Discussione sull’articolo "Reti neurali economiche - Collega NeuroPro con MetaTrader 5"
Vorrei cogliere l'occasione per richiamare l'attenzione sul mio articolo che descrive le foreste casuali. Il punto è che l'articolo utilizza il pacchetto Rattle, che non dispone solo di foreste casuali, ma anche di una serie di modelli, tra cui le reti neurali. Il pacchetto offre la possibilità di confrontare diversi modelli tra loro, il che rappresenta un indubbio vantaggio alla luce di questo articolo.
Non conosco le reti neurali, quindi non posso confrontare le reti di Rattle con quelle dell'articolo. Ma con l'aiuto di Ratte sarà possibile motivare la scelta di un particolare modello e, se si tratta di una rete neurale, passare a un pacchetto specializzato.
l'articolo è ottimo, grazie .
ma trasformare le formule attraverso il blocco note è al di là del bene e del male ))))
C'è qualcun altro che si occupa di reti neurali a questo livello?
Con una tale varietà di strumenti avanzati a disposizione.
Sono stupefatto. Mi ricorda gli anni '90.
C'è qualcun altro che si occupa di reti neurali a questo livello?
Con una tale varietà di strumenti avanzati a disposizione.
Sono stupefatto. Mi vengono in mente gli anni '90.
C'è qualcun altro che si occupa di reti neurali a questo livello?
Con una tale varietà di strumenti avanzati a disposizione.
Sono stupefatto. Mi fa tornare in mente gli anni '90.
Il neurone e l'assone in quanto tali hanno subito cambiamenti a causa dello sviluppo di "strumenti avanzati"?
G è rimasto invariato. Oppure le cellule nervose percepiscono i segnali di stimolo in modo diverso?
Ho una domanda: e se applicassimo questo approccio non a un simbolo, ma a tre simboli correlati(EURUSD, USDJPY, EURJPY)?
I dati di tutti questi simboli dovrebbero essere caricati ed elaborati simultaneamente... Mi chiedo quali saranno i risultati... Lo testerò sicuramente.
Che significa? Cosa si intende per "avanzato avanzato"? Che ne dite di un classificatore di gatti di Google?
"Sviluppato avanzato" può essere visto da due prospettive:
1. sviluppo del NS stesso (non posso dire nulla).
2. sviluppo di altri algoritmi di apprendimento automatico.
Per quanto riguarda la seconda domanda.
Prendendo il mio articolo. Rattle, che comprende 6 algoritmi qualitativamente diversi. Prendo il file allegato all'articolo. Rimuovo le variabili zz35 e zz75. Adotto 4 modelli: ada (modello di guadagno), random forest, support vector machine SVM e rete neurale dal pacchetto nnet. Ecco il risultato dell'errore di previsione del trend identificato da ZZ.
ada = 18,69%
Foresta casuale = 16,77%.
SVM = 16,92%
rete neurale = 24,37%.
PS.
Il framework caret per gli algoritmi di apprendimento automatico comprende più di 140(!) modelli diversi.
Lo "sviluppo avanzato" può essere visto da due punti di vista:
1. sviluppo di NS propriamente detto (non posso dire nulla)
2. sviluppo di altri algoritmi di apprendimento automatico.
Per quanto riguarda la seconda domanda.
Prendiamo il mio articolo. Rattle, che comprende 6 algoritmi qualitativamente diversi. Prendo il file allegato all'articolo. Rimuovo le variabili zz35 e zz75. Adeguo 4 modelli: ada (modello di guadagno), random forest, support vector machine SVM e rete neurale dal pacchetto nnet. Ecco il risultato dell'errore di previsione del trend identificato da ZZ.
ada = 18,69%
Foresta casuale = 16,77%.
SVM = 16,92%
rete neurale = 24,37%.
PS.
La shell caret per gli algoritmi di apprendimento automatico include oltre 140(!) modelli diversi.
=========================================================================
Risposta punto per punto
1.Le reti neurali di seconda generazione, che hanno raggiunto il loro limite di capacità una decina di anni fa, a poco a poco sono uscite di scena. La terza generazione di reti neurali, le cosiddette "reti neurali profonde", che sono apparse e si sono diffuse in molte applicazioni pratiche, mostrano ottimi risultati e non presentano il principale svantaggio delle reti neurali "superficiali". È possibile scavare in questa direzione.
2. Qualsiasi variante di alberi o foreste dà risultati migliori di qualsiasi rete neurale (o del suo insieme).
3. Buoni risultati si ottengono utilizzando ensemble ibridi (bagging). Questo avviene quando diversi modelli lavorano simultaneamente in un insieme.
4. Per quanto riguarda l'articolo di cui avete parlato, in cui vengono confrontati 140 modelli di classificazione. Ho letto una recensione dello sviluppatore del pacchetto caret su questo articolo. Se è interessante, troverò il link. Secondo la sua esperienza, i risultati migliori vengono da bousting e bagging. Secondo la mia esperienza, i modelli migliori sono "ada" dall'omonimo pacchetto e RFnear dal pacchetto "CORELearn". Quest'ultimo, tra l'altro, è molto veloce. E non si è assolutamente dimostrato SVM, se non per un addestramento molto lungo.
Tutto dipende dalla scelta e dalla preparazione dei dati di input e dei corrispondenti dati di output. Questo è il principale campo di ricerca.
Qualche anno fa ho fatto un confronto tra rete neurale e RF, pubblicato sul forum. La RF è inequivocabilmente al primo posto. Inoltre, ora la stessa direzione RF si è espansa e ramificata, c'è molto da scegliere. Non vedo la necessità di farlo ora. Va detto che ci sono applicazioni in cui le reti neurali mostrano risultati decenti, ad esempio nella regressione. Ma io mi occupo solo di classificazione e le reti neurali non sono forti in questo campo.
Forse il mio articolo su questo argomento verrà finalmente pubblicato e ne discuteremo in quella sede.
Buona fortuna
SanSanych
Ecco il link all'articolo di cui parlavo. http://appliedpredictivemodeling.com/blog/2014/11/11/some-thoughts-on-do-we-need-hundreds-of-classifiers-to-solve-real-world-classification-problems
Nell'articolo c'è anche un link a un precedente articolo di David Hand su un problema che io e te abbiamo già discusso in precedenza: scarsi risultati dopo l'addestramento su dati reali. Pensieri molto interessanti. Forse potresti fare una traduzione abbreviata?
Sfogliando gli archivi ho trovato un altro articolo sul confronto tra diversi algoritmi di apprendimento automatico.
http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf
Buona fortuna
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Il nuovo articolo Reti neurali economiche - Collega NeuroPro con MetaTrader 5 è stato pubblicato:
Se specifici programmi di rete neurale per il trading sembrano costosi e complessi o, al contrario, troppo semplici, prova NeuroPro. È gratuito e contiene il set ottimale di funzionalità per i dilettanti. Questo articolo ti spiegherà come usarlo insieme a MetaTrader 5.
Il programma NeuroPro è stato scritto in uno degli istituti russi nel 1998 ed è ancora rilevante.
Funziona in modo efficiente su Windows XP, Vista e Windows 7. Non saprei dire come funziona su versioni successive di Windows perché non l'ho testato.
Fig. 1. A proposito di NeuroPro
La versione 0.25 è gratuita e può essere trovata su molti siti Web su Internet. NeuroPro può creare reti neurali multistrato con la funzione di attivazione sigmoide. Se hai appena iniziato ad apprendere le reti neurali, non hai bisogno di conoscere altre funzionalità in questa fase. Va tenuto presente che l'interfaccia di NeuroPro è in russo e non è stata tradotta in altre lingue.
Autore: ds2