Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 353
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Genel olarak, dakikalardan bahsedersek, piyasa istatistiksel olarak homojendir, yani. istatistikler haftadan haftaya, aydan aya çok az (istikrarlı) değişir. Büyük TF'lerde bilmiyorum, konuyu incelemedim. Hatırladığım kadarıyla 1 dakika çalışıyorsun.
15 dakika ana TF veya OHLC tarafından dakika, ancak işçi hala 15 dakikadır. Ben tiklerle istiyorum, ancak çok yavaş optimize ediyor, şimdi bir kişi C ++ 'da bir test cihazı yazıyor, burada seçmenin çok daha hızlı olacağı
Prensip olarak, sık sık kısa süreler için yeniden optimize ederseniz, bunu birkaç dakika için yapabilirsiniz. Kase değil elbette, ama bir şeyler kazanılabilir.
Söz verdiğim gibi, blogda ANA - NÖRAL AĞ VE HAREKETLİ ORTALAMA KESİNTİSİ NN kesişimini tanıma sorunu hakkında kısa bir rapor yayınladım
Haberlerde, makalelerde vb. sinir ağlarının başarılarından bahsediyorlar, örneğin yavru kedileri yavrulardan ayırıyorlar, vb. Ama belli ki orada. sıradan tüccarların karşılayamayacağı ve geliştiremeyeceği pahalı ticari veya deneysel ağlar.
Fakat elimizdeki NN'ler (örneğin, R veya ALGLIB'den) üçgen, kare ve daire gibi ilkel şeyleri birbirinden ayırt edebilir mi?Tıpkı 2-3 yaş arası çocuklar için eğitici oyunlarda olduğu gibi.
Bana öyle geliyor ki, bu konudaki materyaller yeni bir başlıkta https://www.mql5.com/ru/forum/192779 düzenlenebilir, böylece (eğer bir sonuç ve deneyi tekrarlama imkanı varsa) olabilir. bulundu ve tekrarlandı ve burada 350 sayfada bir şey bulmak zaten zor ...Haberlerde, makalelerde vb. sinir ağlarının başarılarından bahsediyorlar, örneğin yavru kedileri yavrulardan ayırıyorlar, vb. Ama belli ki orada. sıradan tüccarların karşılayamayacağı ve geliştiremeyeceği pahalı ticari veya deneysel ağlar.
Fakat elimizdeki NN'ler (örneğin, R veya ALGLIB'den) üçgen, kare ve daire gibi ilkel şeyleri birbirinden ayırt edebilir mi?Tıpkı 2-3 yaş arası çocuklar için eğitici oyunlarda olduğu gibi.
Eh, çok karmaşık bir seçenek - hacimli rakamlar ...
Alglib hesabın farkında değil, ancak R'de mümkündür, bunun için yaklaşık 16x16 boyutunda bir girdi matrisine ihtiyacınız var. Bu 256 giriş nöronudur.) Peki. m.b. Biraz daha az. İnternette benzer bir görev için hazır uygulamalar bulmak mümkündür.
Bir dönüşle de mümkündür, ancak Millet Meclisi daha derin ve daha zor olacaktır. Şahsen ben geçiyorum.))
Her ne kadar TS'nin inşası için görevlerinizin kullanımını bu formda görmüyorum.
Her ne kadar TS'nin inşası için görevlerinizin kullanımını bu formda görmüyorum.
Sadece, bizim için mevcut olan ağların, daha karmaşık ticaret görevlerine uygulamadan önce basit görevleri yerine getirebildiğinden emin olmak istiyorum.
Sadece, bizim için mevcut olan ağların, daha karmaşık ticaret görevlerine uygulamadan önce basit görevleri yerine getirebildiğinden emin olmak istiyorum.
kareler ve en klasik MLP , daireleri sorunsuz bir şekilde tanımayı kolayca öğrenecek, konuya biraz daha derine inerseniz, klasik MLP'nin bir esinti ile% 97'ye kadar uçtuğu el yazısı sayıları MNIST'i tanıma görevini yerine getireceksiniz, sonra bir gıcırtı ile yüzde yarım daha ve sonra bir tef ile dans etmeye başlıyor. Aslında, böyle bir durumsal model birçok ML görevinde tanınır, savaş esas olarak yeterli bir sonuç için değil, puanda 3-5 ondalık basamak içindir.
MA ile deney yaptıktan sonra, bu aşamada, NS'nin girişlerine beslenen verilerin hazırlanmasında TS'de NN kullanmanın ana sorununu görüyorum. Çoğu NS için ham veriler muhtemelen yenmez.
Bu konu esas olarak bu sorunu çözmek için başlatıldı. Ancak bu konunun önemini kendi tecrübelerinizden yola çıkarak doğrulamanız çok daha faydalı olacaktır. Zor ama ilginç bir yolculuğun başındasınız.
İyi şanlar
not. R'de ve onun aracılığıyla Python'da şu anda bilinen en karmaşık sinir ağlarının tümü mevcuttur. Sadece onları nasıl kullanacağınızı öğrenmeniz gerekiyor.
Evet ve onunla şaka yapın.
Aptalca en basit şeyi alıyoruz - rastgele bir orman. Genellikle, eğitim sonucunda dersler alırız. Gerçekte, algoritma, sınıfı aldığımız sınıfın olasılığını verir. Genellikle olasılığı iki sınıfla ikiye bölün.
Ve bunun gibi sınıflara ayırırsanız: 0 - 0.1 bir sınıf ve 0.9 - 1.0 başka bir sınıf mı? 0,1 - 0,9 arasındaki aralık piyasada yok mu?
İşte yazıda gördüklerim.
Daha doğru ve zarif bir şekilde bu, calibrate::CORELearn/ içinde çözüldü.
Ve oldukça uzun bir süredir.
İyi şanlar