Oui, ils ont probablement fait en sorte que vous puissiez avoir plus de 2 classes... donc il y aura probablement plus de clustering et vous pourrez utiliser d'autres méthodes comme les k-means :)
Je ne comprends pas du tout ce qu'il faut faire avec les k-means... MS Azure l'a, mais en tant que solution prête à l'emploi, et ici ce n'est qu'un moteur et la façon d'interpréter ses résultats n'est pas du tout claire....
En général, je suggère d'utiliser un seul neurone avec une fonction d'activation tanh, dont l'aire de définition est (-1;+1), pour classer les achats et les ventes. Moins de données, et plus évident.
SoftMax, oui purement pour la classification, où le nombre de classes peut être quelconque. Rappeler(trouver) la tâche de classification des fleurs d'iris.
Et les résultats par tanh (ou alternativement sin) sont très pratiques à afficher sur le graphique comme indicateur.
elibrarius: Je ne comprends pas du tout ce qu'il faut faire avec les k-means... MS Azure l'a, mais en tant que solution prête à l'emploi. Ici, ce n'est qu'un moteur et la façon d'interpréter ses résultats n'est pas claire du tout...
enfin, il s'agit de regrouper des données homogènes, cela fonctionne sans professeur, c'est-à-dire que le nombre de classes (clusters dans ce cas) n'est pas connu à l'avance
En général, je suggère d'utiliser un seul neurone avec une fonction d'activation tanh, dont l'aire de définition est (-1;+1), pour classer les achats et les ventes. Moins de données, et plus évident.
SoftMax, oui purement pour la classification, où le nombre de classes peut être quelconque. Rappeler(trouver) la tâche de classification des fleurs d'iris.
Et les résultats par tanh (ou alternativement sin) sont très pratiques à afficher sur le graphique comme indicateur.
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limitation de la plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limite de plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
je pense donc ajouter softmax maintenant
s'il sort de la fourchette, il peut être considéré comme un très bon signal = 150% ))
elibrarius: si elle sort des limites, peut être considérée comme un très bon signal = 150% ))
Oui, parfois au lieu de 0,1 il peut y avoir 1, peut-être parce que les valeurs sont normalisées différemment dans la formation et ensuite dans le processus de négociation, les échantillons sont différents.
Eh bien, c'est pour le regroupement de données homogènes, cela fonctionne sans professeur, c'est-à-dire que le nombre de classes (clusters dans ce cas) n'est pas connu à l'avance
Pourquoi ne le sait-on pas ? Le nombre de clusters à diviser - défini au démarrage comme valeur d'entrée : K - nombre de clusters souhaité, K>=1
Supposons que j'ai divisé les données en 4 groupes, que dois-je faire avec eux ?
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limite de plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
je pense donc ajouter softmax maintenant
Je n'ai pas traité avec alglib, les paquets ML que je connaissais me permettaient tous de changer la fonction d'activation de la couche.
Si vous n'avez pas de compte, veuillez vous inscrire
Autorisez l'utilisation de cookies pour vous connecter au site Web MQL5.com.
Veuillez activer les paramètres nécessaires dans votre navigateur, sinon vous ne pourrez pas vous connecter.
Vous êtes connecté. L'authentification à deux facteurs a été désactivée. Configurez-la à nouveau et scannez un nouveau code QR, ou continuez avec l'authentification à deux facteurs désactivée.
Oui, ils ont probablement fait en sorte que vous puissiez avoir plus de 2 classes... donc il y aura probablement plus de clustering et vous pourrez utiliser d'autres méthodes comme les k-means :)
En général, je suggère d'utiliser un seul neurone avec une fonction d'activation tanh, dont l'aire de définition est (-1;+1), pour classer les achats et les ventes.
Moins de données, et plus évident.
SoftMax, oui purement pour la classification, où le nombre de classes peut être quelconque. Rappeler(trouver) la tâche de classification des fleurs d'iris.
Et les résultats par tanh (ou alternativement sin) sont très pratiques à afficher sur le graphique comme indicateur.
https://en.wikipedia.org/wiki/Activation_function
Dans la capture d'écran, le graphique du bas. Vert/rouge sont les signaux d'entraînement ; violet/bleu sont les prédictions du modèle entraîné.
Je ne comprends pas du tout ce qu'il faut faire avec les k-means... MS Azure l'a, mais en tant que solution prête à l'emploi. Ici, ce n'est qu'un moteur et la façon d'interpréter ses résultats n'est pas claire du tout...
enfin, il s'agit de regrouper des données homogènes, cela fonctionne sans professeur, c'est-à-dire que le nombre de classes (clusters dans ce cas) n'est pas connu à l'avance
En général, je suggère d'utiliser un seul neurone avec une fonction d'activation tanh, dont l'aire de définition est (-1;+1), pour classer les achats et les ventes.
Moins de données, et plus évident.
SoftMax, oui purement pour la classification, où le nombre de classes peut être quelconque. Rappeler(trouver) la tâche de classification des fleurs d'iris.
Et les résultats par tanh (ou alternativement sin) sont très pratiques à afficher sur le graphique comme indicateur.
https://en.wikipedia.org/wiki/Activation_function
Dans la capture d'écran, le graphique du bas. Vert/rouge - signaux d'entraînement, violet/bleu - prédiction basée sur le modèle entraîné.
Un neurone n'est-il pas insuffisant si l'échantillon est grand ? )
Un neurone n'est-il pas suffisamment petit si l'échantillon est important ? )
Désolé, je parlais de la couche de sortie. =)
Désolé, je parlais de la couche de sortie. =)
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limitation de la plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
donc je pense ajouter softmax maintenant
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limite de plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
je pense donc ajouter softmax maintenant
si elle sort des limites, peut être considérée comme un très bon signal = 150% ))
Oui, parfois au lieu de 0,1 il peut y avoir 1, peut-être parce que les valeurs sont normalisées différemment dans la formation et ensuite dans le processus de négociation, les échantillons sont différents.
Eh bien, c'est pour le regroupement de données homogènes, cela fonctionne sans professeur, c'est-à-dire que le nombre de classes (clusters dans ce cas) n'est pas connu à l'avance
Pourquoi ne le sait-on pas ? Le nombre de clusters à diviser - défini au démarrage comme valeur d'entrée : K - nombre de clusters souhaité, K>=1
Supposons que j'ai divisé les données en 4 groupes, que dois-je faire avec eux ?
J'ai créé une grille dans alglib avec une sortie linéaire, mais avec une limite de plage de -1 à 1, et elle sort toujours occasionnellement de la plage après l'entraînement avec de nouvelles données,
je pense donc ajouter softmax maintenant