Para determinar los largos y cortos se necesitan 2 NS.
Me gustaría encontrar un algoritmo para calcular la estructura de la red... para que sea suficiente y no superflua.
No lo sé. En la literatura clásica, sólo por intuición o selección.
Conseguí hacerlo después de la tercera o cuarta vez. Empiezas a sentirlos como resultado del aprendizaje).
No tengo ni idea... fui a beber bacardi )) Lo pensaré más tarde
Voy a probar NS, incluso sólo regresión logística, siempre que sea rápido, porque es un entorno multiagente, se entrenan muchos modelos a la vez... pero adapto RL a mis problemas
Realmente quiero usar el clustering y he encontrado cómo, pero alglib no permite obtener la pertenencia al centroide en datos nuevos, tendré que conseguir otra biblioteca en algún lugarEs hora de ir a R, lo probé en alglib NS - docenas de veces más lento cuenta la misma red que en R (como un día contra 30-60 minutos). Además en alglib máximo 2 capas ocultas, y según tus observaciones necesitas 3 conversiones consecutivas, es decir 3 capas.
Además en alglib máximo 2 capas ocultas, y según tus observaciones necesitas 3 conversiones consecutivas, es decir 3 capas.
3 capas no es nada.
Por cierto, me equivoqué un poco en la estructura de NS
fue15-20-15-10-5-1
Debería ser 15-15-20-15-10-5-1. El primer dígito - el número de entradas.
3 capas no es nada.
Por cierto, me equivoqué un poco en la estructura de NS
fue15-20-15-10-5-1
Debería ser 15-15-20-15-10-5-1. El primer número - número de entradas.
Un total de 1030 escalas no es débil. ¿Y cuántos datos de entrada (filas)?
Un total de 1030 escalas no es débil. ¿Y cuántas entradas (líneas) hay?
¿Perdón? ¿Qué quieres decir? El NS tiene 15 entradas - el primer dígito de la estructura del NS. La entrada se normaliza directamente BP - 15 cuentas.
¿Perdón? ¿Qué quieres decir? NS tiene 15 entradas - 1er dígito de la estructura NS.
Por ejemplo, 10000 líneas de 15 entradas