안녕하세요. 많은 글을 쓰다 보니 책이 되었습니다. 책을 읽기 시작했고 시장을 위해 무언가를 써야겠다고 생각했습니다.
좋은 작품입니다. mql5 도구로 머신 러닝에 접근하는 방법을 설명할 수 있는 보편적인 책이 없기 때문입니다.
하지만.
샘플은 훈련 60%, 검증 20%, 테스트 20%의 세 부분으로 나뉩니다. 각 바 체인의 40개 바 중 35개 바가 반복됩니다. 도덕적 - 동일한 데이터를 사용하여 훈련하고 검증합니다. 그림을 그려봤습니다. 이것은 이 책의 문제일 뿐만 아니라 계속 반복해서 마주치는 문제입니다.
처음에는 지그재그 표시기가 반복되지 않는 움직임을 강조하는 바로 그 것이라고 생각했습니다. 위에서 아래로, 밑에서 위로, 밑에서 위로, 위로에서 위로처럼 말이죠. 책에서 말하는 것처럼 독특한 패턴이 될 것입니다. 하지만 저자는 한 줄씩 패턴을 만들었는데, 이는 물론 큰 실수입니다. 이를 위해 지그재그가 필요하지 않습니다. 10개의 막대만 앞을 보고 시장이 어디로 갔는지 계산하면 됩니다.
이것이 첫 번째 요점입니다 - 실용적입니다. 두 번째 요점은 기술적인 부분인데 역시 틀렸습니다. 저자는 텐서플로에서만 유효성 검사 교육을 제공한다고요? 텐서플로는 구글에서 만든 머신러닝 라이브러리입니다. 하지만 이 작업의 목적은 mql5 도구로 수행하는 방법을 보여주기 위한 것이었죠?
mql5에서 유효성 검사를 사용한 학습 예제는 없습니다. 아직 유효성 검사를 사용한 예제를 찾지 못했습니다. 원하시면 나중에 적어드릴게요. 물론 직접 해보셔야 합니다. 당연히 그래야죠. 히스토리를 준비하고 훈련 매개 변수를 선택하는 데는 많은 작업이 필요합니다. 텐서플로우에는 모든 것이 있는 것 같지만 할 일이 너무 많습니다. 그리고 여기서 기술적 인 부분이 끝나지 않은 것으로 밝혀졌습니다.
아무리 여러 번 시도해도 날짜 사이에 1년이 넘으면 기록을 날짜별로 선택할 수 없습니다. 간혹 2년도 통과할 수 있습니다. 하지만 차트가 비어 있는 상태에서 빈 차트로 로드하면 1년만 표시됩니다. 어떤 기간의 데이터를 안정적으로 수집하려면 전략 테스터에서 한 날짜에서 다음 날짜까지 "유휴" 테스트가 필요합니다. 그런 다음 몇 년 동안 파일에 저장합니다.
Adam의 최적화 방법은 학습률에 따라 학습률을 조정하지 않나요? 또한 상수 값이 아닌 "상한"을 사용합니다.
순환 네트워크를 사용하는 경우 숨겨진 풀링크 레이어를 추가하는 이유는 무엇인가요? 풀링크 테마는 lstm 테마를 파괴하기 때문입니다.
드롭아웃은 모든 신경망의 레이어 속성이므로 네트워크의 끝에 풀링크 뉴런 1개가 활성화되어야 합니다. 예를 들어, lstm에서 드롭아웃 속성은 필수이며, 그렇지 않으면 여러 시대에 걸쳐 데이터에 익숙해집니다. 파이토치에서는 드롭아웃 속성을 두 개의 동일한 레이어 사이의 전환에만 사용할 수 있으므로 두 개의 반복 레이어가 필요하다는 것을 알고 있습니다. 그리고 텐서플로에서는 모든 레이어에 드롭아웃이 가능합니다. 파이토치보다 텐서플로우의 명백한 장점.
역전파에서 일괄 처리. 저자가 일괄 처리를 하는 이유는 무엇입니까! 각 시대마다 그는 훈련할 데이터를 무작위로 선택한다는 것이 밝혀졌습니다. 배치는 수량입니다! 예를 들어, 1000개의 항목을 샘플링하면 각각 100개의 값으로 구성된 10개의 패킷이 됩니다. 각 에포크는 다른 패킷이지만 항상 100개의 값이 있습니다. 저는 패킷 단위로 훈련하고 각 패킷이 끝날 때마다 가중치를 조정합니다. 이렇게 하면 로컬 최소값에서 멈추지 않도록 할 수 있습니다. 그리고 일부가 아닌 모든 샘플 데이터를 사용합니다.
거래 최적화가 아직 작동하지 않습니다. 대화창에 이상한 오류가 나타납니다. 컴퓨터가 한 번 꺼졌습니다. 즉, 네트워크를 훈련시킨 다음 거래를 최적화하려고 시도하는 경우입니다.
제 생각에는 외환에 그래픽 자극기를 사용하는 것은 잘못된 것입니다. 어떻게 보더라도 데이터가 많지 않습니다. 제 생각에는 최적화 프로그램에서 메타 트레이더 에이전트를 사용하여 다른 네트워크에 대해 다른 트레이닝 스트림을 실행하는 것이 더 정확할 것입니다. 예를 들어 텐서플로에서는 7개의 스트림을 훈련하고 있습니다. 하나가 소진되면 다른 하나가 추가됩니다. 그리고 100개의 변종 순서대로 계속 진행합니다. 그런 다음 히스토리에서 실행합니다.
여기서 요점은 신경망이 좋을 수 있다는 것입니다. 하지만 모든 신경망이 훈련 이력을 통과할 수 있는 것은 아닙니다. 그렇기 때문에 네트워크의 많은 변형이 필요합니다.
뉴로북과 소스를 다운로드한 후 완전히 파이썬으로 된 버전이 존재하는지 알고 싶습니다. 제공된 버전은 특히 컴퓨터에서 openCl 실행을 수행할 수 없는 경우 문제가 발생합니다. 현재 변환을 시도하고 있지만 조금 어렵습니다! 이미 이러한 프로젝트를 수행한 적이 있는 분이나 Python 버전의 소스를 어디서 찾을 수 있는지 알고 계신 분께 큰 감사를 드리고 싶습니다.
어떤 스크립트에서 이 study_data_not_norm.csv를 생성하나요? create_initial data의 스크립트를 시도했지만 작동하지 않았습니다. gpt_test_not_norm.mq5 스크립트를 실행할 때 범위가 범위를 벗어났습니다.
관리자 여러분,
이렇게 독특한 분야에서 배울 수 있는 기회를 주셔서 정말 감사합니다!
오류 5008에 관한 이전 게시물로 돌아가고 싶습니다.
또한 훈련된 모델 gpt_not_norm. net에 대한 전략 테스터를 로드하지 못했습니다. 오류 5008, 모델 파일이 로드되지 않습니다.
동시에 차트에서 실행할 때 로봇이 올바르게 작동하고 모델 파일이 직접 통과 한 후 적절한 값을 선택하고 차트에 표시하면 모든 것이 정상입니다.
모델 파일은 일반 \Terminal\Common\Files에 대한 True 플래그 에 따라 디렉토리에 있습니다.
또한 노트북의 다른 컴퓨터에서 동일한 작업을 실행했을 때 전략 테스터가 오류없이 시작되었습니다.
전략 테스터가 작동하지 않는 시스템 설정이 있을 수 있나요?
1. 다음 컴퓨터에서는 전략 테스터가 작동하지 않습니다.
인텔 코어 i5-9400F 2.90GHz 프로세서 , 16295MB
Windows 10 홈.
2. 전략 테스터는 다음 사양의 노트북에서 작동합니다.
인텔 코어 i7-2760QM 2. 40GHz 프로세서, 12238MB
Windows 10 Pro.
이 문제를 해결하도록 도와주세요.
비디오 카드가 장착되어 있고 확실히 더 빠릅니다.
gpt_test_not_norm.mq5 스크립트를 실행할 때 범위를 벗어난 종료가 발생했습니다.
프로그램의 40번째 줄에서요:
if(!loss_history.Resize(0,Epochs))
로 변경합니다:
if(!loss_history.Resize(Epochs))
안녕하세요. 많은 글을 쓰다 보니 책이 되었습니다. 책을 읽기 시작했고 시장을 위해 무언가를 써야겠다고 생각했습니다.
좋은 작품입니다. mql5 도구로 머신 러닝에 접근하는 방법을 설명할 수 있는 보편적인 책이 없기 때문입니다.
하지만.
샘플은 훈련 60%, 검증 20%, 테스트 20%의 세 부분으로 나뉩니다. 각 바 체인의 40개 바 중 35개 바가 반복됩니다. 도덕적 - 동일한 데이터를 사용하여 훈련하고 검증합니다. 그림을 그려봤습니다. 이것은 이 책의 문제일 뿐만 아니라 계속 반복해서 마주치는 문제입니다.
처음에는 지그재그 표시기가 반복되지 않는 움직임을 강조하는 바로 그 것이라고 생각했습니다. 위에서 아래로, 밑에서 위로, 밑에서 위로, 위로에서 위로처럼 말이죠. 책에서 말하는 것처럼 독특한 패턴이 될 것입니다. 하지만 저자는 한 줄씩 패턴을 만들었는데, 이는 물론 큰 실수입니다. 이를 위해 지그재그가 필요하지 않습니다. 10개의 막대만 앞을 보고 시장이 어디로 갔는지 계산하면 됩니다.
이것이 첫 번째 요점입니다 - 실용적입니다. 두 번째 요점은 기술적인 부분인데 역시 틀렸습니다. 저자는 텐서플로에서만 유효성 검사 교육을 제공한다고요? 텐서플로는 구글에서 만든 머신러닝 라이브러리입니다. 하지만 이 작업의 목적은 mql5 도구로 수행하는 방법을 보여주기 위한 것이었죠?
mql5에서 유효성 검사를 사용한 학습 예제는 없습니다. 아직 유효성 검사를 사용한 예제를 찾지 못했습니다. 원하시면 나중에 적어드릴게요. 물론 직접 해보셔야 합니다. 당연히 그래야죠. 히스토리를 준비하고 훈련 매개 변수를 선택하는 데는 많은 작업이 필요합니다. 텐서플로우에는 모든 것이 있는 것 같지만 할 일이 너무 많습니다. 그리고 여기서 기술적 인 부분이 끝나지 않은 것으로 밝혀졌습니다.
이것이 5%가 없으면 가치를 잃는 95%일까요?
좋은 작업이라는 사실에서 멈추겠습니다. 이만한 게 없으니까요.
Adam의 최적화 방법은 학습률에 따라 학습률을 조정하지 않나요? 또한 상수 값이 아닌 "상한"을 사용합니다.
순환 네트워크를 사용하는 경우 숨겨진 풀링크 레이어를 추가하는 이유는 무엇인가요? 풀링크 테마는 lstm 테마를 파괴하기 때문입니다.
드롭아웃은 모든 신경망의 레이어 속성이므로 네트워크의 끝에 풀링크 뉴런 1개가 활성화되어야 합니다. 예를 들어, lstm에서 드롭아웃 속성은 필수이며, 그렇지 않으면 여러 시대에 걸쳐 데이터에 익숙해집니다. 파이토치에서는 드롭아웃 속성을 두 개의 동일한 레이어 사이의 전환에만 사용할 수 있으므로 두 개의 반복 레이어가 필요하다는 것을 알고 있습니다. 그리고 텐서플로에서는 모든 레이어에 드롭아웃이 가능합니다. 파이토치보다 텐서플로우의 명백한 장점.
역전파에서 일괄 처리. 저자가 일괄 처리를 하는 이유는 무엇입니까! 각 시대마다 그는 훈련할 데이터를 무작위로 선택한다는 것이 밝혀졌습니다. 배치는 수량입니다! 예를 들어, 1000개의 항목을 샘플링하면 각각 100개의 값으로 구성된 10개의 패킷이 됩니다. 각 에포크는 다른 패킷이지만 항상 100개의 값이 있습니다. 저는 패킷 단위로 훈련하고 각 패킷이 끝날 때마다 가중치를 조정합니다. 이렇게 하면 로컬 최소값에서 멈추지 않도록 할 수 있습니다. 그리고 일부가 아닌 모든 샘플 데이터를 사용합니다.
거래 최적화가 아직 작동하지 않습니다. 대화창에 이상한 오류가 나타납니다. 컴퓨터가 한 번 꺼졌습니다. 즉, 네트워크를 훈련시킨 다음 거래를 최적화하려고 시도하는 경우입니다.
제 생각에는 외환에 그래픽 자극기를 사용하는 것은 잘못된 것입니다. 어떻게 보더라도 데이터가 많지 않습니다. 제 생각에는 최적화 프로그램에서 메타 트레이더 에이전트를 사용하여 다른 네트워크에 대해 다른 트레이닝 스트림을 실행하는 것이 더 정확할 것입니다. 예를 들어 텐서플로에서는 7개의 스트림을 훈련하고 있습니다. 하나가 소진되면 다른 하나가 추가됩니다. 그리고 100개의 변종 순서대로 계속 진행합니다. 그런 다음 히스토리에서 실행합니다.
여기서 요점은 신경망이 좋을 수 있다는 것입니다. 하지만 모든 신경망이 훈련 이력을 통과할 수 있는 것은 아닙니다. 그렇기 때문에 네트워크의 많은 변형이 필요합니다.
ChatGPT는 이 둘을 분류하는 가장 좋은 방법은 시그모이드를 사용하는 것이라고 제안합니다. 제가 찾을 수 없었던 것이 바로 그것입니다. 그리고 활성화 기능이 다릅니다. 하지만 손실 함수는 동일합니다 - MSE?
탄젠트는 여전히 분류가 아니라 회귀입니다. -1에서 1은 확률이 아니라 값 계산입니다.
요컨대, 그렇습니다. 다른 것은 없습니다. 그래서 수고는 확실히 좋습니다. 사용하겠습니다.
LG 2 10:07:44.216 Core 1 연결이 끊어짐
KP 0 10:07:44.216 Core 1 연결 종료됨
해결책을 찾았나요? 찾으면 게시하겠습니다.
"our_model.net " IMO 파일이 없습니다.