I risultati della valutazione dell'importanza sono i seguenti. Più alto è il predittore nella tabella, meglio è. SoloVVolum6, VDel1, VVolum9, VQST10 hanno superato il test.
In rattle possiamo costruire 6 modelli contemporaneamente su questi 4 predittori e SVM mostra un'accuratezza di circa il 55% sui dati di validazione e di test. Non male.
È possibile ottenere il file sorgente? Voglio confrontare questo risultato con il mio approccio.
Il risultato del 55% è molto negativo su questi 6 predittori
Francamente, non so nemmeno come sia organizzato. Penso che vada così. Il campione è diviso in due parti - una di prova e una di allenamento. Una griglia viene addestrata su una parte e testata sull'altra. Un altro al contrario è addestrato sul secondo, e testato sul primo, poi il risultato viene sommato e viene calcolato il risultato complessivo, proprio così IMHO
questa metodologia si applica a qualsiasi apprendimento automatico. Maxim è sull'argomento?
Il classificatore di Reshetov è ancora un singolo neurone e non una rete? O è una rete di neuroni di Reshetov?
Ma vorrei rivolgermi a tutti. Non ci sono dati nel grande set dal 05.29. Cioè, si può insegnare per intero e ottenere il modello, poi si può caricare il modello in MKUL e vedere come si comporta in queste due settimane. Questo sarà una misura della performance del modello. In altre parole, il modello che guadagna di più con il minimo drawdown e che vince. Ho ottimizzato un set ridotto e il modello ha funzionato così
Vediamo come si comporteranno i TUOI modelli in questo settore????
questa metodologia si applica a tutto il machine learning. Forse Maxim è sull'argomento?
Ti ho dato un link al suo sito web, c'è una descrizione del modello. Non so nemmeno come caratterizzarlo, c'è scritto Macchina Nucleare + Macchina Vettoriale. È più complicato che nella versione mt5 + allenamento con l'avversario invece di selezionare i pesi nell'ottimizzatore, ma produce gli stessi pesi per ciascuno dei predittori.
Ora sogniamo un po' e immaginiamo di avere una macchina con 100 core per l'ottimizzazione ed eseguiamo un set di dati completo con 452 righe e un set completo di colonne e in un tempo ragionevole l'ottimizzatore ha calcolato tutto, quale sarebbe il modello????
Beh, in primo luogo le variabili di input saranno più di 10-12 e la dimensione del polinomio sarà abbastanza grande. Cosa ti dice questo. Che il modello è multiparametrico, che tiene conto di molti fattori di mercato (il che è abbastanza rilevante perché è ridicolo prevedere il mercato sulla base di un solo modello (come esempio)). La lunghezza del polinomio suggerirà che il modello è molto flessibile. Alla fine questo modello lavorerà a lungo con un livello adeguato di qualità quando la curva di equilibrio è diretta verso l'alto con un angolo di 45 gradi senza brusche interruzioni e avvallamenti. Non sarebbe un sogno che diventa realtà ????
E per quanto riguarda il grande insieme, dirò che l'intero contratto futures di giugno è raccolto lì. In altre parole, si dovrebbe addestrare il modello con questi dati e ottenere un buon risultato nell'addestramento e nel test e questo modello funzionerà per il resto della sua vita, perché ha imparato l'intero contratto dei futures. Il prossimo contratto sarà esattamente lo stesso in termini di rapporto tra uscite e ingressi IMHO. È una forma di graal, che funziona con errori, ma abbastanza a lungo. E se si allena la rete sui dati annuali, con il giusto livello di qualità, si conoscerà il mercato. Qualcosa del genere ....
Beh, sì. C'è solo la vecchia versione e l'approccio di base. Ma come la pratica ha dimostrato, l'approccio a due griglie aumenta la capacità di generalizzazione in modo significativo. Il risultato dell'ottimizzatore è il seguente file. Puoi vedere due griglie e una diversa normalizzazione per ogni griglia, poi i risultati sono combinati alla fine.
Quindi Reshetov ha fatto un buon prodotto, non avresti dovuto criticarlo per essere onesto ......
Guardato il file, ci sono 8 coefficienti di ingresso è23 cioè c'è un neurone per lavorare con 3 ingressi. Immagino che per ventiquattro ore il vostro programma conti quali 3 ingressi su 100 devono essere alimentati a questo neurone. Pensavo che il neurone fosse espanso ad almeno 10 ingressi...
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Ho una versione abbreviata, questo è il risultato del set che ho postato poco sopra.
Ma di nuovo, mi ci è voluto quasi un giorno per ottimizzarlo.
I risultati della valutazione dell'importanza sono i seguenti. Più alto è il predittore nella tabella, meglio è. SoloVVolum6, VDel1, VVolum9, VQST10 hanno superato il test.
In rattle possiamo costruire 6 modelli contemporaneamente su questi 4 predittori e SVM mostra un'accuratezza di circa il 55% sui dati di validazione e di test. Non male.
È possibile ottenere il file sorgente? Voglio confrontare questo risultato con il mio approccio.
Il risultato del 55% è molto negativo su questi 6 predittori
È possibile ottenere il file sorgente? Voglio confrontare questo risultato con il mio approccio.
Il risultato del 55% è molto negativo su questi 6 predittori
Ma d'altra parte, mi ci è voluto quasi un giorno per ottimizzarlo.
Err... no, ho bisogno di qualcosa per 15 minuti :) poi rimuoverò metà dei predittori
Francamente, non so nemmeno come sia organizzato. Penso che vada così. Il campione è diviso in due parti - una di prova e una di allenamento. Una griglia viene addestrata su una parte e testata sull'altra. Un altro al contrario è addestrato sul secondo, e testato sul primo, poi il risultato viene sommato e viene calcolato il risultato complessivo, proprio così IMHO
questa metodologia si applica a qualsiasi apprendimento automatico.
Maxim è sull'argomento?
Il classificatore di Reshetov è ancora un singolo neurone e non una rete? O è una rete di neuroni di Reshetov?
Ma vorrei rivolgermi a tutti. Non ci sono dati nel grande set dal 05.29. Cioè, si può insegnare per intero e ottenere il modello, poi si può caricare il modello in MKUL e vedere come si comporta in queste due settimane. Questo sarà una misura della performance del modello. In altre parole, il modello che guadagna di più con il minimo drawdown e che vince. Ho ottimizzato un set ridotto e il modello ha funzionato così
Vediamo come si comporteranno i TUOI modelli in questo settore????
uh... no, ho bisogno di qualcosa per 15 minuti :) poi cancellerò metà dei predittori
Poi lasciate del, vdel, volun, vvolum.
questa metodologia si applica a tutto il machine learning.
Forse Maxim è sull'argomento?
Ti ho dato un link al suo sito web, c'è una descrizione del modello. Non so nemmeno come caratterizzarlo, c'è scritto Macchina Nucleare + Macchina Vettoriale. È più complicato che nella versione mt5 + allenamento con l'avversario invece di selezionare i pesi nell'ottimizzatore, ma produce gli stessi pesi per ciascuno dei predittori.
Ora sogniamo un po' e immaginiamo di avere una macchina con 100 core per l'ottimizzazione ed eseguiamo un set di dati completo con 452 righe e un set completo di colonne e in un tempo ragionevole l'ottimizzatore ha calcolato tutto, quale sarebbe il modello????
Beh, in primo luogo le variabili di input saranno più di 10-12 e la dimensione del polinomio sarà abbastanza grande. Cosa ti dice questo. Che il modello è multiparametrico, che tiene conto di molti fattori di mercato (il che è abbastanza rilevante perché è ridicolo prevedere il mercato sulla base di un solo modello (come esempio)). La lunghezza del polinomio suggerirà che il modello è molto flessibile. Alla fine questo modello lavorerà a lungo con un livello adeguato di qualità quando la curva di equilibrio è diretta verso l'alto con un angolo di 45 gradi senza brusche interruzioni e avvallamenti. Non sarebbe un sogno che diventa realtà ????
E per quanto riguarda il grande insieme, dirò che l'intero contratto futures di giugno è raccolto lì. In altre parole, si dovrebbe addestrare il modello con questi dati e ottenere un buon risultato nell'addestramento e nel test e questo modello funzionerà per il resto della sua vita, perché ha imparato l'intero contratto dei futures. Il prossimo contratto sarà esattamente lo stesso in termini di rapporto tra uscite e ingressi IMHO. È una forma di graal, che funziona con errori, ma abbastanza a lungo. E se si allena la rete sui dati annuali, con il giusto livello di qualità, si conoscerà il mercato. Qualcosa del genere ....
Beh, sì. C'è solo la vecchia versione e l'approccio di base. Ma come la pratica ha dimostrato, l'approccio a due griglie aumenta la capacità di generalizzazione in modo significativo. Il risultato dell'ottimizzatore è il seguente file. Puoi vedere due griglie e una diversa normalizzazione per ogni griglia, poi i risultati sono combinati alla fine.
Quindi Reshetov ha fatto un buon prodotto, non avresti dovuto criticarlo per essere onesto ......
Guardato il file, ci sono 8 coefficienti di ingresso è23 cioè c'è un neurone per lavorare con 3 ingressi. Immagino che per ventiquattro ore il vostro programma conti quali 3 ingressi su 100 devono essere alimentati a questo neurone. Pensavo che il neurone fosse espanso ad almeno 10 ingressi...
getBinaryClassificator1(x0, x1, x2, x3, x4, x5, x6, x7);