O que alimentar a entrada da rede neural? Suas ideias... - página 29

Novo comentário
 
Experimentei todas as arquiteturas MLP e RNN
Até 5 camadas, até 20 neurônios por camada. O otimizador do MT5 não permite mais

O resultado é curioso: quanto mais camadas, pior. Quanto mais neurônios, pior.

Registro: 1 entrada, 1 camada, 1 neurônio - acabou sendo o melhor.

Não entendo nada disso.

Ou seja, uma entrada é suficiente para que até mesmo um neurônio, multiplicando apenas um peso por essa entrada, mantenha uma negociação estável por mais tempo.

Bem, tão estável quanto: o melhor do pior, ou seja, conjuntos com avanço estável aparecem até mesmo nas linhas superiores do otimizador.

Aparentemente, precisamos cavar neste lugar: localmente em uma pequena, mas aconchegante "caixa de gato"
 
Ivan Butko #:
Experimentei todas as arquiteturas MLP e RNN
Até 5 camadas, até 20 neurônios por camada.
O otimizador MT5 não permite mais

O resultado é curioso: quanto mais camadas, pior. Quanto mais neurônios, pior.

O registro: 1 entrada, 1 camada, 1 neurônio - acabou sendo o melhor.

Não estou entendendo nada.

Ou seja, uma entrada é suficiente para que até mesmo um neurônio, multiplicando apenas um peso por essa entrada, mantenha uma negociação estável por muito tempo.

Quão estável: o melhor do pior, ou seja, conjuntos com avanço estável aparecem até mesmo nas linhas superiores do otimizador.

Aparentemente, precisamos cavar neste lugar: localmente em uma pequena, mas aconchegante "caixa de gato"

O principal fator é o número de variáveis

[Excluído]  
Ivan Butko #

Não entendo nada disso.

Compensação de viés-variância, noções básicas de ML.
 
Maxim Dmitrievsky #:
Troca de viés-variância, noções básicas de ML.

Tentei o oposto: treinei novamente até o extremo, quase ponto a ponto, de modo que a drenagem fosse constante no forward e, em seguida, mudei as posições. Sim, a drenagem parou, mas se transformou em um flat devido à dispersão de um grande número de negociações. Uma falha compensa a outra.

[Excluído]  
Ivan Butko #:

Tentei fazer o contrário: treinei-o novamente até o extremo, quase ponto a ponto, de modo que ele drenou constantemente no forward e, em seguida, inverteu as posições. Sim, a drenagem parou, mas se transformou em um flat devido à dispersão de um grande número de negociações. Uma falha compensa a outra.

É assim que eles fazem isso. Primeiro, uma grande rede é treinada e, em seguida, as camadas e os neurônios são descartados de forma otimizada, o viés é minimizado em novos dados. Paralelamente, a variação (propagação do erro) nos dados de treinamento aumenta. Se nada funcionar, então o problema está nos dados.

Ou seja, para torná-lo decente nos dados de treinamento e aceitável nos dados de teste. Compromisso. Se você não gostar do resultado, terá que alterar os dados. E assim por diante, até o fim da cenoura.
[Excluído]  
Tente a volatilidade (indicador std). Ela será melhor com novos dados, pois é sempre a mesma, dependendo do tempo. Só haverá diferença se, em novos dados com a mesma volatilidade, o mercado se mover em uma direção diferente, em média. Nesse caso, você também pode adicionar um filtro de tempo para descobrir quando é a mesma coisa.
 
Maxim Dmitrievsky #:
Tente a volatilidade (indicador std). Ela será melhor com novos dados, porque é sempre praticamente a mesma. Só haverá diferença se, em novos dados com a mesma volatilidade, o mercado se mover em uma direção diferente.




Obrigado pelo conselho. Tive a ideia de normalizar os dados (cortar a cauda) para uma casa decimal .0; Mol, para criar estacionariedade, porque ele reage a esses números pequenos e, por causa deles, lembra-se estupidamente do "caminho" do preço como se fosse um número pequeno.

[Excluído]  
Ivan Butko #:




Obrigado pelo conselho. Tive a ideia de normalizar os dados (cortar a cauda) para uma casa decimal .0; para criar estacionariedade, porque ele reage a esses números pequenos e, por causa deles, lembra-se estupidamente do "caminho" do preço como se fosse o mesmo.

Isso não economizará muito, assim como você pode adicionar ruído aleatório aos recursos. Será um pouco melhor em alguns casos, porque será menos retreinado, mas não é uma panaceia.
[Excluído]  
Se você pensar logicamente, precisará de algum tipo de indicador de tendência de longo prazo e de volatilidade. A tendência mostra em que direção os negócios são abertos, e a volatilidade especifica os momentos. Não é possível pensar em nada mais além de indicadores.

E é necessário incluir diferentes tendências no treinamento para que ele aprenda a distinguir entre elas.
 

Você pode inserir o que quiser:

hora do dia, dia da semana, fases da lua, etc. etc.

Uma rede normal classificará os dados necessários e desnecessários por si só.

O principal é o que ensinar!

Aprender com um professor não é uma boa opção aqui. As redes com propagação de erros para trás são simplesmente inúteis.

1...222324252627282930313233343536...85
Novo comentário