L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1503
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Buon pomeriggio a tutti voi che siete nel campo NS.
Non ho studiato molto le NS in senso basilare, ma ci sono domande e nessuno con cui consultarsi.
Se qualcuno conosce bene i modelli di costruzione, per favore consiglia in quale direzione cercare una soluzione, e se ha senso.
Il compito è della seguente natura.
C'è un campione nella matrice unidimensionale, i valori dell'indicatore vengono ridisegnati.
È possibile insegnare alla rete utilizzando NS per ottenere la stessa serie di campioni ma senza ridisegnare ulteriormente questo campione in tempo reale?
Cioè usando un insegnante per insegnare valori duplicati di un campione e questo risultato ridisegnerà in tempo reale?
Se no, quale modello è più adatto?
Il clustering, come lo capisco, dà la risposta finale come due soluzioni Sì No, vero falso, 0 1
Che questo modello di apprendimento non è adatto al compito da svolgere.
Quale modello di apprendimento è necessario per il compito da svolgere?
E ha senso allenarsi per eliminare il ridisegno dei valori nel risultato finale?
Buon tempo a tutti coloro che sono nel soggetto NS.
Ho studiato NS nella comprensione di base, ma ho delle domande e nessuno da consultare.
Se qualcuno conosce bene il modello, per favore mi consigli in che direzione cercare una soluzione, e se ha senso.
Il compito è della seguente natura.
C'è un campione nella matrice unidimensionale, i valori dell'indicatore vengono ridisegnati.
È possibile insegnare alla rete utilizzando NS per ottenere la stessa serie di campioni ma senza ridisegnare ulteriormente questo campione in tempo reale?
Cioè, usando un insegnante per allenare i valori dei campioni duplicati, e questo risultato sarà ridisegnato in tempo reale?
Se sì, quale modello è più adatto per questo?
Il clustering, come lo capisco, dà la risposta finale come due soluzioni Sì No, vero falso, 0 1
Che questo modello di apprendimento non è adatto al compito da svolgere.
Quale modello di apprendimento è necessario per il compito da svolgere?
E ha senso allenarsi per eliminare il ridisegno dei valori nel risultato finale?
se il risultato viene costantemente ridisegnato, allora cosa conta come risultato finale?
perché non contare come tutto il resto, alla chiusura della candela?
se il risultato viene costantemente ridisegnato, allora cosa conta come risultato finale?
perché non contare come tutto il resto, alla chiusura della candela?
Non insegniamo il valore estremo, mala gamma di valori.
Il risultato finale è l'insegnante originale nell'array unidimensionale.
Cioè il punto è di copiare per esempio la stessa maschera, ma non di ridisegnarla in tempo reale (la maschera è per esempio, non disegna).
Non ho studiato molto NS nella comprensione di base, ma ho delle domande e nessuno da consultare.
...
È possibile addestrare una rete utilizzando NS per ottenere lo stesso array di campioni, ma in modo che questo campione non venga ridisegnato in tempo reale in seguito?
Cioè, usando un insegnante per allenare i valori dei campioni duplicati, e questo risultato sarà ridisegnato in tempo reale?
strana comprensione di base di NS, e qual è allora la tua definizione di errore di formazione NS?
La risposta è no, il NS ridisegnerà sempre secondo la vostra comprensione, anche se vi siete allenati sui dati non ridisegnando, potete sperimentare con le funzioni di attivazione e la struttura del NS, ma si "fermerà" ancora nell'errore di formazione del NS - questo errore "ridisegnerà" quando si calcola il NS allenato
come questo
strana comprensione di base del funzionamento NS, e che cosa allora nel vostro concetto di errore di formazione NS?
La risposta è no, il NS ridisegnerà sempre secondo la vostra definizione, anche se addestrato sui dati che non ridisegnano, potete sperimentare con le funzioni di attivazione e la struttura del NS, ma tutto lo stesso "si fermerà" nell'errore di insegnamento del NS - questo errore "ridisegnerà" quando si calcola il NS addestrato
come questo
L'errore di apprendimento è la differenza tra l'output desiderato e quello effettivo del modello.
Non permette di valutare la precisione del modello con nuovi dati che non sono stati coinvolti nel processo di apprendimento.
È meglio usare l'errore di generalizzazione, cioè l'errore del modello su un set di test.
Quindi è così.
Ecco perché volevo sapere se è possibile risolvere questo compito con l'aiuto di NS.
E sui possibili modelli che possono risolvere questo problema.
Sì, l'idea era solo di prendere una gamma di valori non disegnati dal passato e addestrare la rete su questo campione.
Ci sono programmi specializzati per allenarsi con modelli già pronti o costruirli manualmente.
La domanda è quale modello è più adatto per il compito, il nome del modello, sono sicuro che c'è un tale modello.
Sì, è possibile che ci sia un errore, ma si può cercare di minimizzarlo, la cosa principale è che il modello sia stato scelto correttamente.
Ascolterò le opinioni degli altri partecipanti.
Come va con i dati reali?
Come va con i dati reali?
Sembra che stia tirando in più, ma è troppo presto per dirlo. L'ho appena iniziato venerdì sul mio conto demo. Sto pensando di aumentare il trigger minimo di entrata per diminuire il numero di trade e migliorare la loro qualità.
Sembra essere in attivo, ma è troppo presto per dirlo. L'ho appena iniziato venerdì sul mio conto demo. Sto pensando di aumentare il trigger minimo di entrata per diminuire il numero di trade e migliorare la loro qualità.
Questa è una spazzatura, non un TS, amico mio.
Sembra che stia andando in nero, ma è troppo presto per dirlo. L'ho appena iniziato venerdì sul mio conto demo. Sto pensando di aumentare il trigger minimo di entrata per diminuire il numero di trade e migliorare la loro qualità.
Questa è merda, non il TS, amico mio.
Un numero così basso di scambi non è sufficiente per riconoscere il Graal. La differenza tra i risultati analitici e quelli reali non è così grande.