Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 338
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
não entendo a sua ideia (
a ideia não é minha, é o princípio de ensinar NS com um professor.
a ideia não é minha, é o princípio de ensinar NS com um professor.
Concordo, podes treinar redes mais complexas desta forma. Mas neste exemplo, há um treinamento baseado nos resultados da negociação no testador, sem as suas próprias instruções sobre onde negociar. Isto é, não é treino, mas optimização para o máximo lucro. Ou seja, não é exatamente um neurônio, mas um Expert Advisor com ponderação de valores indicadores.
Se voltarmos à aprendizagem para este mesmo exemplo, há 1 saída no código, se for > 0.5 então compramos, se for <0.5 então vendemos. Onde anexar a resposta 0/1 dada pelo professor? E o que fazer com ele?
Concordo, podes treinar redes mais complexas desta forma. Mas neste exemplo, há um treinamento baseado nos resultados da negociação no testador, sem as suas próprias instruções sobre onde negociar. Isto é, não é treino, mas optimização para o máximo lucro. Ou seja, não é exatamente um neurônio, mas um Expert Advisor com ponderação de valores indicadores.
Se voltarmos à aprendizagem para este mesmo exemplo, há 1 saída no código, se for > 0.5 então compramos, se for <0.5 então vendemos. Onde anexar a resposta 0/1 dada pelo professor? E o que devo fazer com ele?
é aí que você deve se fixar no momento do treinamento, e após o treinamento o resultado será uma previsão
oh vejo, é apenas um neurónio )que devolve um resultado sigmóide
então de maneira nenhuma
e aparafusá-lo no momento do treinamento e, após o treinamento, o resultado será uma previsão
Oh, estou a ver, é apenas um neurónio) que produz um resultado sigmóide
então de maneira nenhuma
Que pena(
E outras redes neurais estarão contando em um núcleo, o que levará muitas vezes mais tempo.
E no exemplo para 10 entradas recebemos 1,6 *1013 passes. Só a genética vai poupar tempo. Nem consigo imaginar quanto tempo demorará a contar totalmente com um núcleo de 1. E se multiplicarmos até 100 entradas, provavelmente será impossível de calcular.
Quanto tempo levou para treinar a rede e para quantas entradas/neurónios?
Triste(
E outras redes neurais contariam então com um núcleo, o que levaria muitas vezes mais tempo.
E nesse exemplo para 10 entradas recebemos 1,6 *1013 passes. Só a genética vai poupar tempo. Nem consigo imaginar quanto tempo mais demoraria a calcular este valor para o 1º núcleo. E se multiplicarmos as entradas até 100, provavelmente será impossível de calcular.
Quanto tempo levou para treinar a sua rede, e para quantos inputs/neurónios?
Depende principalmente da quantidade de história (exemplos de treino), desde alguns minutos até ao infinito) em 1-core para calcular uma grelha complexa não é uma opção, concordo
mas uma grelha deste tipo só é possível na GPU.
Que tal Chaos Hunter? Dê-me um link específico
aqui está o link
curiosamente, nunca vi uma biblioteca livre com uma implementação semelhante de programação genética...todas são apenas redes nets nets....
aqui está o link
curiosamente, nunca vi uma biblioteca livre com uma implementação semelhante de programação genética...todas são apenas net-networks....
Eu não sei o que é programação genética, mas há algoritmos de otimização genética por toda parte - do MT5 ao SciLab e ao ScyPy. Eu não sei o que são algoritmos genéticos, mas eles estão em toda parte.
É claro que os algoritmos genéticos estão em todo o lado..... mas não é a mesma coisa embora o princípio seja semelhante...
Nos algoritmos genéticos, o programa em si permanece inalterado enquanto todos os seus parâmetros sofrem evolução, mutação de cruzamento, seleção, etc.
A programação genética também evolui, mas os próprios algoritmos, os programas em si, crescem a partir dos dados disponíveis e usando quaisquer símbolos matemáticos + - / * cos sin etc., de acordo com uma dada função...
Se você der um conjunto de castiçais fechados para um período n e dados estocásticos e inclinação da regressão, este método irá multiplicar aleatoriamente, dividir e adicionar estes dados por quaisquer combinações possíveis, formando gradualmente uma certa fórmula matemática que combine com a função de busca...
Então temos as grelhas resolvidas, agora vamos fazer valer o nosso dinheiro:
http://www.nvidia.ru/object/ai-accelerated-analytics-ru.html
Porque é que um sigmóide é usado para calcular um neurónio? Não é melhor ter distribuição linear (do zero ao número de entradas)? Afinal de contas, "a função tem uma forma suave no intervalo [-5,5]"?
É bom se houver apenas 5 entradas, mas e se houver uma centena? Então praticamente todos os valores estarão fora deste segmento. O artigo https://www.mql5.com/ru/articles/497 aplica um fator adicional para contabilizar 10 entradas. Assim, para cada rede você teria que recalcular este coeficiente.