Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1897
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
"Un algoritmo de aprendizaje profundo con un profesor consigue una calidad aceptable con unos 5000 ejemplos marcados por categoría"
Para m1 se trata de reciclar todos los días en historias a la semana, para m5 una vez a la semana en historias al mes.
Para los otros métodos, ¿hay cifras que se puedan comparar?
Sigo sin entender lo de la hora, ¿la 1, las 2, las 9 es sólo la hora del terminal?
Parece difícil equivocarse aquí.
Puedo escribir un artículo, porque no es una opción explicar cada punto en el foro
Tengo un montón de cosas interesantes como código python, clustering, parser de árboles
He averiguado las condiciones de entrada en las operaciones, puedes añadir bots listos para generar bots listos, es genialparece difícil cometer un error aquí.
Puedo escribir un artículo, porque explicar cada punto en el foro no es una opción.
y hay un montón de cosas interesantes como código python, clustering, parser de árbol
He entendido las condiciones de entrada de las operaciones, puedo añadir bots preparados para generarlas de una vez, es genialya veo, el artículo sería bueno)))
Ya veo, el artículo sería bueno)))
pero en los nuevos datos vierte como una tsuchka, como todo MO. En el período de entrenamiento es hermoso.
Quería evitar el reentrenamiento introduciendo clusters gruesos, pero algo salió mal ))
pero en los nuevos datos vierte como una tsuchka, como todo MO. En el período de aprendizaje, es hermoso.
Quería evitar el reentrenamiento mediante la introducción de clústeres más gruesos, pero algo salió mal ))
Necesito un control de correspondencia de fila real para probar uno (por decir) Pero cómo hacerlo, no entiendo, hasta ahora, que el retraso sería aceptable, o al menos comprensible.
Hay que controlar la correspondencia de la serie real con la serie de prueba (por decir algo) Pero cómo hacerlo, aún no lo entiendo, para que el desfase sea aceptable, o al menos comprensible.
todo está ya en la idea - patrones estacionales agrupados, que supuestamente se repiten (y de hecho a veces lo hacen)
Pero... el abrigo equivocado. O el árbol está muy sobreentrenado y hay que entrenar y analizar una red neuronal
Pero es todo mentira, si el árbol no muestra nada, significa que no hay regularidad. No tiene sentido el aprendizaje profundo.5000 por función es la norma general, mejor entre 5000 y 10000.
Frase completa: Un algoritmo de aprendizaje profundo con un profesor alcanza una calidad aceptable con unos 5000 ejemplos etiquetados por categoría y es comparable o incluso superior a un humano si se entrena en un conjunto de datos que contenga al menos 10 millones de ejemplosetiquetados .
Los datos y la potencia lo son todo.
No veo el sentido de la formación adicional en el camino... En principio no cambia nada, llevo tres meses trabajando sin ningún tipo de reciclaje, no hay ningún cambio en la calidad. Todo depende de la duración de la historia en la que se formó la red. Si se cobra durante 3-5 años, la red formará reglas estables que han funcionado todo este tiempo y las recordará.
Depende del enfoque del problema. Si crees que los sistemas viven un tiempo finito, entonces tienes que optimizar regularmente, cuanto más pequeño sea el TF, más a menudo.
Para excluir los mínimos locales como posible causa de problemas, tiene sentido trazar lanorma del gradiente frente al tiempo .Si la norma del gradiente no disminuye casi hasta cero, el problema no es unmínimo local
¿Has hecho esto alguna vez?
¿No lo hiciste?
Es algo complicado. Simplemente alimento la red con diferentes conjuntos de características y la atrapo cuando empieza a mostrar algunos signos de aprendizaje. Luego lo pruebo inmediatamente con un mercado real. La red responde a la pregunta "arriba/abajo", por lo que las respuestas están en todas las velas, pero con diferentes grados de confianza. Todo es sencillo )) sin posiciones abiertas, sin ganancias y sin pérdidas.