Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 414
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
Porque é que não se sabe? O número de clusters a dividir é definido como valor de entrada no início: K - número desejado de clusters, K>=1
Suponha que eu tenha dividido os dados em 4 grupos, o que devo fazer com eles?
Quero dizer que não sei de antemão que classe pertence ao que na amostra... o que fazer com eles depois em termos de negociação não sei, pode ser ver que casos pertencem a vender sinais e quais a comprar, o que é mais, e assim por diante...
Os pacotes ML que conheci permitiram-me alterar a função de activação da camada.
Mas esses são métodos extremos.
Eu queria me enfiar e escrever algumas das minhas camadas recorrentes - ainda bem que ganhei juízo. =)
Basicamente, se você tiver conhecimento suficiente, e se a biblioteca permitir, você pode herdar a classe de neurônio e escrever lá sua função de ativação.
Mas estes são métodos extremos.
Uma vez eu quis entrar e escrever algumas das minhas camadas recorrentes, mas é bom que eu tenha caído em si. =)
O softmax dividiu os sinais normalmente, não como antes havia poucas compras e poucas vendas, agora é igual. Mas ainda está a perder dinheiro, preciso de trabalhar melhor os preditores e os alvos.
Lembro-me de alguém me repreender por ter de orientar o meu modelo todas as manhãs para poder trabalhar com ele no futuro. Aqui está como o meu modelo hetero funcionou hoje. Mau, dizes tu, claro que te vou dizer... Agora espelhe-o na sua cabeça e comece a negociar a partir do terceiro sinal. Como agora????? E você diz que o método de orientação é uma treta....
E não há necessidade de mimar a Avózinha!!!! :-)))))
Muito bem, agora que estás no ponto, vou dizer-te uma ideia sobre a recolha de dados para processamento. É realmente difícil treinar um modelo com um alto nível de generalização numa área suficientemente grande, porque o mercado é um organismo vivo e blá, blá, blá, blá. Quanto mais longo o período de treino, pior é o desempenho do modelo, mas mais longo. Objetivo: Fazer um modelo de longo prazo. Divisão ou método dois, porém para aqueles que utilizam um comitê de duas redes.
Temos três estados: "Sim", "Não" e "Não sei", quando as grelhas aparecem em direcções diferentes.
Nós treinamos a rede em toda a secção, no nosso caso 452 entradas. A rede aprendeu este conjunto em 55-60%, assumindo que as respostas "Não Sabe" no conjunto de treinamento foram 50%, então 226 sinais que a rede não pôde aprender. OK, agora nós construímos um novo modelo SOMENTE sobre os estados "Não sei", ou seja, tentamos construir o modelo sobre estados tão quase-estatais que enganaram o primeiro modelo. O resultado é aproximadamente o mesmo de 226, apenas metade será reconhecida, o resto terá o estado "Não sei", depois construirá o modelo novamente. o resultado é 113, depois 56, depois 28, depois 14. Em 14 entradas não conhecidas por nenhum dos modelos anteriores, o Jprediction Optimizer calcula normalmente até 100% de generalizabilidade.
Como resultado, temos um "Sistema Padrão" que reconhece todo o mercado em um período de três meses.
Aqui está outra maneira, além do "Contexto do dia" Como você pode dividir o mercado em subespaços e realizar treinamentos obtendo exatamente o "Sistema Padrão" Aqui está um exemplo....
Para ser honesto, eu fiz a subdivisão um pouco diferente aqui, mas a essência permanece a mesma.
Havia um arquivo geral de 288 linhas, eu o dividi em três amostras, o número de registros da amostra de treinamento é especificado na linha Tootal patterns.
O último:
E o último.
Sem condições cada um deles deve ganhar, mas preste atenção ao número total de negócios nesta área 54 peças (estratégia básica). E foi isto que aconteceu quando todos eles trabalharam juntos ao mesmo tempo.