내 네트워크는 가격이 오르든 내리든 1개의 값에 가깝습니다. 자세한 내용은 다루지 않겠습니다.
테스트 샘플(네트워크가 학습한 데이터가 아니라 이 샘플의 오류가 떨어지는 것을 멈출 때 신경망 이 학습을 중지하는 데이터)을 단일 조각으로 가져갈 수 있으며 이 조각은 훈련 샘플 직후에 이동하고 네트워크가 이미 실제로 거래되고 있는 OOS 기간 이전. 이 경우 훈련 배열과 크게 다를 수 있는 데이터에 대한 네트워크 일반화 오류를 추정합니다.
내가 이야기한 다른 옵션은 OOS 이전에 나오는 예제 배열에서 무작위로 컨트롤 샘플을 생성하는 것입니다. 샘플이 섞입니다. ) (적어도 나에게는) 근처의 예제 가 비슷 하고 한 예제(훈련)에서 네트워크가 학습하고 즉시 인접한(제어) 네트워크 일반화 오류가 추정됩니다. 이 경우 테스트 샘플의 최소 오류는 테스트 샘플을 하나의 개별 조각으로 취하는 경우보다 훨씬 더 깊을 수 있습니다.
조금(조금만) 우리가 관심을 갖고 있는 응용분야에서 이 뿐만 아니라 국회의 결과를 전반적으로 어떻게 개선할 것인지에 대해 생각해볼 것을 제안합니다. 여기에서 포인트별로:
1) 입력/출력의 선택(이 문제는 친밀하고 거의 항상 토론의 대상이 아닙니다. 이 경우, 이 경우에 우리 포럼의 두 명의 경험 많은 회원이 승인했다고 가정해 봅시다. 우리는 거기에 개선할 것이 없다고 믿습니다)
2) 입력 전처리(질문은 매우 간단하고 개방적인 것 같습니다. 이 경우에 무엇을 어떻게 수행하는지 알고 있으면 논의할 수 있습니다(저에게는 합리적인 NS가 있지만 주요 "하이라이트"는 원본입니다) (나는 어디에서도 본 적이 없다) 내가 공유하는 입력 데이터의 인코딩, 나는 아직 가지 않을 것이다.)
3) 국회의 수학. (여기에 있는 모든 것은 우리보다 먼저 발명되었습니다. 원하는 모든 것을 안전하게 공유하고 토론할 수 있습니다. 그러나 여기서 개선하려는 모든 시도는 의미 있는 행동이라기보다 샤머니즘과 맹목적인 실험에 가깝습니다)
4) 국회 업무의 "조직적" 문제. (어떻게/언제 훈련/재훈련, 기간/간격, 네트워크 배기 인터프리터의 작업 논리, MM 등. 여기에서 TS는 그가 할 수 있는 모든 것을 말한 것 같습니다 - 우리는 아직 도울 수 없었습니다) 여기 우리는 전체 TS의 운영에 대한 보고서를 보았습니다. 우리는 그것을 보았지만 일부 진부한 MM을 제외하고 보고서를 보면 개선할 합리적인 아이디어가 없습니다.
내가 놓친 게 무엇입니까?
어디에서 / 개발의 본질에 몰두하지 않은 사람의 조언에 의지하여 이론적으로 무엇을 개선할 수 있습니까? 포인트 2와 포인트 3은 남아 있습니다.포인트 2는 "모든 것이 정상입니다"(내 의견으로는 옵션이 있을 수 있지만) 주의할 가치가 없기 때문에 TopicStarter에서 생략했습니다. Point 3, 100g 없이는 알 수 없고, 개인적으로 끝까지 이해할 수 없는 기사가 있습니다(가장 단순한 에코 네트워크라도 구현하려는 시도는 지금까지 실패했습니다).
Xpert , 당신의 차량에 대해 비밀이 아닌 다른 것을 말씀해 주시겠습니까? 당신이 특정한 결과를 얻었기 때문에(저는 개인적으로 그렇게 생각합니다) 선험적으로 우리에게 흥미로울 것이며 아마도 이것은 현명한 조언으로 당신을 괴롭힐 것입니다. 예를 들어 다음과 같이 궁금합니다.
- 왜 여전히 "에코"입니까? 당신은 그것에서 요리를 해왔고 장단점에 대해 알려주십시오. 도대체 어떻게 파셨나요?
- 입출력: Uv. joo 는 "흐름 패턴"과 유형 2 TS에 대해 이야기합니다. 흐르는 패턴은 논의할 가치가 있으며, 두 번째 유형의 TS는 일반적으로 교활한 IMHO에서 나옵니다.
자, 이제 튜토리얼은 잊어버리자.
내 네트워크는 가격이 오르든 내리든 1개의 값에 가깝습니다. 자세한 내용은 다루지 않겠습니다.
테스트 샘플(네트워크가 학습한 데이터가 아니라 이 샘플의 오류가 떨어지는 것을 멈출 때 신경망 이 학습을 중지하는 데이터)을 단일 조각으로 가져갈 수 있으며 이 조각은 훈련 샘플 직후에 이동하고 네트워크가 이미 실제로 거래되고 있는 OOS 기간 이전. 이 경우 훈련 배열과 크게 다를 수 있는 데이터에 대한 네트워크 일반화 오류를 추정합니다.
내가 이야기한 다른 옵션은 OOS 이전에 나오는 예제 배열에서 무작위로 컨트롤 샘플을 생성하는 것입니다. 샘플이 섞입니다. ) (적어도 나에게는) 근처의 예제 가 비슷 하고 한 예제(훈련)에서 네트워크가 학습하고 즉시 인접한(제어) 네트워크 일반화 오류가 추정됩니다. 이 경우 테스트 샘플의 최소 오류는 테스트 샘플을 하나의 개별 조각으로 취하는 경우보다 훨씬 더 깊을 수 있습니다.
이제 어느 정도 명확해졌습니다. 훈련이 없어요. 일반적으로.
따라서 귀하가 제안한 형식의 테스트 샘플이 있을 수 없습니다.
솔직히, 나는 일반적으로 그 적용의 높은 효율성을 의심합니다.
나는 그것의 사용에 반대하지 않지만 효과적인 계획을 보지 못합니다.
진정한 테스트가 되려면 샘플이 훈련 구간에 있어서는 안 됩니다. 저것들. 좋은 OOS 전에. 본질적으로 사용이 지연되고 개선이 보장되지 않습니다. :) . 테스트 샘플은 한 번 훈련하고 확인하고 어리석게 사용하면 좋은데 가격대를 예측하는 데 사용할 의미가 없습니다.
그것을 구원의 이유로 받아들이지 마십시오(이것은 모든 독자들에게 호소합니다 :)), 이것은 단지 IMHO입니다.
당신이 말한 모든 것이 합리적입니다. 나 자신도 한 옵션에서 다른 옵션으로 갔다가 다시 돌아오지만 실제로 가정을 테스트하고 싶습니다.
그런데 저는 항상 어드바이저를 계정에 올리기 전에 포워드 테스트에서 시스템을 확인합니다. 그리고 제 모든 Expert Advisors 가 1회성 포워드 테스트를 통과했다고 말할 수 있습니다. 불합격하면 넣지 않겠습니다. 왜냐하면 더 이상 믿음이 없기 때문입니다))))
연고에 또 다른 파리. 별도의 네트워크.
물론 평균이 + 인 것을 알 수 있지만, 전나무 막대기, 퍼짐은 전혀 작지 않습니다.
연고에 또 다른 파리. 별도의 네트워크.
물론 평균이 + 인 것을 알 수 있지만, 전나무 막대기, 퍼짐은 전혀 작지 않습니다.
안녕하세요!
그리고 네트워크 입력에 공급하는 칠면조에 대해 휘발화(기사에서 사용 가능)를 수행하지 않았습니까?
칠면조를 무기력하게 만들 수도 있습니다.
아아... 나는 칠면조를 제공하지 않습니다.
흥미로운...
그러나 단위 간격(또는 최소한 간격)으로의 정규화는 어떻습니까?
나는 겸손한 질문을 감히합니다. 어떤 종류의 교사입니까? 앞으로 몇 바 예측을 통한 이익 극대화?
나는 겸손한 질문을 감히합니다. 어떤 종류의 교사입니까? 앞으로 몇 개의 막대를 예측하여 이익 극대화?
아니요, 이 접근 방식은 에코 네트워크와 잘 통합되지 않습니다. 이 스레드에서 이미 교사에 대해 이야기했습니다.
그러나 단위 간격(또는 최소한 간격)으로의 정규화는 어떻습니까?
글쎄, 그렇다면 네, 그것을 사용합니다 :)
우리는 "ram"에 대해 뭔가를 잊었습니다.) 시작 메시지는 "향상 방법은?"입니다.
조금(조금만) 우리가 관심을 갖고 있는 응용분야에서 이 뿐만 아니라 국회의 결과를 전반적으로 어떻게 개선할 것인지에 대해 생각해볼 것을 제안합니다. 여기에서 포인트별로:
1) 입력/출력의 선택(이 문제는 친밀하고 거의 항상 토론의 대상이 아닙니다. 이 경우, 이 경우에 우리 포럼의 두 명의 경험 많은 회원이 승인했다고 가정해 봅시다. 우리는 거기에 개선할 것이 없다고 믿습니다)
2) 입력 전처리(질문은 매우 간단하고 개방적인 것 같습니다. 이 경우에 무엇을 어떻게 수행하는지 알고 있으면 논의할 수 있습니다(저에게는 합리적인 NS가 있지만 주요 "하이라이트"는 원본입니다) (나는 어디에서도 본 적이 없다) 내가 공유하는 입력 데이터의 인코딩, 나는 아직 가지 않을 것이다.)
3) 국회의 수학. (여기에 있는 모든 것은 우리보다 먼저 발명되었습니다. 원하는 모든 것을 안전하게 공유하고 토론할 수 있습니다. 그러나 여기서 개선하려는 모든 시도는 의미 있는 행동이라기보다 샤머니즘과 맹목적인 실험에 가깝습니다)
4) 국회 업무의 "조직적" 문제. (어떻게/언제 훈련/재훈련, 기간/간격, 네트워크 배기 인터프리터의 작업 논리, MM 등. 여기에서 TS는 그가 할 수 있는 모든 것을 말한 것 같습니다 - 우리는 아직 도울 수 없었습니다) 여기 우리는 전체 TS의 운영에 대한 보고서를 보았습니다. 우리는 그것을 보았지만 일부 진부한 MM을 제외하고 보고서를 보면 개선할 합리적인 아이디어가 없습니다.
내가 놓친 게 무엇입니까?
어디에서 / 개발의 본질에 몰두하지 않은 사람의 조언에 의지하여 이론적으로 무엇을 개선할 수 있습니까? 포인트 2와 포인트 3은 남아 있습니다.포인트 2는 "모든 것이 정상입니다"(내 의견으로는 옵션이 있을 수 있지만) 주의할 가치가 없기 때문에 TopicStarter에서 생략했습니다. Point 3, 100g 없이는 알 수 없고, 개인적으로 끝까지 이해할 수 없는 기사가 있습니다(가장 단순한 에코 네트워크라도 구현하려는 시도는 지금까지 실패했습니다).
Xpert , 당신의 차량에 대해 비밀이 아닌 다른 것을 말씀해 주시겠습니까? 당신이 특정한 결과를 얻었기 때문에(저는 개인적으로 그렇게 생각합니다) 선험적으로 우리에게 흥미로울 것이며 아마도 이것은 현명한 조언으로 당신을 괴롭힐 것입니다. 예를 들어 다음과 같이 궁금합니다.
- 왜 여전히 "에코"입니까? 당신은 그것에서 요리를 해왔고 장단점에 대해 알려주십시오. 도대체 어떻게 파셨나요?
- 입출력: Uv. joo 는 "흐름 패턴"과 유형 2 TS에 대해 이야기합니다. 흐르는 패턴은 논의할 가치가 있으며, 두 번째 유형의 TS는 일반적으로 교활한 IMHO에서 나옵니다.
입력/출력을 개선할 수 없다고 정말 확신합니까?
b) 전처리: 어떻게 보입니까? 예를 들어, 입력 값의 분포에 대한 분석이 있었습니까?