테스트에 대한 공통 분모가 있습니까? ;-). 이에 대한 제안이 있습니다. 네트워크가 가상의 무제한 이익을 받도록 감독되지 않은 상태로 훈련된 경우 입력 데이터가 여전히 이익 크기에 상한선을 부과한다는 점을 염두에 두어야 합니다. 선택한 훈련 기간에 얻을 수 없는 것 이상의 금액을 추정할 수 있습니다(전략에 의해 선택된 일정한 로트에 의해). 따라서 이 기간 동안의 네트워크 학습 계수는 네트워크가 제공하는 이론적인 최대 수익의 비율로 계산할 수 있습니다. 그런 다음 검증 기간에 대해 유사한 추정이 이루어지고 계수가 비교됩니다.
여기에서 이미 올바르게 언급했듯이 IMHO와 같은 확인 없이 그리드 교육은 가치가 없습니다.
일리아르에게
관심을 위해 거래 수 또는 상대적인 감소를 사용하는 적합성 함수로 사용해보십시오. 결과를 알려주세요. 매우 흥미롭습니다.
추신: 드로다운을 피트니스 기능으로 사용하면 네트워크가 전혀 거래되지 않을 수도 있습니다. :))
일리아르에게
관심을 위해 거래 수 또는 상대적인 감소를 사용하는 적합성 함수로 사용해보십시오. 결과를 알려주세요. 매우 흥미롭습니다.
추신: 드로다운을 피트니스 기능으로 사용하면 네트워크가 전혀 거래되지 않을 수도 있습니다. :))
그것에 대해 생각했다. 잠시 미루기로 했지만...
목적 함수가 거래 건수 또는 인출만 있다면 의미가 거의 없을 것입니다. 네트워크는 자주 그리고 목적 없이 시장에 진입/퇴장하는 법을 배우거나 하락을 피하는 법을 배웁니다....
이익과 거래 수, 그리고 손실을 모두 최적화해야 합니다. 제가 기억하는 한 JGAP를 사용하면 여러 출력이 있는 목적 함수를 가질 수 있습니다. 이제 작업을 더 우선 순위로 봅니다. 입력 데이터와 순환 신경망을 염두에 두십시오.
내가 보기에 현재 내가 제안한 방법으로 입력 데이터를 검색하고 테스트하는 것은 누구에게나 별 관심이 없다 ...
테스트에 대한 공통 분모가 있습니까? ;-). 이에 대한 제안이 있습니다. 네트워크가 가상의 무제한 이익을 받도록 감독되지 않은 상태로 훈련된 경우 입력 데이터가 여전히 이익 크기에 상한선을 부과한다는 점을 염두에 두어야 합니다. 선택한 훈련 기간에 얻을 수 없는 것 이상의 금액을 추정할 수 있습니다(전략에 의해 선택된 일정한 로트에 의해). 따라서 이 기간 동안의 네트워크 학습 계수는 네트워크가 제공하는 이론적인 최대 수익의 비율로 계산할 수 있습니다. 그런 다음 검증 기간에 대해 유사한 추정이 이루어지고 계수가 비교됩니다.
여기에서 이미 올바르게 언급했듯이 IMHO와 같은 확인 없이 그리드 교육은 가치가 없습니다.
네트워크가 교사 없이 훈련되어 가상적으로 무제한의 이익을 얻는 경우
이것을 재교육이라고 합니다. 우리는 이미 이 문제를 제기했습니다.
신경망에 대한 입력을 찾고 싶은 사람들을 위한 질문입니다 :)
아무도 주성분 분석(일명 "주성분 분석" 또는 "pca")을 사용하지 않습니까?
신경망에 대한 입력을 찾고 싶은 사람들을 위한 질문입니다 :)
아무도 주성분 분석(일명 "주성분 분석" 또는 "pca")을 사용하지 않습니까?
어떻게 적용하시겠습니까?
신경망에 대한 입력을 찾고 싶은 사람들을 위한 질문입니다 :)
아무도 주성분 분석(일명 "주성분 분석" 또는 "pca")을 사용하지 않습니까?
GHA 알고리즘을 기반으로 시스템을 개발했습니다. 소음이 있을 때 잘 작동합니다. DFT를 사용하거나 주성분 분석을 사용할 수 있습니다. '친애하는' 접두사 없이 '연인'이라는 단어 사용은 자제해 주시기 바랍니다. :)lea писал(а) >>
아무도 기본 구성 요소 분석(일명 "주 구성 요소 분석" 또는 "pca")을 사용하지 않습니까?
나는 손을 대었지만 완전히 다른 응용 분야에서. 그건 그렇고, 나는 비선형 PCA가 작동하도록 관리하지 못했습니다. 선형, IMHO, 다소 약합니다.
GHA 알고리즘을 기반으로 시스템을 개발했습니다. 소음이 있을 때 잘 작동합니다. DFT를 사용하거나 주성분 분석을 사용할 수 있습니다.
그리고 그것이 무엇에 관한 모든 것이라고 생각했습니까? MathCad/MathLab?
'친애하는' 접두사 없이 '연인'이라는 단어 사용은 자제해 주시기 바랍니다. :)
확인 :)
나는 손을 대었지만 완전히 다른 응용 분야에서. 그건 그렇고, 나는 비선형 PCA가 작동하도록 관리하지 못했습니다. 선형, IMHO, 다소 약합니다.
지금까지는 선형으로 해결되기를 바랍니다.
어떻게 적용하시겠습니까?
의도한 목적을 위해 - 원래의 것보다 상관 관계가 약한 변수 세트를 선택합니다.