L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1624

[Evgeny Dyuka]

Kesha Root:

Hmm, "0.5-0.7 secondes de calcul" est un peu beaucoup pour MLP, peut-être que vous enseignez et ensuite calculez, sur de petits ensembles de données avec une fenêtre glissante ?

Prenons les choses dans l'ordre :

1. Quelles sont les données brutes (ticker(s), période) ?

2 Quelle est la taille de l'ensemble de données de formation (1k, 10k, 100k...) ?

3 Quel type de caractéristiques

4 Quels sont les objectifs

5 Quel type de grille

est suffisant pour commencer...

1. chandeliers + indicateurs
2. 200-300к
3. Il s'agit de savoir-faire - pas de partage
4. Classification binaire - haut/bas
5. Sequental sur keras

[Кеша Рутов]

Evgeny Dyuka:
1. chandeliers + indicateurs
2. 200-300к
3. ce savoir-faire - je ne le partage pas
4. classification binaire - haut / bas
5.

Combien de fonctionnalités ?

séquentiel - pas le type de maille mais la façon dont elle est assemblée dans keras, la structure de la maille est fine, par exemple MLP (dans keras seulement des couches de Dence) ou un mélange de quelque sorte, mieux le code de la maille ici

[Vladimir Perervenko]

Kesha Rutov:

Combien de fonctionnalités ?

sequental n'est pas le type de maille mais la façon dont il est assemblé dans keras, la structure de la maille est tendre, par exemple MLP(dans keras seulement des couches de Dence) ou un mélange de quelque sorte, mieux le code de la maille ici

Keras a toutes les couches qui sont dans tensorflow/.

[Evgeny Dyuka]

Kesha Rutov:

Combien de fonctionnalités ?

La meilleure façon d'assembler une maille dans keras n'est pas le type de maille, mais la structure de la maille, par exemple MLP (dans keras seulement des couches de Dence) ou un mélange d'entre eux, mieux code la maille ici

def make_model(arr_size):
  sgd = SGD(lr=0.01, decay=1 e-6, momentum=0.9, nesterov=True)

  res = 2 # количество ответов
  act = "softmax"
  #act = "sigmoid"
  #opt = sgd
  opt = 'adam'

  model = Sequential()

  model.add(Dense(int((arr_size-res)*k), input_dim=(arr_size-res), activation='relu'))
  model.add(Dropout(dropout))

  #model.add(Dense(int((arr_size-res)*0.5*k), activation='relu'))
  #model.add(Dropout(dropout))

  #model.add(Dense(int((arr_size-res)*0.3*k), activation='relu'))
  #model.add(Dropout(dropout))

  #model.add(Dense(int((arr_size-res)*0.1*k), activation='relu'))
  #model.add(Dropout(dropout))

  model.add(Dense(res, activation=act))

  if res==1:
    ls="binary_crossentropy"
  else:
    ls="categorical_crossentropy"
  model.compile(loss=ls, optimizer=opt, metrics=['accuracy'])
  return model

[Кеша Рутов]

Vladimir Perervenko:

keras a toutes les couches que tensorflow a/

Je sais.

J'ai dit que le MLP est seulement des couches denses dans Keras.

[Кеша Рутов]

Evgeny Dyuka:

code

OK. Alors MLP.

arr_size-res doit être grand ?

[Evgeny Dyuka]

Kesha Rutov:

Ok. Alors MLP.

arr_size-res doit être grand ?

arr_size est le nombre de jetons en entrée, le code est écrit de travers, je l'ai copié tel quel, il a été écrit pour moi-même.

[Кеша Рутов]

Evgeny Dyuka:
arr_size est le nombre de jetons sur l'entrée, le code est écrit de travers, copié tel quel, a été écrit pour moi-même

Je vous ai demandé combien de fonctionnalités et vous m'avez ignoré.

Je propose une expérience : prenez la série Eurobucks, divisez-la en 70-30%, entraînez le premier morceau, générez l'indicateur MO sur le second et postez-le ici avec la série de test.

[Evgeny Dyuka]

Kesha Rutov:

Je vous ai demandé combien de fonctionnalités et vous m'avez ignoré.

Je propose une expérience : prenez la série Eurobucks, divisez-la à 70-30%, entraînez le premier morceau, générez l'indicateur MO sur le second et postez-le ici avec la série de test.

J'ai répondu : 250-300 jetons

[Rorschach]

Y.I. Zhuravlev. Méthodes mathématiques de prévision