Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3083

Nuevo comentario
 
Maxim Dmitrievsky #:
Si no puedes diferenciar los instrumentos, hazlo. O forzarlos a ese estado restando la diferencia.

Sobre la segunda pregunta, no, probablemente no puedas. Se equivocará más en otros lugares, porque tirará del gradiente hacia sí mismo.

De momentosí que lo parece.


Sin embargo, antes de abandonar esta idea, veré qué obtengo entrenando el modelo mezclando distintos instrumentos (símbolos) y creando después datos que sólo contengan valores extremos.

 
Lilita Bogachkova #:

En este punto, realmente se ve así.


Sin embargo, antes de abandonar esta idea, voy a ver qué obtengo entrenando el modelo mezclando distintos instrumentos (caracteres) y creando después datos que contengan sólo valores extremos.

Pruébalo. No he visto ninguna diferencia entre uno y más de uno.
 
Maxim Dmitrievsky #:
Si no puedes diferenciar los instrumentos, hazlo. O forzarlos a ese estado restando la diferencia.

Practicar con diferentes símbolos para el entrenamiento, la validación y la prueba hoy en día te permite mejorar la precisión de la predicción. Como punto a favor de esta práctica puedo mencionar que no hay límite en el tamaño de los datos, puedes dar tantos como quieras o necesites para la validación o el entrenamiento.

Cuando se prueba con un tercer símbolo, se puede ver inmediatamente si el modelo es capaz de encontrar patrones universales, en lugar de quedar atrapado en estrechos eventos de mercado específicos de un símbolo en particular.

 
Lilita Bogachkova #:

La práctica con diferentes símbolos para entrenamiento, validación y prueba hoy en día te permite mejorar la precisión de la predicción. Como punto a favor de esta práctica puedo mencionar que no hay límite en el tamaño de los datos, puedes dar tantos como quieras o necesites para la validación o el entrenamiento.

Cuando se realizan pruebas con el tercer símbolo, se puede ver inmediatamente si el modelo es capaz de encontrar patrones universales en lugar de dejarse llevar por acontecimientos limitados del mercado.

Si no hay un gran sesgo en los datos. Diferentes símbolos tienen diferente dispersión de signos, y el modelo puede derivar en ellos o quedarse en una posición en absoluto. Si los signos al menos no cambian sus propiedades de símbolo a símbolo, es posible.
 
Quiero escuchar opiniones sobre la fijación de los datos de entrenamiento mediante la eliminación de los valores que se repiten varias veces seguidas, como los valores que se repiten más de 4 veces seguidas. 
seq = remove_repeating_values(seq, 5)
Por lo que tengo entendido, tales valores iguales tienden a alcanzar varias decenas en caso de mercado plano. Lo que en mi opinión dificulta el entrenamiento del modelo.
 
Lilita Bogachkova #:
Me gustaría conocer opiniones sobre la corrección de los datos de entrenamiento eliminando los valores que se repiten varias veces seguidas, como los valores que se repiten más de 4 veces seguidas.
Según tengo entendido, estos valores iguales tienden a alcanzar varias decenas en caso de mercado plano. Lo que en mi opinión dificulta el entrenamiento del modelo.
Normalmente los modelos sacan valores al azar, no seguidos. Y mezclar la muestra es señal de buen criterio :) Se puede descartar lstm y mezclar las muestras.
 
Maxim Dmitrievsky #:
Normalmente los modelos aleatorizan los valores, no en una fila.

Sí,

X_train, X_val, y_train, y_val = train_test_split(inputs_unique, outputs_unique, test_size=test_size_value,
                                                    random_state=random_state_value)

pero el gran número con los mismos valores me hace cuestionar la calidad general de los datos.
Ejemplo: seq = ([5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5]) = [5,5,5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5][5]; [5,5,5,5,5,5,5][5] ....
No veo el sentido de alimentar el modelo con tales datos de entrenamiento;

Así que todavía estoy tamizando todos los datos que no son únicos.

inputs_unique, indices = np.unique(inputs, axis=0, return_index=True)
outputs_unique = outputs[indices]

Puede que me equivoque, pero me parece erróneo alimentar también el modelo con los siguientes datos de entrenamiento:

[1,2,3,4,5] [5];

[1,2,3,4,5] [6];

[1,2,3,4,5] [7];

[1,2,3,4,5] [8];

...

 

Hola a todos. Estoy tratando de entrenar Expert Advisors tomados de una gran serie de artículos sobre redes neuronales en este sitio. Tengo la impresión de que no son entrenables. Traté de hacer preguntas al autor en virtud de los artículos, pero por desgracia no responde prácticamente...(

En consecuencia, una pregunta a los miembros del foro - por favor, dime ¿cuánto para entrenar una red neuronal para que empiece a dar algún resultado (no al azar)?

He intentado todos los EAs de los artículos 27 a la última - el resultado es el mismo - al azar. Pasé de 300 a 1000 epochs de entrenamiento, como indica el autor. Si el Asesor de Expertos es sólo con iteraciones, lo hice de 100 000 a 20 000 000 iteraciones y así sucesivamente 2-3 enfoques, todavía al azar.

¿Cuánto se debe entrenar? ¿Cuál es el tamaño de una muestra de entrenamiento suficiente (si es pre-creado)?

PS: Información simple sobre las redes neuronales en google leer, en general con las redes neuronales están familiarizados. Todos escriben sobre 100-200 épocas y ya debería haber un resultado (en imágenes, figuras, clasificaciones).

 
Viktor Kudriavtsev #:

Hola a todos. Estoy tratando de entrenar Asesores Expertos tomados de una gran serie de artículos sobre redes neuronales en este sitio. Tengo la impresión de que no son entrenables. Traté de hacer preguntas al autor bajo los artículos, pero lamentablemente no responde prácticamente...(

En consecuencia, una pregunta a los miembros del foro - por favor, dígame cuánto para entrenar una red neuronal para que empiece a dar algún resultado (no al azar)?

He probado todos los EAs de los artículos 27 a la última - el resultado es el mismo - al azar. Pasé de 300 a 1000 epochs de entrenamiento, como indica el autor. Si el Asesor Experto es sólo con iteraciones, lo hice de 100 000 a 20 000 000 iteraciones y así sucesivamente 2-3 enfoques, todavía al azar.

¿Cuánto se debe entrenar? ¿Cuál es el tamaño de una muestra de entrenamiento suficiente (si es pre-creado)?

PS: Información simple sobre las redes neuronales en google leer, en general con las redes neuronales están familiarizados. Todos escriben sobre 100-200 épocas y ya debería haber un resultado (en imágenes, figuras, clasificaciones).

¿No tiene ningún resultado en la muestra para la formación?

El ciclo de esos artículos no es una solución lista de la caja - nadie va a revelar lo más valioso en el aprendizaje automático - predictores. Así que antes de probar los métodos propuestos allí, es necesario desarrollar un conjunto de predictores que potencialmente pueden describir el comportamiento de los precios.

 
Viktor Kudriavtsev #:

Hola a todos. Estoy tratando de entrenar Asesores Expertos tomados de una gran serie de artículos sobre redes neuronales en este sitio. Tengo la impresión de que no son entrenables. Traté de hacer preguntas al autor bajo los artículos, pero lamentablemente no responde prácticamente...(

En consecuencia, una pregunta a los miembros del foro - por favor, dígame cuánto para entrenar una red neuronal para que empiece a dar algún resultado (no al azar)?

He probado todos los EAs de los artículos 27 a la última - el resultado es el mismo - al azar. Pasé de 300 a 1000 epochs de entrenamiento, como indica el autor. Si el Asesor Experto es sólo con iteraciones, lo hice de 100 000 a 20 000 000 iteraciones y así sucesivamente 2-3 enfoques, todavía al azar.

¿Cuánto se debe entrenar? ¿Cuál es el tamaño de una muestra de entrenamiento suficiente (si es pre-creado)?

PS: Información simple sobre las redes neuronales en google leer, en general con las redes neuronales están familiarizados. Todos escriben sobre 100-200 épocas y ya debería haber un resultado (en imágenes, figuras, clasificaciones).

y ¿dónde está escrito que no deben dar un resultado aleatorio? :) la abundancia de artículos idénticos ya sugiere una dirección equivocada.

El aprendizaje por refuerzo no está diseñado para este tipo de tareas, el campo de aplicación es muy diferente. Se puede jugar con él.
1...307630773078307930803081308230833084308530863087308830893090...3399
Nuevo comentario