Discussion de l'article "Réseau neuronal bon marché et joyeux - Lier NeuroPro avec MetaTrader 5"
J'aimerais profiter de cette occasion pour attirer l'attention sur mon article qui décrit les forêts aléatoires. Le fait est que l'article utilise le paquet Rattle, qui comprend non seulement les forêts aléatoires, mais aussi un certain nombre de modèles, y compris les réseaux neuronaux. Ce progiciel offre la possibilité de comparer différents modèles entre eux, ce qui constitue un avantage indéniable à la lumière de cet article.
Je ne connais pas les réseaux neuronaux, je ne peux donc pas comparer les réseaux de Rattle et ceux de l'article. Mais avec l'aide de Ratte, il sera possible de justifier le choix d'un modèle particulier et, s'il s'agit d'un réseau neuronal, de passer à un logiciel spécialisé.
l'article est excellent, merci .
mais transformer des formules à travers le bloc-notes est au-delà du bien et du mal ))))
Quelqu'un d'autre fait-il des réseaux neuronaux à ce niveau ?
Avec une telle variété d'outils avancés disponibles.
Je suis abasourdi. Cela me rappelle les années 90.
Quelqu'un d'autre fait-il des réseaux neuronaux à ce niveau ?
Avec une telle variété d'outils avancés disponibles.
Je suis abasourdi. Cela me rappelle les années 90.
Quelqu'un d'autre fait-il des réseaux neuronaux à ce niveau ?
Avec une telle variété d'outils avancés disponibles.
Je suis abasourdi. Cela me rappelle les années 90.
Le neurone et l'axone en tant que tels ont-ils subi des modifications dues au développement d'"outils avancés" ?
G est resté le même. Ou bien vos cellules nerveuses perçoivent-elles différemment les signaux de stimulation ?
J'ai une question : que se passerait-il si nous appliquions cette approche non pas à un symbole, mais à trois symboles corrélés(EURUSD, USDJPY, EURJPY) ?
Les données de chacun d'entre eux devraient être téléchargées et traitées simultanément... Je me demande quels seront les résultats... Je ne manquerai pas de le tester.
Signification ? Qu'entendez-vous par "avancé avancé" ? Que diriez-vous d'un classificateur de chats de Google ?
L'expression "développé avancé" peut être considérée de deux points de vue :
1. le développement du NS lui-même (je ne peux rien dire).
2. le développement d'autres algorithmes d'apprentissage automatique.
Pour ce qui est de la deuxième question.
Prenons mon article. Rattle, qui comprend 6 algorithmes qualitativement différents. Je prends le fichier joint à l'article. J'enlève les variables zz35 et zz75. J'ajuste 4 modèles : ada (modèle de gain), random forest, support vector machine SVM et neural network du package nnet. Voici le résultat de l'erreur de prédiction de la tendance identifiée à partir de ZZ.
ada = 18.69%
forêt aléatoire = 16.77%
SVM = 16.92%
réseau neuronal = 24.37%
PS.
Le cadre caret pour les algorithmes d'apprentissage automatique comprend plus de 140( !) modèles différents.
La notion de "développement avancé" peut être envisagée sous deux angles :
1. le développement de NS proprement dit (je ne peux rien dire)
2. le développement d'autres algorithmes d'apprentissage automatique.
Pour ce qui est de la deuxième question.
Prenons mon article. Rattle, qui comprend 6 algorithmes qualitativement différents. Je prends le fichier joint à l'article. J'enlève les variables zz35 et zz75. J'ajuste 4 modèles : ada (modèle de gain), random forest, support vector machine SVM et neural network du package nnet. Voici le résultat de l'erreur de prédiction de la tendance identifiée à partir de ZZ.
ada = 18.69%
forêt aléatoire = 16.77%
SVM = 16.92%
réseau neuronal = 24.37%
PS.
Le shell caret pour les algorithmes d'apprentissage automatique comprend plus de 140( !) modèles différents.
=========================================================================
Réponse point par point
1) Les réseaux neuronaux de la deuxième génération, qui ont atteint la limite de leurs capacités il y a une dizaine d'années, ont peu à peu quitté la scène. La troisième génération de réseaux neuronaux, les "réseaux neuronaux profonds", qui sont apparus et se sont répandus dans de nombreuses applications pratiques, donnent de très bons résultats et ne présentent pas le principal inconvénient des réseaux neuronaux "peu profonds". Vous pouvez creuser dans cette direction.
2. toute variante d'arbres ou de forêts donne de meilleurs résultats que n'importe quel réseau neuronal (ou leur ensemble).
3. de bons résultats sont obtenus en utilisant des ensembles hybrides (bagging). C'est le cas lorsque différents modèles fonctionnent simultanément dans un ensemble.
4. En ce qui concerne l'article que vous avez publié sur votre blog, dans lequel 140 modèles de classification sont comparés, j'ai lu une critique du développeur de ce modèle. J'ai lu une critique du développeur du paquet caret à propos de cet article. Si c'est intéressant, je trouverai le lien. D'après son expérience, les meilleurs résultats proviennent du bousting et du bagging. D'après mon expérience, les meilleurs modèles sont "ada" du paquet du même nom et RFnear du paquet "CORELearn". Ce dernier est d'ailleurs très rapide. Et ne s'est absolument pas montré SVM, enfin, si ce n'est qu'un entraînement très long.
Tout dépend du choix, de la préparation des données d'entrée et des données de sortie correspondantes. C'est ici que se situe le principal champ de recherche.
J'ai fait des résultats comparatifs entre réseau neuronal et RF il y a quelques années, postés sur le forum. La radiofréquence occupe sans équivoque la première place. En outre, maintenant que le domaine de la radiofréquence s'est élargi et ramifié, il y a beaucoup de choix. Je ne vois pas la nécessité de le faire maintenant. Il convient de préciser qu'il existe des applications dans lesquelles les réseaux neuronaux obtiennent des résultats satisfaisants, par exemple dans le domaine de la régression. Mais je ne m'occupe que de classification, et les réseaux neuronaux ne sont pas très performants dans ce domaine.
Peut-être que mon article sur ce sujet sera enfin publié et que nous pourrons en discuter.
Je vous souhaite bonne chance.
SanSanych
Voici un lien vers l'article dont je parlais. http://appliedpredictivemodeling.com/blog/2014/11/11/some-thoughts-on-do-we-need-hundreds-of-classifiers-to-solve-real-world-classification-problems
L'article contient également un lien vers un article antérieur de David Hand sur un sujet dont vous et moi avons déjà discuté - les mauvais résultats après une formation sur des données réelles. Ces réflexions sont très intéressantes. Peut-être pourriez-vous en faire une traduction abrégée ?
En parcourant les archives, j'ai trouvé un autre article sur le thème de la comparaison de différents algorithmes d'apprentissage automatique.
http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf
Bonne chance !
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Vous acceptez la politique du site Web et les conditions d'utilisation
Un nouvel article Réseau neuronal bon marché et joyeux - Lier NeuroPro avec MetaTrader 5 a été publié :
Si des programmes de réseau neuronal spécifiques au trading vous semblent coûteux et complexes ou, au contraire, trop simples, essayez NeuroPro. Il est gratuit et contient l'ensemble optimal de fonctionnalités pour les amateurs. Cet article vous expliquera comment l'utiliser en conjonction avec MetaTrader 5.
Le programme NeuroPro a été écrit dans l'un des instituts russes en 1998 et est toujours d'actualité.
Il fonctionne efficacement sur Windows XP, Vista et Windows 7. Je ne peux pas dire comment cela fonctionne sur les versions ultérieures de Windows car je ne l'ai pas testé.
Fig. 1. À propos de NeuroPro
La version 0.25 est gratuite et peut être trouvée sur de nombreux sites Internet. NeuroPro peut créer des réseaux neuronaux multicouches avec la fonction d'activation sigmoïde. Si vous venez de commencer à apprendre les réseaux neuronaux, vous n'avez pas besoin de plus de fonctionnalités à ce stade. Il convient de garder à l'esprit que l'interface de NeuroPro est en russe et n'a été traduite dans aucune autre langue.
Auteur : ds2