Pas tout à fait vendredi, mais ...
Il existe un NS, n'importe quel NS, il existe une entrée A={A1, A2, ....}. A20}. Formez le NS et obtenez un résultat satisfaisant. Comment évaluer concrètement la contribution de chaque élément de l'entrée A1, A2, ... ? A20 à ce résultat ?
Les options qui me viennent à l'esprit sont les suivantes :
1) D'une manière ou d'une autre, additionner et calculer tous les poids de l'élément avec lequel il passe dans le réseau. Je ne sais pas trop comment faire, il faudrait que je me plonge dans le fonctionnement du réseau et que je calcule d'une manière ou d'une autre certains coefficients, etc.
2) Essayez de "mettre à zéro" d'une manière ou d'une autre, ou par exemple d'inverser un élément du vecteur d'entrée et voyez comment cela affecte le résultat final. Pour l'instant, je me suis contenté de ça.
Mais avant de réaliser cette deuxième variante, j'ai décidé de demander mon avis. Peut-être que quelqu'un a réfléchi à ce sujet depuis plus longtemps que moi ? Peut-être quelqu'un peut-il conseiller un livre-article ?
ou peut-être exclure cette entrée et essayer d'enseigner sans elle. Si le résultat est presque identique, vous n'avez pas vraiment éliminé le bon élément :)
Ou peut-être exclure cette entrée et essayer de s'entraîner sans elle. Si le résultat est presque identique, alors nous n'avons pas exclu le bon élément :)
Voici le tableau : cette approche dépendra fortement de la méthode d'apprentissage, ou plutôt de la capacité de l'apprentissage à trouver le maximum absolu. Je n'ai par exemple aucune illusion à ce sujet, je suis sûr qu'en utilisant GA pour entraîner 300 poids je ne le trouverai pas. Donc un peu de maximum local, mais ça me convient très bien. En excluant quelque chose, je peux obtenir un résultat tout aussi bon, mais juste une variante différente de NS. Mais si je pouvais former NS au moyen d'ISC, c'est-à-dire à trouver la seule solution correcte - alors c'est exactement ce que je ferais.
Quoi qu'il en soit, ma tâche est différente : il y a un NS, il y a une entrée, il y a un résultat d'apprentissage et il faut trouver le degré d'influence de chaque élément de l'entrée sur le résultat final.
Ici, le tableau est le suivant : cette approche dépendra fortement de la méthode d'apprentissage, ou plutôt de la capacité de l'apprentissage à trouver le maximum absolu. Je ne me fais aucune illusion à ce sujet, je suis sûr que je ne peux pas trouver le maximum absolu en m'entraînant à 300 poids avec GA. Donc un peu de maximum local, mais ça me convient très bien. En excluant quelque chose, je peux obtenir un résultat tout aussi bon, mais juste une variante différente de NS. Mais si je pouvais former NS au moyen d'ISC, c'est-à-dire à trouver la seule solution correcte - alors c'est exactement ce que je ferais.
Quoi qu'il en soit, ma tâche est différente : il y a un NS, il y a une entrée, il y a un résultat d'apprentissage et il faut trouver le degré d'influence de chaque élément de l'entrée sur le résultat final.
Alors votre option 2. Mais probablement pas en le mettant à zéro ou en l'inversant, mais en le remplaçant par du bruit aléatoire.
mais remplacez-le par du hasard (bruit)
Une autre option consiste à essayer tous les réseaux avec 1 entrée, puis 2 entrées, puis 3 entrées, etc. :-)
C'est exactement ce que je pensais... Je devrais d'une manière ou d'une autre essayer de tenir compte de l'interconnexion des entrées, c'est-à-dire exclure ou inclure des entrées dans des groupes également.
Les résultats sont très intéressants, mais je ne sais pas comment les interpréter).
J'ai commencé à expérimenter, en éliminant différentes combinaisons de 1 à 5 entrées. Les résultats sont très intéressants, mais je ne sais pas encore comment les interpréter) Certains résultats sont tellement inattendus... Je vais devoir me gratter la tête pendant un long moment.
Quelle est la surprise ?
Le degré d'influence de chaque entrée est pratiquement impossible à évaluer . Il existe toutes sortes de formules mathématiques, et des logiciels spécialisés peuvent calculer automatiquement le degré d'influence. Mais tous ces calculs ne sont qu'une valeur conventionnelle, qui ne dit pas grand-chose, car elle peut comporter une grosse erreur.
Seul un trader qui sait par expérience quel instrument a une plus grande influence sur un autre instrument (lorsqu'on parle d'entrées multidevises) peut le déterminer.
Si nous parlons de la sélection d'indicateurs en tant qu'entrée du même symbole sur lequel nous tradons, la sélection d'une entrée à partir de divers indicateurs n'a presque aucun effet sur la sortie du réseau neuronal puisque le réseau neuronal est très non linéaire et donc il ne se soucie presque pas de ce qui est entré - stochastique ou mcd ou autre. Il y aura donc certainement une certaine différence, mais pas une différence radicale ou généralement notable qui n'affecte pratiquement pas le résultat.
- 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
Pas tout à fait vendredi, mais ...
Il existe un NS, n'importe quel NS, il existe une entrée A={A1, A2, ....}. A20}. Formez le NS et obtenez un résultat satisfaisant. Comment évaluer concrètement la contribution de chaque élément de l'entrée A1, A2, ... ? A20 à ce résultat ?
Les options qui me viennent à l'esprit sont les suivantes :
1) D'une manière ou d'une autre, additionner et calculer tous les poids de l'élément avec lequel il passe dans le réseau. Je ne sais pas trop comment faire, il faudrait que je me plonge dans le fonctionnement du réseau et que je calcule d'une manière ou d'une autre certains coefficients, etc.
2) Essayez de "mettre à zéro" d'une manière ou d'une autre, ou par exemple d'inverser un élément du vecteur d'entrée et voyez comment cela affecte le résultat final. Pour l'instant, je me suis contenté de ça.
Mais avant de réaliser cette deuxième variante, j'ai décidé de demander mon avis. Qui a peut-être réfléchi à ce sujet depuis plus longtemps que moi ? Peut-être quelqu'un peut-il conseiller un livre-article ?