Discussione sull’articolo "Scienza dei Dati e Apprendimento Automatico — Rete Neurale (Parte 01): Rete Neurale Feed Forward demistificata"
Ciao,
Molto bene il tuo articolo. Ottimo lavoro!
Mi sono documentato sulla rete neurale, ma finora non ho ancora capito quali siano i vantaggi o le differenze della rete neurale rispetto al sistema di ottimizzazione della MT5 stessa.
Per esempio: Se ho una strategia che utilizza MACD e ATR, posso "allenarla" per trovare i parametri migliori sul sistema di ottimizzazione MT5. Inoltre, posso includere un sistema di pesi negli indicatori o in altri dati.
Entrambi cercheranno i migliori parametri o "pesi" nel passato per applicarli in futuro.
Forse mi sbaglio e non ho capito bene l'idea.
Potreste spiegarlo? O fornire qualche esempio?
- www.mql5.com
la differenza tra l'ottimizzazione con lo strategy tester e l'ottimizzazione dei parametri della rete neurale è l'obiettivo: con lo strategy tester tendiamo a concentrarci sui parametri che forniscono gli output più redditizi o almeno i risultati di trading che desideriamo, il che non significa necessariamente che la rete neurale abbia un buon modello che ha portato a quel tipo di risultati
Alcuni preferiscono mettere i pesi e il bias come parametri di input dei sistemi basati su reti neurali(Feed forward, in senso lato), ma credo che ottimizzare utilizzando lo strategy tester significhi sostanzialmente trovare i valori casuali dei risultati migliori(trovare quelli ottimali sembra dipendere dalla fortuna), mentre se dovessimo ottimizzare utilizzando la discesa stocastica del gradiente ci muoveremmo verso il modello con il minor numero di errori di previsione a ogni passo
la differenza tra l'ottimizzazione, sul tester di strategia, e l'ottimizzazione dei parametri della rete neurale è l'obiettivo, sul tester di strategia tendiamo a concentrarci sui parametri che forniscono gli output più redditizi o almeno i risultati di trading che desideriamo, questo non significa necessariamente che la rete neurale abbia un buon modello che ha portato a quel tipo di risultati
Alcuni preferiscono mettere i pesi e il bias come parametri di input dei sistemi basati sulle reti neurali(Feed forward, in senso lato), ma credo che ottimizzare utilizzando lo strategy tester significhi sostanzialmente trovare i valori casuali dei risultati migliori(trovare quelli ottimali sembra dipendere dalla fortuna), mentre se dovessimo ottimizzare utilizzando la discesa stocastica del gradiente ci muoveremmo verso il modello con il minor numero di errori di previsione a ogni passo
Grazie per la risposta.
Ho capito il tuo punto di vista.
Perché hai iniziato dalla prima parte?
vecchio articolo:
SCIENZA DEI DATI E APPRENDIMENTO AUTOMATICO (PARTE 01): REGRESSIONE LINEARE
- www.mql5.com
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Il nuovo articolo Scienza dei Dati e Apprendimento Automatico — Rete Neurale (Parte 01): Rete Neurale Feed Forward demistificata è stato pubblicato:
Molte persone le amano, ma poche comprendono l'intero funzionamento delle Reti Neurali. In questo articolo cercherò di spiegare in parole povere tutto ciò che avviene dietro le porte chiuse di un percettrone multistrato feed-forward.
La Funzione Tangente Iperbolica.
È data dalla formula:
Il suo grafico è simile a quello riportato di seguito:
Autore: Omega J Msigwa