Discussion de l'article "Réseaux de neurones de troisième génération : Réseaux profonds" - page 15

Nouveau commentaire
 
Carl Schreiber:

Bonjour,

aidez-moi à clarifier certains de mes préjugés négatifs sur les réseaux neuronaux (RN).

  1. Est-il exact qu'il faut d'abord optimiser les indicateurs à introduire dans le réseau neuronal ?
  2. Ensuite, vous optimisez les paramètres du réseau neuronal ?
  3. Ou bien faut-il optimiser les paramètres du réseau neuronal et les indicateurs en même temps ?
  4. N'est-il pas vrai que plus il y a de variables à optimiser, plus le risque de suradaptation est grand ?
  5. Si les ensembles de données pour 1. et 2. sont les mêmes, cela ne me conduirait-il pas à une sorte de suradaptation à l'ensemble de données ?
  6. N'est-ce pas exactement ce qu'indique laphrase "Une fois de plus, nous avons une phase rentable d'environ 5 semaines jusqu'à ce que le modèle se détériore" ?
  7. a) Supposons que nous ayons un ensemble d'indicateurs optimisés par le testeur et maintenant
    b) nous effectuons une seconde optimisation par le testeur uniquement pour vérifier de quels indicateurs optimisés nous avons besoin (*)
    c) de sorte que nous ayons un ensemble plus petit de nos indicateurs optimisés
    d) pour quoi ai-je besoin du NN ?
  8. Connaissez-vous une estimation de la taille de l'ensemble de données nécessaire pour un NN en raison du nombre d'entrées, de couches et de perceptrons ?


(*) Malheureusement, si vous exécutez l'optimiseur mt4' en mode génétique et que vous voulez essayer de contourner certains ensembles de paramètres (par exemple, ne pas tester si "indicateur-A" est "on") en retournant de OnInit() avec"INIT_PARAMETERS_INCORRECT", l'algorithme génétique compte toujours cela comme une passe valide et cela réduit le nombre de passes réellement exécutées avant que cet algorithme ne s'arrête en raison du nombre de passes qui est l'un des critères de fin de l'algorithme.


1,2,3 et 4 , je pense que quels que soient les indicateurs et les paramètres transmis, ils s'adaptent intrinsèquement à l'actif sous-jacent.

Par exemple, disons que nous créons une optimisation simple en utilisant le RSI et les ZigZag Highs , ZigZag Lows .
Nous produisons une moyenne de survente sur les hauts en additionnant la valeur du RSI sur les ZigZag Highs , et une moyenne de surachat
sur les bas en additionnant la valeur du RSI sur les ZigZag Lows . Nos moyennes seront essentiellement l'ajustement du RSI indépendamment
des paramètres de cet actif.
La question n'est pas de savoir si les indicateurs doivent être optimisés à mon humble avis, mais si l'indicateur est utilisable ou non
fondamentalement.
Dans l'exemple ci-dessus, vous pouvez comprendre mon point de vue en regardant les moyennes pour un RSI(3) par rapport à un RSI(16).
Le RSI(3) déclenchera constamment nos niveaux optimisés par rapport au RSI(16).
 
Lorentzos Roussos:
1,2,3 et 4 , je pense que quels que soient les indicateurs et les paramètres passés, ils s'adaptent intrinsèquement à l'actif sous-jacent.
...
Nos moyennes seront essentiellement l'ajustement du RSI indépendamment des paramètres de cet actif.
La question n'est pas de savoir si les indicateurs doivent être optimisés, à mon humble avis, mais si l'indicateur est utilisable ou non
fondamentalement.

Dans l'exemple ci-dessus, vous pouvez comprendre ce que je veux dire en regardant les moyennes pour un RSI(3) par rapport à un RSI(16).
Le RSI(3) déclenchera constamment nos niveaux optimisés par rapport au RSI(16).

Si je comprends bien votre exemple, le RSI(3) n'est d'aucune utilité car il ne fait pas la différence entre un "bon" (profit potentiel > ? ?) et un "mauvais" (profit potentiel < ? ?), alors que le RSI(16) le fait.

Mais si c'est le cas, il y a eu une optimisation car après cela, nous savons que 16 est meilleur que 3 - ou d'où tenez-vous cela ?

Maintenant, allez-vous entraîner le NN avec RSI(3) ? Il sera probablement supprimé. Ou essayez-vous RSI(3) (entrée NN 1) et RSI(16) (entrée NN 2) et si RSI(3) est supprimé (l'entrée NN 1 est réglée sur 0 par exemple), RSI(x) a été optimisé à 16 - même d'une manière très simple. Avons-nous besoin d'un NN pour cela avec l'optimiseur MT ?

Ou ai-je oublié quelque chose dans votre exemple ?

 
Carl Schreiber:

Votre exemple - si je le comprends bien - me dit que RSI(3) n'est d'aucune aide car il ne fait pas la distinction entre "bon" (bénéfice potentiel > ? ?) et "mauvais" (bénéfice potentiel < ? ?), alors que RSI(16) le fait.

Mais si c'est le cas, il y a eu une optimisation car après cela, nous savons que 16 est meilleur que 3 - ou d'où tenez-vous cela ?

Maintenant, allez-vous entraîner le NN avec RSI(3) ? Il sera probablement supprimé. Ou essayez-vous RSI(3) (entrée NN 1) et RSI(16) (entrée NN 2) et si RSI(3) est supprimé (l'entrée NN 1 est réglée sur 0 par exemple), RSI(x) a été optimisé à 16 - même d'une manière très simple. Avons-nous besoin d'un NN pour cela avec l'optimiseur MT ?

Ou ai-je oublié quelque chose dans votre exemple ?

Je me réfère à RSI(3) et RSI(16) comme exemple d'écarts possibles dans l'utilisation des fondamentaux en temps réel.
L'idéal serait un RSI à période variable dans cet exemple.
 
Lorentzos Roussos:
Je me réfère au RSI(3) et au RSI(16) comme exemple d'écarts possibles d'utilisation des fondamentaux en temps réel.
L'idéal serait un RSI à période variable dans cet exemple.

ok - alors qu'est-ce qui est envoyé au NN ?

RSI(...) avec une valeur fixe (comment l'a-t-on obtenue) avec une valeur variable - peut-on optimiser le calcul ou non ?

Tout cela influence le danger de trop s'adapter - donc désolé d'être si méchant.

 
très bien ! mais pour moi, c'est très difficile !
 
Existe-t-il une version anglaise des ressources que vous avez jointes ?
 

Ошибка

Lors de l'exécution dans RStudio :

 >dt.b<-Balancing(dt)Erreur dans Balancing(dt) : impossible de trouver la fonction "upSample"


Quelle est cette fonction ? De quel package provient-elle et où est-elle définie ?
Merci de votre compréhension.
 

J'ai R x64 3.3.1. Après l'installation, les bibliothèques suivantes manquaient : svMisc, svSocket, TTR, xts, zoo. Mais Rstudio ne s'est pas plaint des trois dernières, je n'ai pu le découvrir que grâce à DebugView.

L'indicateur est installé, réfléchit longtemps et produit des zigzags. Lorsque l'on essaie de mettre serv à true, il se plante :

[8904] <-1> TPlotEventLoop: terminating
[8904] <-1> TRConsole: destroying

La même chose se produit lors de l'installation d'un Expert Advisor:

[10964] <-1> TPlotEventLoop: terminating

Le terminal affiche "Rterm crashed".

Je n'ai rien trouvé de clair sur cette erreur dans Google. Où creuser ?

 
Konstantin Kopylov:

Lors de l'exécution dans RStudio :

Je m'excuse pour la réponse tardive.

La fonction est définie dans le package "caret::upSample //downSample échantillonne aléatoirement un ensemble de données de manière à ce que toutes les classes aient la même fréquence que la classe minoritaire. upSample échantillonne avec remplacement pour que les distributions des classes soient égales//.

Bonne chance

 
m0rtal:

J'ai R x64 3.3.1. Après l'installation, les bibliothèques suivantes manquaient : svMisc, svSocket, TTR, xts, zoo. Mais Rstudio ne s'est pas plaint des trois dernières, je n'ai pu le découvrir que grâce à DebugView.

L'indicateur est installé, réfléchit longtemps et produit des zigzags. Lorsque l'on essaie de mettre serv à true, il se plante :

La même chose se produit lors de l'installation d'un Expert Advisor :

Le terminal affiche "Rterm crashed".

Je n'ai rien trouvé de clair sur cette erreur dans Google. Où creuser ?

Dans l'annexe de l'article , j'ai publié une version révisée de l'Expert Advisor e_DNSAE sans utiliser le serveur.

Jetez-y un coup d'œil.

Je vous souhaite bonne chance.

1...891011121314151617
Nouveau commentaire