Cosa inserire nell'ingresso della rete neurale? Le vostre idee... - pagina 79

Nuovo commento
[Eliminato]  
Vedete il punto: fino a quando, nel processo di meditazione/estrazione dei dati/danza con il tamburello/apprendimento con diversi segni e marchi/altre pratiche occulte, non troverete alcuni modelli significativi che funzionano, allora tutte queste trasformazioni daranno un +- 10%, a livello di errore del modello.

Ma è anche molto difficile trovarli, solo come risultato dell'enumerazione.
 
Ivan Butko #:
Allo stesso tempo, il numero 0,9, che nello schema iniziale non riflette la sua forza, ma di fatto esercita una forza sul NS, influenza negativamente anche gli altri numeri che si trovano nell'intervallo inferiore a questo numero - numeri più piccoli. Inoltre, il peso che cercherà di indebolire (annullare) il valore di ingresso 0,9, indebolirà anche(!) i valori più forti(!) e altri valori nell'intervallo inferiore di questo numero di ingresso (che in seguito potrebbero essere più importanti per le prestazioni del sistema), a causa della sua natura statica, perché i pesi non cambiano in un NS addestrato.

È un'idea interessante. E a quanto pare ha un posto.
Una volta ho abbandonato i NS a favore di modelli di legno, la confusione con la normalizzazione è uno di questi. Tutto funziona in modo ironico (di legno). I valori < 0,9 vanno in un ramo, i valori >= 0,9 in un altro. E il valore 0,9 in sé non influisce in alcun modo sulle azioni successive con gli esempi in questi due rami.
Non hanno bisogno di normalizzazione, qualsiasi numero è equivalente: 0,001 e 10000000 sono solo valori di confronto. L'albero gestisce perfettamente anche le schede categoriali. Per esse, la divisione in rami non avviene tramite < o >, ma tramite ==. Ad esempio, per i colori: tutti i verdi andranno in un ramo attraverso l'uguaglianza, e tutti i rossi in un altro, e il resto rimarrà per un'ulteriore divisione in rami (altre categorie e numeri).

 



I modelli Python funzionano a meraviglia Per la prima volta il risultato è apparso con molti input: ho alimentato ben 160 pezzi.

(Perché 160? Mi sono fermato a questo numero, senza motivo) Di solito più sono gli input, peggio è. Ma questa volta è andata bene.

risultato dell'operazione come obiettivo.


2) Allenarsi con qualsiasi metodo.

3) lanciare la nostra strategia (pomoichny)

4) Aggiungere un filtro: il nostro NS.


Di conseguenza, dobbiamo mettere in atto uno sforzo intellettuale, creativo, di pazienza e di tempo per scegliere una strategia.

La rete neurale farà il resto.

Togliamo alla rete neurale un lavoro intellettuale insopportabile semplicemente perché nelle realtà attuali la NS non è nemmeno in grado di determinare i livelli, se non sono contrassegnati "da sé".

E farà quello che deve fare: macinare il TS.



E aumentando la soglia di regressione sull'attaccante, si migliorano anche gli ingressi.


Di solito, nel 99% dei casi, l'aumento della soglia di ingresso non dà alcun risultato e riduce stupidamente gli ingressi buoni insieme al caos in proporzione, ma in questo caso gli ingressi di qualità rimangono e il rumore sparisce. Modello BiLSTM (LSTM dà la stessa cosa, la differenza è minima).

 
Ivan Butko #:

E qui si tratta solo di prezzi + metodo di determinazione degli input e dell'obiettivo da parte di TS:.

Quindi solo prezzi senza alcuna conversione? Curioso!



I van Butko #: I modelli Python fanno miracoli

Questo è grande! Ci deve essere almeno a volte un positivo dal duro lavoro!!!

 
Aleksey Vyazmikin #:

Cioè solo i prezzi senza alcuna conversione? Curioso!

È fantastico! Ci deve essere almeno qualche volta un positivo dal duro lavoro!!!

Per abitudine non aggiungo: normalizzazione come al solito: l'intero set (160 prezzi) viene portato nell'intervallo -1...1
 
Ivan Butko #:
Non lo aggiungo per abitudine: normalizzazione come al solito: l'intero insieme (160 prezzi) viene portato nell'intervallo -1...1

Qual è il periodo di formazione? Sono stati forniti i prezzi di chiusura? Da quale TF? Test su demo da MQ? Qual è l'aspettativa matematica per 1 lotto?

 
Se non fosse per i drawdown semestrali, andrebbe bene. Li ho avuti per un massimo di 2 anni. Durante il test con il 2015 valkingforward.

PS. Come fate a lavorare tutti di notte? Il giorno è il momento più efficiente.
[Eliminato]  
Almeno è iniziato il movimento verso un MO sano, il che non è già una cosa negativa.
 
Aleksey Vyazmikin #:

Qual è stato il periodo di studio? Sono stati forniti i prezzi di chiusura? Da quale TF? Test dimostrativo da MQ? Qual è l'aspettativa matematica per 1 lotto?

Passato a 21 anni: dal 2000 al 2021.

I due grafici sono troppo inconciliabili: 2000-2012 e 2012-2021.
Se salgono entrambi: o si tratta di una riqualificazione o di qualcosa che funziona.

Test su icMarkets, conto reale. Non conosco i dettagli, non sono al computer in questo momento.

Per quanto riguarda la selezione dei prezzi di entrata: non mi sono ancora diffuso qui, ho scavato per due anni, ho salvato i migliori. Posso postare qualcosa di curioso.
 
Forester #:
Se non fosse per i drawdown semestrali, andrebbe bene. Ho avuto fino a 2 anni. Durante il test con il 2015 valkingforward.

PS. Come fate a lavorare tutti di notte? Il giorno è il momento più efficiente.
Sì, i risultati in testa sono nulli.

Ma mi è piaciuto il fatto che il "relè" funzioni: se lo si gira da una parte, c'è molto rumore (spazzatura) in avanti, se lo si gira dall'altra parte, c'è meno rumore, ma i buoni affari non vengono tagliati fuori.
1...7273747576777879808182838485
Nuovo commento