Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası
Deus Ex Machina.
Uzun soluklu ciltler dolusu felsefi risaleler bu sözlerle sayfalarını okura açar.
Peki, kimse makine öğrenimi yapmak istemiyor mu?
Deus Ex Machina.
Uzun soluklu ciltler dolusu felsefi risaleler bu sözlerle sayfalarını okura açar.
Peki, kimse makine öğrenimi yapmak istemiyor mu?
Her işlemin bir riski ve diğer koşulları vardır, makine öğrenimi eski verileri kullanır, yani var olmayan bir şey üzerinde çalışır.
Daha doğrusu, daha önce olanlara.
Ve bunda istikrarlı bir bağımlılık arıyor.
Onları arıyoruz.
Daha doğrusu, daha önce olanlara.
Ve bunda istikrarlı bir bağımlılık arıyor.
Onları arıyoruz.
Her işlemin bir riski ve diğer koşulları vardır, makine öğrenimi eski verileri kullanır, yani var olmayan bir şey üzerinde çalışır.
yeni bilgi var mı Yani grafiğe bile bakmadan sizi anlamanız gerekiyor, orada eski veriler var mı? Evet?
Genel olarak, evet. Konuyu biraz canlandırmak için soruyu doğru çözene 5 kredi aktaracağıma söz veriyorum.
Bir dizi bilgilendirici girdi yayınlayın.
Topluluk, forumda aktif olduğum için beni onlara emanet etti, onları sisteme geri döndüreceğim, ama aynı zamanda bazı ilginç tartışmalar yapacağız.
Alexey
Belirtilen "Makine öğrenimi" konusu önemli, karmaşık ve çok büyük. İlk gönderiye bakılırsa, hazırlık ve önemli aşamalardan biri olan " Tahmin edicilerin değerlendirilmesi ve seçimi " ile başlamak istiyorsunuz. Verilen problemle neyi çözmek veya göstermek istiyorsunuz? Yeni yöntem, yöntem ya da ne?
Konunun içeriği ve konusu uyuşmuyor.
Hedefi belirtin, belki ilgilenenler olur.
Çok az insanın, anlaşılmaz hedeflerle sorunları çözmek için boş zamanı var.
İyi şanlar
Her işlemin bir riski ve diğer koşulları vardır, makine öğrenimi eski verileri kullanır, yani var olmayan bir şey üzerinde çalışır.
Hep geçmişten ders alıyoruz.
Yüzyıllardır grafiğe bakıyoruz. İkisi de açık ve "üç asker" görüyoruz, sonra "baş ve omuzlar" görüyoruz. Daha önce böyle nice rakamlar görüldü ve biz bu rakamlara inanıyoruz, ticaret yapıyoruz...
Ve görev şu şekilde ayarlanmışsa:
1. Bu tür rakamları otomatik olarak bulun ve genel olarak tüm çizelgeler için değil, belirli bir döviz çifti için, pirinç ticareti yaparken Japonlar tarafından üç yüzyıl önce değil, son zamanlarda karşılaşılanlar.
2. Bu tür rakamları - kalıpları otomatik olarak aradığımız ilk veriler bizim için uygun mu?
İlk soruyu cevaplamak için, "rastgele orman" - rastgele orman adı verilen bir algoritmayı ele alalım. Algoritma, bir veya birkaç para biriminin, göstergelerin, fiyat artışlarının teklifini alır - bir kişinin çalışması için ilk veri olarak düşündüğü her şey. 10-5-100-200 ... girdi değişkenleri. Daha sonra, bir çubuğa karşılık gelen, zamanın bir anıyla ilgili değişkenlerin tüm değerleri kümesini alır ve bu girdi değişkenlerinin, örneğin, geçmiş veriler üzerinde iyi tanımlanmış bir sonuca karşılık gelen böyle bir kombinasyonunu arar. SATIN AL emri. Ve başka bir sipariş için başka bir kombinasyon seti - SAT. Bu tür kümelerin her biri ayrı bir ağaca karşılık gelir. Deneyimler, 18.000 barlık (yaklaşık 3 yıl) bir giriş saati seti için algoritmanın 200-300 ağaç bulduğunu göstermektedir. Bu, neredeyse "baş ve omuzların" analogları ve tüm asker şirketleri olan bir dizi kalıptır.
Bu algoritmanın sorunu, bu tür ağaçların gelecekte karşılaşılmayacak bazı özellikleri yakalayabilmesidir. Buna burada forumda "fazla uydurma", makine öğreniminde "fazla uydurma" denir. Tüm büyük başlangıç değişkenleri setinin iki bölüme ayrılabileceği bilinmektedir: çıkış değişkeni ile ilgili olanlar ve gürültü ile ilgili olmayanlar. Burada Burnakov, sonuçla ilgili olmayanları ayıklamaya çalışıyor.
not.
Trend olan TS (AL, SAT) oluştururken, her türlü araba gürültülüdür!
İlk gönderiye bakılırsa, hazırlık ve önemli aşamalardan biri olan "Tahmin edicilerin değerlendirilmesi ve seçimi" ile başlamak istiyorsunuz. Verilen problemle neyi çözmek veya göstermek istiyorsunuz? Yeni yöntem, yöntem ya da ne?
Konunun içeriği ve konusu uyuşmuyor.
Hedefi belirtin, belki ilgilenenler olur.
Çok az insanın, anlaşılmaz hedeflerle sorunları çözmek için boş zamanı var.
TAMAM.
Birisi karar verirse veya en azından doğru çözüme yaklaşırsa (yani konu canlı olacak), o zaman ben:
Doğru çözümü göndereceğim - veri kümesi oluşturma algoritması
Diğer bazı "Tahmin ve tahmin edicilerin seçimi " algoritmalarının neden başarısız olduğunu açıklayacağım.
Benzer sorunları sağlam ve hassas bir şekilde çözen yöntemimi ortaya koyacağım - bir teori sunacağım ve kodu R'de düzenleyeceğim.
Bu, makine öğrenimi görevlerinin "anlamasını" karşılıklı olarak zenginleştirmek için yapılır.
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hepinize iyi günler,
Forumda makine öğrenmesi ve istatistik meraklıları olduğunu biliyorum. Bu konuda (holivarlar olmadan) tartışmayı, bu ilginç alanda kendi bilgi hazinenizi paylaşmayı ve zenginleştirmeyi öneriyorum.
Yeni başlayanlar için ve sadece Rusça'da iyi bir teorik kaynak yok: https://www.machinelearning.ru/
Bilgilendirici özelliklerin seçimine ilişkin yöntemlerle ilgili literatürün küçük bir incelemesi: https://habrahabr.ru/post/264915/
Bir numaralı sorunu öneriyorum . Çözümümü daha sonra yayınlayacağım. SanSanych onu zaten gördü, lütfen cevap vermeyin.
Giriş: Bir ticaret algoritması oluşturmak için, fiyatı, eğilimi veya bir anlaşma açma yönünü tahmin etmek için hangi faktörlerin temel olarak kullanılacağını bilmeniz gerekir. Bu tür faktörlerin seçimi kolay bir iş değildir ve sonsuz derecede karmaşıktır.
Ekte, yaptığım yapay bir csv veri setine sahip bir arşiv var.
Veriler, input_ ön eki olan 20 değişken ve en sağdaki bir değişken olan output içerir.
Çıkış değişkeni, giriş değişkenlerinin bazı alt kümelerine bağlıdır ( alt küme 1 ila 20 giriş içerebilir).
Görev: Mevcut veriler üzerinde çıkış değişkeninin durumunu belirleyebileceğiniz giriş değişkenlerini seçmek için herhangi bir yöntemi (makine öğrenimi) kullanmak.
Çözüm burada şu şekilde gönderilebilir: input_2, input_19, input_5 (örnek). Ayrıca girdilerin ve çıktı değişkeninin bulunan bağımlılığını da tanımlayabilirsiniz.
Kim halledebilir, aferin) Hazır bir çözümüm ve açıklamam var.
Alexey