Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1503
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
Buenas tardes a todos los que están en el campo de la NS.
No he estudiado mucho de NS en un sentido básico, pero hay preguntas y nadie para consultar.
Si alguien conoce bien los modelos de construcción, por favor aconseje en qué dirección buscar una solución, y si tiene sentido.
La tarea es de la siguiente naturaleza.
Hay una muestra en el array unidimensional, los valores del indicador que se redibuja.
¿Es posible enseñar a la red mediante NS a obtener el mismo conjunto de muestras pero sin volver a dibujar esta muestra en tiempo real?
Por ejemplo, si se utiliza un profesor para enseñar los valores duplicados de una muestra, ¿se redistribuirá este resultado en tiempo real?
Si no es así, ¿qué modelo es más adecuado para ello?
La agrupación, según entiendo, da la respuesta final como dos soluciones Sí No, verdadero falso, 0 1
Que este modelo de aprendizaje no es adecuado para la tarea en cuestión.
¿Qué modelo de aprendizaje se necesita para la tarea en cuestión?
¿Y tiene algún sentido entrenar para eliminar el redibujado de valores en el resultado final?
Buen tiempo a todos los que están en el campo NS.
He estudiado NS en la comprensión básica, pero tengo preguntas y nadie para consultar.
Si alguien conoce bien el modelo, por favor que me aconseje en qué dirección buscar una solución, y si tiene sentido.
La tarea es de la siguiente naturaleza.
Hay una muestra en el array unidimensional, los valores del indicador que se redibujan.
¿Es posible enseñar a la red mediante NS a obtener la misma matriz de muestras pero sin redibujarla en tiempo real?
Es decir, usar un profesor para entrenar valores de muestra duplicados, y ¿este resultado se redibujará en tiempo real?
Si es así, ¿qué modelo es el más adecuado para ello?
La agrupación, según entiendo, da la respuesta final como dos soluciones Sí No, verdadero falso, 0 1
Que este modelo de aprendizaje no es adecuado para la tarea en cuestión.
¿Qué modelo de aprendizaje se necesita para la tarea en cuestión?
¿Y tiene algún sentido entrenar para librarse del redibujado de valores en el resultado final?
si el resultado se redibuja constantemente, entonces ¿qué cuenta como resultado final?
¿por qué no contar como todo lo demás, al cierre de la vela?
si el resultado se redibuja constantemente, entonces ¿qué cuenta como resultado final?
¿por qué no contar como todo lo demás, al cierre de la vela?
No enseñamos el valor extremo, sinoel rango de valores.
El resultado final es el profesor original en el array unidimensional.
Es decir, se trata de copiar por ejemplo la misma máscara, pero no de redibujarla en tiempo real (la máscara es por ejemplo, no dibuja).
No he estudiado mucho NS en la comprensión básica, pero tengo preguntas y nadie para consultar.
...
¿Es posible entrenar una red utilizando NS para obtener la misma matriz de muestras, pero de manera que esta muestra no se redibuje en tiempo real posteriormente?
Es decir, usar un profesor para entrenar valores de muestra duplicados, y ¿este resultado se redibujará en tiempo real?
extraño entendimiento básico de la NS, y ¿cuál es entonces su definición de error de formación de la NS?
La respuesta es no, el NS siempre se redibujará de acuerdo a su comprensión, incluso si se entrenó en los datos no redibujados, se puede experimentar con las funciones de activación y la estructura del NS, pero todavía se "detendrá" en el error de la formación del NS - este error se "redibujará" al calcular el NS entrenado
así
extraño entendimiento básico del funcionamiento de la NS, y que entonces en su concepto de error de formación de la NS?
La respuesta es no, el NS siempre se redibujará de acuerdo a su definición, incluso si se entrenó en los datos no redibujando, usted puede experimentar con las funciones de activación y la estructura de la NS, pero todos los mismos "se detendrá" en el error de la enseñanza de la NS - este error se "redibujará" al calcular el NS entrenado
así
El error de aprendizaje es la diferencia entre el resultado deseado y el real del modelo.
No permite evaluar la precisión del modelo con nuevos datos que no hayan participado en el proceso de aprendizaje.
Es mejor utilizar el error de generalización, es decir, el error del modelo en un conjunto de pruebas.
Así que es así.
Por eso quería saber si es posible resolver esta tarea con la ayuda de NS.
Y sobre los posibles modelos que pueden resolver este problema.
Sí, la idea era simplemente tomar un rango de valores no dibujados del pasado y entrenar la red en esta muestra.
Existen programas especializados para entrenar con modelos ya hechos o construirlos manualmente.
La cuestión es qué modelo es más adecuado para la tarea, el nombre del modelo, estoy seguro de que existe tal modelo.
Sí es posible que haya un error, pero se puede intentar minimizarlo, lo principal es que el modelo se haya elegido correctamente.
Escucharé las opiniones de los demás participantes.
¿Cómo van los datos reales?
¿Cómo van los datos reales?
Parece que está tirando del plus, pero es demasiado pronto para decirlo. Acabo de empezar el viernes en mi cuenta demo. Estoy pensando en aumentar el mínimo de entrada para disminuir el número de operaciones y mejorar su calidad.
Parece que va en negro, pero es demasiado pronto para decirlo. Acabo de empezar el viernes en mi cuenta demo. Estoy pensando en aumentar el mínimo de entrada para disminuir el número de operaciones y mejorar su calidad.
Esto es una basura, no un TS, amigo mío.
Parece que está en negro, pero es demasiado pronto para decirlo. Acabo de empezar el viernes en mi cuenta demo. Estoy pensando en aumentar el mínimo de entrada para disminuir el número de operaciones y mejorar su calidad.
Esto es una mierda, no el TS, amigo mío.
Un número tan bajo de oficios hace imposible reconocer el Grial. La diferencia entre los resultados analíticos y los reales no es tan grande.