トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 869

新しいコメント
 
エリブラリウス

練習で2VSくらい覚えたので、それしか使い道がない。3クラス（買い、待ち、売り）を使う場合、特に出力ニューロンがシグモイドかタンジェントの場合、中間クラスが非常に早く発生します。
しかし、もし退行が...理想的には1つの出力ニューロンが必要です。

各NSはlong/0の2クラスで、2番目のNSはshort/0です。

念のため、NSのトレーニング結果の一つを繰り返しますが、これはまだ09.17のテストです。こんなものが出てきます。

例えば、0.5以上 - 長い、0未満 - 止まる。

 
マキシム・ドミトリエフスキー

いいえ、私はこれまで足場（異なる特徴を持つ、任意の数のモデルのアンサンブル）を使用しており、出力は平均的です。

非常に迅速にすべての作業を行う

treeはTFのアナロジーですか？何か、そうでないような気がするのです。おそらく他のものだと思いますが、結果はだいたいNSと同じようなものです。
 
elibrarius:
では、ツリーはTFのアナロジーなのでしょうか？何か、違うような気がするんです。

全然わからない...バカルディを飲みに行ったんだ)) 後で考えるよ。

マルチエージェント環境では、多くのモデルが一度に学習されるため、高速であれば、ロジスティック 回帰だけでもNSを試してみようと思っています。

また、クラスタリングを使いたいのですが、alglibでは新しいデータに対してセントロイドのメンバーシップを取得することができないので、どこか別のライブラリを使う必要があります。
 
ユーリイ・アサウレンコ

NSの入力は、正規化された時系列です。NSの構成-15-20-15-10-5-1がすでにうまくいっているとしよう。

ロングとショートを決定するためには、2つのNSが必要である。

ネットワーク構造を計算するアルゴリズムさえあれば...十分かつ冗長にすることができる。
 
エリブラリウス
ネットワーク構造を計算するアルゴリズムがあればいいのですが...そうすれば、十分かつ冗長なものになります。

どうだろう。古典文学では、直感や選択によってのみ。

3、4回目くらいからなんとかできるようになりました。学習した結果、それらを感じるようになる)。

 
マキシム・ドミトリエフスキー

全然わからない...バカルディを飲みに行ったんだ）後で考えてみるよ。

マルチエージェント環境では、一度に多くのモデルを学習するため、NSでも、ロジスティック回帰でも、早ければ試してみようと思っています...が、RLは私の問題に適応しています

クラスタリングを使いたいのですが、alglibは新しいデータに対してセントロイドメンバーシップを取得することができないので、どこか別のライブラリを手に入れる必要があります。
レグレッションには隠れ層がない...。
Rに行く時間です。alglib NSで試したところ、Rと同じネットワークで数十倍遅かったです（30-60分に対して1日とか）。さらに、alglibでは最大2つの隠れ層があり、あなたの観察によれば、3つの連続した変換、つまり3つの層が必要です。
 
エリブラリウス
さらに、alglibでは最大2つの隠れ層があり、あなたの観察によれば、3つの連続した変換、つまり3つの層が必要です。

3層だと全然ダメですね(

ところで、NSの構造を少し間違えてしまったのですが

15-20-15-10-5-1 であった。

15-15-20-15-10-5-1のはずです。最初の数値は入力数です。

 
ユーリイ・アサウレンコ

3層だと全然ダメですね(

ところで、NSの構造を少し間違えてしまったのですが

15-20-15-10-5-1 であった。

15-15-20-15-10-5-1のはずです。最初の数字 - 入力数。

計1030枚の鱗は弱くない。また、入力データ（行数）はいくつですか？

 
エリブラリウス

計1030枚の鱗は弱くない。また、入力（ライン）はいくつあるのでしょうか？

何ですって？どういうことですか？NSは、NS構造の1桁目である15個の入力を持っています。入力は直接BP - 15カウントに正規化されます。

 
ユーリイ・アサウレンコ

何ですって？どういうことですか？NSは15入力-NS構造の1桁目。

学習データ（または学習例）が何列分あるかということです。
例えば、15入力10000行の場合
1...862863864865866867868869870871872873874875876...3399
新しいコメント
理由: