L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 413
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
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