MetaTrader 5 Python User Group - como usar o Python no Metatrader - página 82
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
Como posso fazer uma compensação?
Esta é a tabela (Quadro de Dados)
como fazê-lo assim:
Para quê? Basta imprimi-lo?
Como posso fazer uma compensação?
Esta é a tabela (Quadro de Dados)
Como fazer isto assim:
Aqui, encontreipandas.DataFrame.shift
O principal é não esquecer de apagar a última linha, pois ela conterá lixo.
Caros Senhores, por favor, aconselhem-me sobre o que está errado com a minha compreensão.
Construí uma rede neural. Preparou os dados.
Treinou-o.
Resultado.
E depois não entendo o que acontece...
predictions = model.predict(X_test[:15]).
Porquê tal "previsão" de resultados? Espera-se 0-0, 0-1 ou 1-0....
É sempre assim...
Quando se faz uma pergunta, todos pensam: porquê incomodar-se?
Opinião subjectiva: 93% do tempo que tem de ir ao Google.... 90% do tempo que leva a fazer a pergunta correctamente....
Obrigado pelo feedback! É tudo por agora. Vou ao google....
estas são as probabilidades das classes 1 e 2
2nd tem uma maior probabilidade, por isso é previsto
a sua soma deve ser 1, há aqui algum tipo de erro de treino
Deve produzir 1 neurónio se for uma classificação binária. Ou softmaxestas são as probabilidades das classes 1 e 2
2nd tem uma maior probabilidade, por isso é previsto
a sua soma deve ser igual a 1, há aqui algum tipo de erro de treino
É necessário 1 neurónio por saída, se for uma classificação binária. Ou softmaxA classificação binária não implica 1 neurónio por saída. Pelo menos pelo que encontrei...
Mas o problema é que o quadro também não muda quando se utilizam outras funções de perda!
Escreverei um testador de dados amanhã com validação da previsão. Mas algo me diz que o resultado será deplorável!
Não consigo entender porque é que a "precisão" é superior a 96% e a previsão é "assim"...
Talvez eu esteja a fazer algo de errado?
A classificação binária não implica 1 neurónio por saída. Pelo menos pelo que encontrei...
Mas o problema é que o quadro também não muda quando se utilizam outras funções de perda!
Escreverei um testador de dados amanhã com validação da previsão. Mas algo me diz que o resultado será deplorável!
Não consigo compreender porque é que a "precisão" é superior a 96% e a previsão é "assim"...
Talvez eu esteja a fazer algo de errado?
Acho que não faço ideia do tipo de construtor de rede que é.
1 neurónio não implica, mas uma víbora deve ficar de pé e uma activação f-e. Normalmente coloca-se 1 neurónio
pode haver muitas razões. Por exemplo, os dados não estão normalizados, não estão devidamente preparados, a rede está tortaAcho que não faço ideia do tipo de construtor de rede que é.
1 neurónio não implica, mas uma víbora deve estar no lugar e uma activação f-e. É normalmente 1 neurónio.
Pode haver muitas razões. Por exemplo, os dados não estão normalizados, não estão devidamente preparados, a rede não está construída correctamenteO problema é que a normalização é uma causa perdida!
Deixem-me explicar. Há alguns dados A, B, C...
São diferentes em termos de significado e assim por diante. Todos (google) dizem que a normalização deve ser feita por colunas (A-A-A, B-B-B, C-C-C) e não por filas. Isto é logicamente compreensível.
Mas quando aparecem novos dados para "predição" COMO normalizá-los se são apenas UMA fila? E qualquer termo nessa linha pode ir além da normalização dos dados de formação e teste?
E a normalização por cordas não tem qualquer efeito!
Na verdade, já depois de verificar estas nuances, tive este "grito da alma" ))))