L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1897
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
"Un algoritmo di apprendimento profondo con un insegnante raggiunge una qualità accettabile con circa 5000 esempi marcati per categoria"
Per m1 è la riqualificazione ogni giorno su storie a settimana, per m5 una volta a settimana su storie al mese.
Per gli altri metodi ci sono dei numeri da confrontare?
Ancora non capisco l'ora, 1, 2, 9 è solo l'ora terminale?
Sembra difficile fare un errore qui.
Posso scrivere un articolo, perché non è possibile spiegare ogni punto sul forum
Ho un sacco di cose interessanti come codice python, clustering, tree parser
Ho capito i termini di ingresso nelle transazioni, è possibile aggiungere bot pronti per generare bot già pronti, è fortesembra difficile fare un errore qui.
Posso scrivere un articolo, perché spiegare ogni punto sul forum non è un'opzione.
e ci sono un sacco di cose interessanti come codice python, clustering, parser ad albero
Ho capito i termini di inserimento dei trade, posso aggiungere bot già pronti per generarli in una volta, è fortevedo, l'articolo sarebbe buono)))
Capisco, l'articolo sarebbe buono)))
ma sui nuovi dati versa come uno tsuchka, come tutti i MO. Nel periodo di allenamento è bellissimo.
Volevo bypassare il retraining introducendo cluster grossolani, ma qualcosa è andato storto ))
ma sui nuovi dati versa come uno tsuchka, come tutti i MO. Sul periodo di formazione, è bellissimo.
Volevo bypassare la riqualificazione introducendo cluster grossolani, ma qualcosa è andato storto ))
Ho bisogno di un controllo di corrispondenza di fila reale per testarne uno (tanto per dire) Ma non capisco come farlo, finora, che il ritardo sarebbe accettabile, o almeno comprensibile.
Abbiamo bisogno di controllare la corrispondenza della serie reale alla serie di prova (per dire) Ma come farlo, non lo capisco ancora, in modo che il ritardo sia accettabile, o almeno comprensibile.
tutto è già nell'idea - modelli stagionali raggruppati, che presumibilmente si ripetono (e in effetti a volte lo fanno)
Ma... cappotto sbagliato. Oppure l'albero è pesantemente sovrallenato ed è necessario addestrare ed analizzare un neuronet
Ma sono tutte stronzate, se l'albero non mostra nulla, significa che non c'è regolarità. Non ha senso l'apprendimento profondo.5000 per funzione è lo standard generale, meglio tra 5000 e 10000.
Frase completa: un algoritmo di deep learning con un insegnante raggiunge una qualità accettabile con circa 5000 esempi etichettati per categoria ed è paragonabile o addirittura superiore a un umano quando viene addestrato su un dataset contenente almeno 10 milioni di esempietichettati .
I dati e la potenza sono tutto.
Non vedo l'utilità di un allenamento supplementare lungo la strada... Non cambia nulla in linea di principio, ho lavorato per il terzo mese senza alcuna riqualificazione, non c'è alcun cambiamento nella qualità. Tutto dipende dalla lunghezza della storia su cui la rete è stata formata. Se si carica per 3-5 anni, allora la rete formerà delle regole stabili che hanno funzionato per tutto questo tempo e le ricorderà.
Dipende dall'approccio al problema. Se credete che i sistemi vivono per un tempo finito, allora dovete ottimizzare regolarmente, più piccolo è il TF, più spesso.
Per escludere i minimi locali come possibile causa di problemi, ha senso tracciare lanorma delgradiente contro il tempo .Se la norma del gradiente non diminuisce quasi a zero, il problema non è un minimo locale
L'hai mai fatto?
Non l'ha fatto?
È un po' complicato. Devo solo alimentare la rete con diversi set di caratteristiche e prenderla quando inizia a mostrare qualche segno di apprendimento. Poi lo provo immediatamente con un mercato reale. La rete risponde alla domanda "su/giù" quindi le risposte sono in ogni candela, ma con diversi gradi di confidenza. Tutto è semplice )) nessuna apertura di posizione, nessun profitto e nessuna perdita.