Discussão do artigo "Redes neurais de maneira fácil (Parte 52): exploração com otimização e correção de distribuição"
Dmitry hello. Por que, ao treinar esse Expert Advisor Study.mq5, o erro crítico não é exibido e é -nan(ind). No registro também escreve no final do estudo.
Agora tentei excluir todos os seus arquivos antigos da pasta MQL5/Experts e os copiei para uma pasta vazia sem substituí-los. Ele ainda não calcula o erro, diz -nan(int).
Olá. Tenho a mesma história. Arquivo descompactado, nan(int). Na pasta de dados comuns, o arquivo SoftAC_DICE.set parece estar vazio (16 bytes).
E o indicador de erro? Ele realmente não o calcula ou simplesmente não o produz? Mesmo que isso não seja tão importante, o processo de aprendizagem está ocorrendo? De acordo com os resultados do teste, não.
As setas estão em quase todas as barras, o que não deveria ser o caso pela própria lógica do mercado.
Arquivos anexados:
2023-08-06_08-54-44.png
144 kb
Executei o treinamento por meio da placa de vídeo e obtive -nan em vez de erros. Tentei executá-lo por meio do processador e os erros foram exibidos normalmente. Se alguém tiver descoberto como corrigir esse erro (por meio da placa de vídeo), compartilhe sua opinião.
star-ik #:
E o indicador de erro? Ele realmente não o calcula ou simplesmente não o produz? Mesmo que isso não seja tão importante, o processo de aprendizagem está ocorrendo? A julgar pelos resultados do teste, não.
E o indicador de erro? Ele realmente não o calcula ou simplesmente não o produz? Mesmo que isso não seja tão importante, o processo de aprendizagem está ocorrendo? A julgar pelos resultados do teste, não.
Notei um erro de digitação no código do Expert Advisor Study.mq5.
Ele deveria ser
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
Novo artigo Redes neurais de maneira fácil (Parte 52): exploração com otimização e correção de distribuição foi publicado:
À medida que a política do Ator se afasta cada vez mais dos exemplos armazenados no buffer de reprodução de experiências, a eficácia do treinamento do modelo, baseado nesse buffer, diminui. Neste artigo, examinamos um algoritmo que aumenta a eficácia do uso de amostras em algoritmos de aprendizado por reforço.
No entanto, para nós, como sempre, é de maior interesse a eficácia do modelo em dados novos. A capacidade de generalização e o desempenho do modelo em dados desconhecidos foram testados no testador de estratégias em dados históricos de junho de 2023. Como se pode observar, o período de teste segue imediatamente após a amostra de treinamento. Isso garante a máxima homogeneidade entre as amostras de treinamento e teste. Os resultados do teste são apresentados a seguir.
No gráfico apresentado, é visível uma área de retração na primeira década do mês. Mas, em seguida, há um período de rentabilidade, que continua até o final do mês. Como resultado, o EA obteve um lucro de 7,7% em um mês, com uma retração máxima de 5,46% no Equity. Quanto ao saldo, a retração foi ainda menor, não excedendo 4,87%.
Da tabela de resultados do teste, é evidente que durante o teste, o EA realizou operações de negociação em diferentes direções. Um total de 48 posições foram abertas. E 54,17% delas foram fechadas com lucro. Nesse caso, a negociação mais lucrativa foi mais de três vezes maior que a maior negociação perdedora. E a negociação lucrativa média foi quase metade maior do que a negociação perdedora média. Em termos quantitativos, em média, para cada 3 negociações lucrativas, houve 2 perdedoras. Tudo isso resultou em um fator de lucro de 1,74 e um fator de recuperação de 1,41.
Autor: Dmitriy Gizlyk