Galateo del mercato o buone maniere in un campo minato - pagina 43
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
L'uomo attento è l'uomo migliore! La procedura di serraggio non è complicata, e l'allenamento NS non ne risente - è un metodo efficace.
Per quanto riguarda il non raggiungere valori ottimali, questo è un puro bluff per i nostri BP. Capisco se stai prevedendo un'onda sinusoidale! - Allora sì - ci sono valori ottimali. Ma cosa sono quelli nel mercato choppiness? Ora l'optimum c'è, e nel prossimo passo (che tu stai prevedendo), è lì... e l'avete cercato "qui" con tutte le vostre forze. In breve, non c'è un problema di localizzazione esatta, e si risolve in modo soddisfacente con l'overtraining ad ogni passo.
L'affermazione inversa è anche vera: se non si trova il minimo globale, o almeno la sua vicinanza, l'addestramento ad ogni passo potrebbe non essere soddisfacente. Ho studiato un po' questo problema, personalmente ho ottenuto qualcosa come l'auto-inganno, quando l'errore sembra divergere asintoticamente su entrambi i campioni, ma la rete della stessa configurazione a diversi intervalli di tempo ha dato segnali di acquisto/vendita completamente opposti. Anche se l'aspettativa matematica di vincita era positiva, alla fine sono arrivato alla conclusione che stavo ancora giocando al casinò. E tutto questo, rispettivamente, a causa dei coefficienti di ponderazione iniziali, questa è la conclusione a cui sono arrivato. Questi sono i miei pensieri:)
A proposito, come risultato delle mie osservazioni, la migliore randomizzazione dei pesi a cui la griglia impara rapidamente è nell'intervallo [-0,07; +0,07]. Non so perché questo sia il caso:)
Significa che non avete abbastanza epoche di apprendimento. Nel limite, non importa da dove si parte (anche +/-10), la griglia dovrebbe rotolare verso l'optimum, che è vicino a valori piccoli per dati di input centrati. Lo state spostando artificialmente lì. Questo non è sempre una buona cosa.
L'affermazione inversa è anche vera: se non si trova il minimo globale o almeno la sua vicinanza, l'addestramento ad ogni passo potrebbe non essere soddisfacente. Ho studiato un po' questo problema, personalmente ho ottenuto qualcosa come l'auto-inganno, quando l'errore sembra divergere asintoticamente su entrambi i campioni, ma la rete della stessa configurazione a diversi intervalli di tempo ha dato segnali di acquisto/vendita completamente opposti. Anche se l'aspettativa matematica di vincita era positiva, alla fine sono arrivato alla conclusione che stavo ancora giocando al casinò. E tutto questo, rispettivamente, a causa dei coefficienti di ponderazione iniziali, questa è la conclusione a cui sono arrivato. Questi sono i miei pensieri:)
Questo è un sintomo di una griglia poco allenata. Sei sicuro che il vettore di addestramento non fosse più corto del P=w^2/d ottimale?
Questo significa che non avete abbastanza epoche di allenamento. Al limite, non importa da dove si parte (anche +/-10), la griglia dovrebbe rotolare verso un optimum, che per i dati di ingresso centrati si trova in prossimità di valori piccoli. Lo state spostando artificialmente lì. Questo non è sempre una buona cosa.
Sì, cerco di tenerlo al minimo. Non voglio aspettare che alla fine mi dia qualcosa dopo qualche centinaio di migliaia di epoche. Di solito poche migliaia, o decine di migliaia, sono sufficienti.
Di solito poche migliaia, o decine di migliaia, sono sufficienti.
Sorpreso!
Ne ho qualche centinaio.
Questo significa che non avete abbastanza epoche di allenamento. Al limite, non importa da dove si parte (anche +/-10), la griglia dovrebbe rotolare verso un optimum, che per i dati di input centrati si trova in prossimità di valori piccoli. Lo state spostando artificialmente lì. Questo non è sempre una buona cosa.
È un sintomo di una griglia poco allenata. Sei sicuro che il vettore di addestramento non fosse più corto del P=w^2/d ottimale?
Onestamente, non ho guardato tali formule per molto tempo, tutto per esperimento, iniziando con un piccolo numero di neuroni, e continuando questa cosa fino a quando gli errori si separano asintoticamente in due campioni. Avendo trovato il valore ottimale dei pesi nello strato, riaddestro la rete diverse volte e ci sono diversi risultati sullo stesso campione, ma i pesi iniziali sono diversi per ogni griglia. Prova a riqualificare la tua rete da zero e vedi se ottieni gli stessi scambi sulla storia. Me lo dirai dopo, mi interessa saperlo.
Sorpreso!
Ne ho alcune centinaia.
>> bene, come si dice, il volo va bene).
Prova a riqualificare la tua rete da zero e vedi se ottieni gli stessi scambi sulla storia. Dimmelo dopo, sarei interessato a saperlo.
Beh, certo che no!
Tutti gli affari saranno diversi, e così via di volta in volta, ma il profitto è in media lo stesso (e molto piccolo). Mi interessa la ripetibilità delle medie, fa risparmiare risorse di calcolo.
Beh, no, certo che no!
Tutti i trade saranno diversi, volta per volta, ma il profitto medio è lo stesso (e molto piccolo). Mi interessa la ripetibilità delle medie.
Quindi credo che tu stia giocando in un casinò. Vi consiglierei di usare i comitati, perché possono dare l'effetto migliore. Io, personalmente, non sono soddisfatto di queste condizioni di lavoro. Non posso permettermi di riaddestrare la rete su nuovi dati, introduce errori e non è redditizio, se dopo il riaddestramento la rete viene testata nuovamente su questa storia.
Sì, credo di aver capito. I risultati della griglia con randomizzazione iniziale apparentemente non hanno bisogno di essere ripetuti esattamente. È sufficiente che il risultato sia stabile in un piccolo intervallo.
Per esempio, questo è quello che sembra:
OPZIONE 1:
ESEMPIO 2:
I dati di input, a parte l'inizializzazione iniziale, che è stata effettuata in entrambi i casi, sono gli stessi.
Proprio così, compagno!