Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2292
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
можно оценить влияние признаов через веса
Понял, чем больше вес тем больше влияние. А больше информации можно получить?
Например понять что задача не имеет лучшего решения, или не выпуклая (если не путаю термин). может как-то веса будут уходить в беск., или может при одних и тех же ошибках сети веса могут вразнобой меняться (т.е. то у конкретного входа очень малый а потом в другом подходе обучения (заново начав) наоборот очень большой) и т.п.
Практически пока бьюсь с задачей, где два класса несимметрично распределены (одного более 60%) и сетки "выгорают" в 100% случаев выдавая один класс.
Фильтрую входные данные по разному и подбираю новые данные. вопрос может помочь в фильтрации "плохих" входов, какие входа вообще выкинуть или фильтровать их по другому.
Для предварительного анализа входов можно леса использовать
Да, знаю, делал в R, лень туда-сюда гонять и долго. а Алглиб на МТ5 позволяет это нормально без косяков?
Но думал может несколько эр обучения сходу подскажут если глянуть на веса входов.
Понял, чем больше вес тем больше влияние. А больше информации можно получить?
Например понять что задача не имеет лучшего решения, или не выпуклая (если не путаю термин). может как-то веса будут уходить в беск., или может при одних и тех же ошибках сети веса могут вразнобой меняться (т.е. то у конкретного входа очень малый а потом в другом подходе обучения (заново начав) наоборот очень большой) и т.п.
Практически пока бьюсь с задачей, где два класса несимметрично распределены (одного более 60%) и сетки "выгорают" в 100% случаев выдавая один класс.
Фильтрую входные данные по разному и подбираю новые данные. вопрос может помочь в фильтрации "плохих" входов, какие входа вообще выкинуть или фильтровать их по другому.
там много чего можно, соду не скажу т.к. есть спец. паеты.
классы надо балнсировать для НС. Добавить примеров недостающих
Да, знаю, делал в R, лень туда-сюда гонять и долго. а Алглиб на МТ5 позволяет это нормально без косяков?
Лучше питон освоить.
Aleksey Mavrin:
Практически пока бьюсь с задачей, где два класса несимметрично распределены (одного более 60%) и сетки "выгорают" в 100% случаев выдавая один класс.
Сбалансировать классы, или метрику переделать, что бы редкому классу больше очков давал
Легко. Переход к приращениям это дифференцирование. Меняется соотношение амплитуд у частот, но они никуда не пропадают. Даже лучше становится медленные циклы не забивают быстрые, не нужно фильтрацию машками делать.
тогда странно, почему ты их не нашел, раз легко
тогда странно, почему ты их не нашел, раз легко
пока на синусойдах не поэксперементируешь не поймешь
пока на синусойдах не поэксперементируешь не поймешь
на синусойдах Асауленко экспериментировал, потом сбежал куда-то.. обиделся на них
возьми простую МАшку с 24 периодом и проверь по ней. Может какой другой низкочастотный фильтрна синусойдах Асауленко экспериментировал, потом сбежал куда-то.. обиделся на них
возьми простую МАшку с 24 периодом и проверь по ней. Может какой другой низкочастотный фильтрhttps://www.mql5.com/ru/forum/86386/page2089#comment_19102675
https://www.mql5.com/ru/forum/86386/page2089#comment_19102675
я не понимаю что ищется таким образом. Тебе надо найти статистически значимое отклонение от среднего по конкретным периодам, либо автокорреляцию
возможно, есть смысл перебрать низкочастотные фильтры, а не просто МАхи