Grupo de usuarios de MetaTrader 5 Python - cómo utilizar Python en Metatrader - página 82
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
¿Cómo se hace una compensación?
Esta es la tabla (Data Frame)
cómo hacerlo así:
¿Para qué? ¿Sólo imprimirlo?
¿Cómo se hace una compensación?
Esta es la tabla (Data Frame)
Cómo hacerlo así:
Aquí, encontramospandas.DataFrame.shift
Lo principal es no olvidarse de eliminar la última línea, ya que contendrá basura.
Estimados señores, por favor, aconséjenme qué es lo que no entiendo.
He construido una red neuronal. Preparó los datos.
Lo he entrenado.
Resultado.
Y luego no entiendo qué pasa...
predictions = model.predict(X_test[:15]).
¿Por qué estos resultados de "predicción"? Se espera un 0-0, 0-1 o 1-0....
Siempre es así...
Cuando se hace una pregunta, todo el mundo piensa: ¿por qué molestarse?
Opinión subjetiva: el 93% de las veces hay que buscar en Google.... El 90% del tiempo que se tarda en acertar la pregunta ....
Gracias por los comentarios. Eso es todo por ahora. Me voy a Google....
estas son las probabilidades de las clases 1 y 2
La segunda tiene una mayor probabilidad, por lo que se predice
su suma debe ser igual a 1, hay algún tipo de error de formación aquí
Debe salir 1 neurona si es una clasificación binaria. O softmaxestas son las probabilidades de las clases 1 y 2
La segunda tiene una mayor probabilidad, por lo que se predice
su suma debería ser igual a 1, hay algún tipo de error de formación aquí
Se necesita 1 neurona por salida si se trata de una clasificación binaria. O softmaxLa clasificación binaria no implica 1 neurona por salida. Al menos por lo que he encontrado...
Pero el problema es que la imagen tampoco cambia al utilizar otras funciones de pérdida.
Mañana escribiré un comprobador de datos con validación de predicciones. Pero algo me dice que el resultado será deplorable.
No puedo entender por qué la "precisión" es superior al 96% y la predicción es "así"...
¿Quizás estoy haciendo algo mal?
La clasificación binaria no implica 1 neurona por salida. Al menos por lo que he encontrado...
Pero el problema es que la imagen tampoco cambia al utilizar otras funciones de pérdida.
Mañana escribiré un comprobador de datos con validación de predicciones. Pero algo me dice que el resultado será deplorable.
No puedo entender por qué la "precisión" es superior al 96% y la predicción es "así"...
¿Quizás estoy haciendo algo mal?
Creo que no tengo ni idea de qué tipo de constructor de red es.
1 neurona no implica, pero un sumador debe estar y una activación f-e. Normalmente se pone 1 neurona
puede haber muchas razones. Por ejemplo, los datos no están normalizados, no están bien preparados, la red está torcidaCreo que no tengo ni idea de qué tipo de constructor de red es.
1 neurona no implica, pero un sumador debe estar en su lugar y una activación f-e. Suele ser una neurona.
Puede haber muchas razones. Por ejemplo, los datos no están normalizados, no están bien preparados, la red no está construida correctamenteEl problema es que la normalización es una causa perdida.
Déjeme explicarle. Hay algunos datos A, B, C...
Son diferentes en cuanto a su importancia, etc. Todo el mundo (google) dice que la normalización debe hacerse por columnas (A-A-A, B-B-B, C-C-C) y no por filas. Esto es lógicamente comprensible.
Pero cuando aparecen nuevos datos para la "predicción" ¿CÓMO normalizarlos si es sólo una fila? ¿Y cualquier término de esa fila puede superar la normalización en los datos de entrenamiento y de prueba?
¡Y la normalización por cadenas no tiene ningún efecto!
En realidad, ya después de comprobar estos matices, tuve este "grito del alma" ))))