Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2301

[Excluído]  

Existem algumas características que, estranhamente, prejudicam a generalidade (estou falando de catbust em particular, provavelmente também se aplica a outras). Parece estranho, porque você apenas adiciona novas funcionalidades, e o modelo produz mais erros do que sem eles.

por exemplo, treinados em alguns mashes, depois removidos alguns e a precisão tornou-se maior

 
mytarmailS:

Não, uma camada é primitiva, é apenas uma multiplicação de peso.

Essa é a tua teoria.

não minha.

 
Maxim Dmitrievsky:

Existem algumas características que, estranhamente, prejudicam a generalidade (estou falando de catbust em particular, provavelmente também se aplica a outras). Parece estranho, porque você apenas adiciona novas funcionalidades, e o modelo produz mais erros do que sem eles.

Por exemplo, treinei em alguns mashes, depois removi alguns e o erro tornou-se mais alto.

Eu descrevi este efeito há muito tempo atrás.

https://www.mql5.com/ru/blogs/post/725189

É detectado através de uma reciclagem completa do modelo.

É o ruído que perturba o seu trabalho.

Еще про оценку предикторов
Еще про оценку предикторов
  • www.mql5.com
Пробую оценить важность предикторов для обученного леса, удаляя 1 из них и обучая лес снова. После чего из ошибки полного леса вычитаю ошибку леса c удаленным  предиктором. Если ошибка
[Excluído]  
elibrarius:

Há muito tempo atrás descreveu um tal efeito

https://www.mql5.com/ru/blogs/post/725189

Identificado por uma completa requalificação do modelo.

É o barulho - que atrapalha o caminho.

Sim, mas aqui você pode ver como os recursos interagem. É pena que esteja ligado a uma estrutura MO específica.

porque a importância pode ser subestimada pela multicolinearidade.

É claro que não é bom andar por aí à mão quando há tantos sinais
 
mytarmailS:

Não, uma camada é primitiva, é apenas uma multiplicação de peso.

Essa é a tua teoria.

Aqui está - o teorema de Tsybenko.

A fórmula apresentada y = x1/x2. - é contínuo e apenas bidimensional.


https://www.mql5.com/ru/code/9002

Recomendações:

  • Uma rede com três camadas (numLayers=3: uma entrada, uma oculta e uma saída) é normalmente suficiente na grande maioria dos casos. De acordo com o teorema de Tsybenko, uma rede com uma camada oculta é capaz de se aproximar de qualquer função multidimensional contínua com qualquer grau de precisão desejado. Uma rede com duas camadas ocultas é capaz de se aproximar de qualquer função multidimensional discreta.
Ценовой прогноз с использованием нейронных сетей
Ценовой прогноз с использованием нейронных сетей
  • www.mql5.com
Индикатор, который использует нейронные сети для прогнозирования ближайших нескольких цен открытия. Сеть обучается методом обратного распространения ошибки. Обучение проходит автоматически, результат — самообученная сеть и самообучающийся индикатор.
 
elibrarius:

A fórmula apresentada y = x1/x2. - é contínuo e apenas bidimensional.

É discreto ou contínuo?

 
mytarmailS:

É discreto ou contínuo?

É contínuo. Tem lacunas e buracos? Já olhou para o exemplo do desenho?


 
elibrarius:

Contínuo. Tem lacunas e buracos? Já olhou para o exemplo do desenho?

Sim....

Uma função contínua é umafunção que muda sem "saltos" momentâneos (chamados "gaps"), ou seja, aquela cujas pequenas mudanças noargumento levam a pequenas mudanças no valor da função.O gráfico de uma função contínua é umalinha contínua.

 
mytarmailS:

Sim....

Uma função contínua é umafunção que muda sem "saltos" instantâneos (chamados dedescontinuidades), ou seja, aquela cujas pequenas mudanças noargumento resultam em pequenas mudanças no valor da função.O gráfico de uma função contínua é umalinha contínua.

Em que momento oy = x1/x2 se parte?
 
elibrarius:
Ondey = x1/x2 é interrompido?

x2=0