Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1117
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
En realidad, es al revés...
mejor un algoritmo peor pero con más ejemplos que un algoritmo genial pero con menos datos.
incluso 1000 no es suficiente, especialmente para el mercado...
Bien, como eres nuevo, te lo explicaré por separado...
40 muestras de mi muestra es alrededor de un mes de trabajo en TF M15. ¿Qué hay de malo en entrenar el modelo con muestras mensuales para que funcione al menos 2 semanas en el mercado? No hay ningún grial y la optimización semanal es bastante normal, por no hablar de la optimización una vez cada quince días.
Pero Maksimka entrena a sus modelos durante un año o más y no brilla por ello ....
Unos resultados nada malos en cuanto a la capacidad de predicción NO conducirán a modelos estables, ya que el número de observaciones es simplemente ridículo = 51. Necesitamos al menos 10 veces más, y preferiblemente 100 veces más.
SanSanych, explícale a un tonto por qué un clasificador necesita poder de predicción.
Unos resultados nada malos en cuanto a la capacidad de predicción NO conducirán a modelos estables, ya que sólo un número ridículo de observaciones = 51. Necesitamos al menos 10 veces ese número, y preferiblemente 100 veces.
Si se construyen modelos con ese número de observaciones, los resultados son pésimos.
Predicción
Real [0,0] (0,1] Error
[0,0] 42.9 28.6 40
(0,1] 28.6 0.0 100
Error global: 57,1%, Error medio de clase: 70%.
Rattle timestamp: 2018-10-18 21:29:39 user
======================================================================
Matriz de error para el modelo lineal en Mic1.txt [validar] (recuentos):
Predicción
Real [0,0] (0,1) Error
[0,0] 1 4 80
(0,1] 2 0 100
Matriz de error para el modelo lineal en Mic1.txt [validar] (proporciones):
Predicción
Real [0,0] (0,1] Error
[0,0] 14.3 57.1 80
(0,1] 28.6 0.0 100
Error global: 85,7%, Error medio de clase: 90%.
Rattle timestamp: 2018-10-18 21:29:39 user
======================================================================
Matriz de errores del modelo de red neuronal en Mic1.txt [validar] (recuentos):
Predicción
Real [0,0] (0,1) Error
[0,0] 2 3 60
(0,1] 1 1 50
Matriz de errores del modelo de red neuronal en Mic1.txt [validar] (proporciones):
Predicción
Real [0,0] (0,1] Error
[0,0] 28.6 42.9 60
(0,1] 14.3 14.3 50
Error global: 57,1%, Error medio de clase: 55%.
Rattle timestamp: 2018-10-18 21:29:39 user
Espero que no estés tratando de predecir la salida???? Ya está previsto, sólo hay que acercarse a él lo máximo posible. No hay necesidad de predecirlo....
¿Qué es la IA?
La inteligencia artificial.
Sanych, ¿cuál es el resultado de la prueba? ¿Cómo se comporta el modelo?
Por cierto, si usas Rattle, es mejor que no lo hagas. Puedo hacerlo yo mismo.... interesante ver los resultados en sus modelos secretos de IA :-)
Inteligencia Artificial.
А,... ¿Ustedes ya usan la IA? Y estamos sentados en la IA.
А,... ¿Ustedes ya usan la IA? Y todos estamos sentados en la IA.
Me sorprende tu ignorancia sobre el tema. Es lo mismo. MO = AI Machine Learning = Inteligencia Artificial.
Lo que sorprende es su ignorancia sobre el tema. Es lo mismo. ME=Machine Learning=Inteligencia Artificial.
Oh, Dios mío. ¿Qué sabes tú? En realidad son cosas absolutamente diferentes.
Oh, mira eso. ¿Quién lo hubiera pensado? En realidad, es completamente diferente.
¿Cuál es la diferencia? Iluminar....
divertidísimo... ¡más!)
¿Qué opina de los datos?
Oh, mira eso. ¿Quién lo hubiera pensado? En realidad, es una cosa completamente diferente.
En realidad no es diferente, es la evolución del aprendizaje automático, de Assembler a Python, por así decirlo ;)
https://habr.com/post/401857/