Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 839
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
İlk başta, sadece birkaç yüz kişi tahminlerini sunduğunda, her şey yolundaydı, hatta yerler için ödeme bile aldım. Burada forumda, en az iki kişi daha ödüllerle mükemmel sonuçlar verdi.
Sayı yöneticilerinin en iyi sonuçları seçmesi ve bunlar üzerinde işlem yapması oldukça kolaydı. Sonra binlerce katılımcı vardı, onlara model değil, her türlü çöpü göndermeye başladılar, her türlü hileci, aptalca kaba tahminleri zorlayan yüzlerce hesapla ortaya çıktı. Yöneticiler tüm bu sirkten bıktı, bunu çok basit bir şekilde yaptılar - "nakit ödül istiyorsanız - depozito bırakın." Model saçmalıksa, rehin kaybedilecek ve kar olmayacak.
Bana göre yöneticiler onlar için en kolay yolu seçtiler. Kendileri, potansiyel olarak iyi modelleri nasıl tanımlayacaklarını, hatta özellikler hazırlamayı öğrenmediler ve her şeyi bir piyangoya dönüştürdüler. Yab onların yerine her şeyi farklı yaptı.
İlk başta, sadece birkaç yüz kişi tahminlerini sunduğunda, her şey yolundaydı, hatta yerler için ödeme bile aldım. Burada forumda, en az iki kişi daha ödüllerle mükemmel sonuçlar verdi.
Sayı yöneticilerinin en iyi sonuçları seçmesi ve bunlar üzerinde işlem yapması oldukça kolaydı. Sonra binlerce katılımcı vardı, onlara model değil, her türlü çöpü göndermeye başladılar, her türlü hileci, aptalca kaba tahminleri zorlayan yüzlerce hesapla ortaya çıktı. Yöneticiler tüm bu sirkten bıktı, bunu çok basit bir şekilde yaptılar - "nakit ödül istiyorsanız - depozito bırakın." Model saçmalıksa, rehin kaybedilecek ve kar olmayacak.
Bana göre yöneticiler onlar için en kolay yolu seçtiler. Kendileri, potansiyel olarak iyi modelleri nasıl tanımlayacaklarını, hatta özellikler hazırlamayı öğrenmediler ve her şeyi bir piyangoya dönüştürdüler. Yab onların yerine her şeyi farklı yaptı.
Belki haklısın, ama şimdi IMHO hepsi çok keyfi, logolar bir şekilde garip bir şekilde değişiyor, hayatta yarıdan fazla (daha iyi) rastgele (0.96315) idi, şimdi aniden neredeyse herkes (daha kötü) rastgele oldu ... kısa keyfilik IMHO, hiçbir şeyi kontrol edemediğinizde “riske atmalarına” güvenmiyorum ve fikrin kendisi aptalca, sınıflandırmanın kendisi hiç de zor değil, onu devretmenin bir anlamı yok, bu başka bir şey ham verilerden özellikler ve hedefler oluşturmak için .. .
Bu dalın Üst Düzeyden düşmesine izin vermeyeceğim.
Sinir ağlarının beyleri - sıradan insanlar sizden Kase'yi bekliyor. Kaybetme.
RandomUniformForest ile denendi - beğenmedi.
Tahmin edicilerin önemi, sürekli olarak listede yukarı ve aşağı zıplıyor.
https://www.mql5.com/ru/articles/4227 makalesindeki verilere dayanan tekrarlanabilir bir örnek:
RStudio'yu başlatın, terminalden alınan alıntılarla birlikte GitHub/Part_I'den Cotir.RData dosyasını ve GitHub/Part_IV'ten veri hazırlama işlevleriyle FunPrepareData.R dosyasını yükleyin .
Sonra:
evalq({ dt <- PrepareData(Data, Open , High , Low , Close , Volume ) }, env) prep <- caret::preProcess(x = env$dt[, -c(1,ncol(env$dt))], method = c("spatialSign")) x.train <- predict(prep, env$dt[, -c(1,ncol(env$dt))])#удалить время и класс x.train <- as.matrix(x.train,ncol=(ncol(env$dt)-1)) y.train <- as.matrix(env$dt[, ncol(env$dt)],ncol=1) require(randomUniformForest) ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportance ruf <- randomUniformForest( X = x.train,Y = y.train,mtry = 1, ntree = 300,threads = 2, nodesize = 2, regression = FALSE) ruf$forest$variableImportanceBurada, tahmin edicilerin küresel önemi, aynı veriler üzerinde 4 kez hesaplanır. Sonuç neredeyse rastgele:
-------------------------------------------------- --------------------------------------------------
1 ftlm 9204 2 0,52 100,00 8
2 rbci 9197 2 0,52 99,92 8
3 stlm 9150 2 0,52 99,41 8
4 v.fatl 9147 2 0,51 99,38 8
5 v.rftl 9122 2 0.52 99.11 8
6 v.satl 9110 2 0,51 98,98 8
7 v.stlm 9096 2 0,51 98,82 8
8 v.rbci 9084 2 0,51 98,69 8
9 pcci 9082 2 0,52 98,68 8
10 v.rstl 9049 2 0,52 98,31 8
11 v.pcci 8980 2 0,51 97,57 8
12 v.ftlm 8953 2 0,52 97,28 8
-------------------------------------------------- --------------------------------------------------
1 v.fatl 9130 2 0,51 100,00 8
2 ftlm 9079 2 0,52 99,45 8
3 v.rbci 9071 2 0,52 99,35 8
4 v.rftl 9066 2 0,52 99,30 8
5 stlm 9058 2 0,51 99,21 8
6 v.satl 9033 2 0,51 98,94 8
7 pcci 9033 2 0,51 98,94 8
8 v.stlm 9019 2 0,51 98,78 8
9 v.rstl 8977 2 0,51 98,33 8
10 rbci 8915 2 0,52 97,64 8
11 v.pcci 8898 2 0,51 97,46 8
12 v.ftlm 8860 2 0.51 97.04 8
-------------------------------------------------- --------------------------------------------------
1 v.fatl 9287 2 0,51 100,00 9
2 stlm 9191 2 0,52 98,96 8
3 v.rbci 9172 2 0,52 98,76 8
4 v.rftl 9134 2 0,51 98,35 8
5 v.satl 9115 2 0.51 98.14 8
6 ftlm 9109 2 0,51 98,08 8
7 v.stlm 9072 2 0,51 97,69 8
8 v.rstl 9072 2 0,51 97,68 8
9 v.ftlm 9036 2 0,51 97,30 8
10 adet 9014 2 0,52 97,05 8
11 rbci 9002 2 0,52 96,93 8
12 v.pcci 8914 2 0,51 95,98 8
-------------------------------------------------- --------------------------------------------------
1 v.satl 9413 2 0,51 100,00 8
2 ftlm 9389 2 0,52 99,75 8
3 v.stlm 9371 2 0,51 99,55 8
4 v.rftl 9370 2 0,51 99,54 8
5 v.rbci 9337 2 0.51 99.19 8
6 v.pcci 9314 2 0,51 98,95 8
7 v.fatl 9311 2 0,52 98,91 8
8 stlm 9295 2 0,52 98,75 8
9 pcci 9281 2 0,51 98,60 8
10 v.rstl 9261 2 0,51 98,39 8
11 v.ftlm 9257 2 0,51 98,35 8
12 rbci 9238 2 0,52 98,14 8
Test edilen diğer 2 paket için, ön çalıştırmalar sırasında tahmin edicilerin önemi aynı şekilde belirlenir.
RandomUniformForest ile denendi - beğenmedi.
Tahmin edicilerin önemi, sürekli olarak listede yukarı ve aşağı zıplıyor.
Ben tohumu görmüyorum.
Ama mesele bu değil, mesele hangi prensipte.
Bu modelde ve diğer modellerde belirlenen tahmin edicilerin önemi, belirli bir modelde belirli bir tahmin edicinin kullanımının bir özelliğidir.
Ve sorunu, belirli bir modelde değil, hedef değişken için öngörücünün önemi olarak ortaya koyabilirsiniz.
Bunlar, şapkadaki işlevlerdir. Onların yardımıyla, hedef değişken için "yararlı" olan belirli bir ortak tahminci seti oluşturabilirsiniz. Aynı zamanda, çok ilginç bir nüans var: pencereyi hareket ettirirseniz ve önceden seçilmiş tahmincileri yeniden seçerseniz, örneğin belirli bir algoritma ile ilişkilendirilirse, bu set sürekli olarak değişecektir.
Genel olarak, sorunun cevabı gereklidir: Neden tahmin edicinin önemine ihtiyacınız var? Belirli bir algoritmada seçim için mi? Algoritma zaten bu konudaki görüşünü ifade etmiş ve sizi bu konuda bilgilendirmiştir. bu nedenle, gösterdiğiniz rakamlar, değişsin ya da değişmesin, genellikle hiçbir şey hakkındadır - önemli değil. Örnek dışı model tahmini ve tahmin edici listesinin örnek dışı tahmin başarısı ile ilişkisi önemlidir
RandomUniformForest ile denendi - beğenmedi.
Tahmincilerinizi buraya yüklemeyi deneyin
https://www.mql5.com/ru/articles/3856
ve ardından Aracıyı eğittikten sonra, otomatik olarak oluşturulmuş matris üzerindeki önemlerine bakın.
Benimkinde OOS'ta hala +- sonuçlarım var, ancak hala iyileştirme için yer var
Durağan olmayan bir piyasada kendi başınıza hedef tahmin edicileri seçmek bence işe yaramaz, önem de stokastik olarak değişir
Ben tohumu görmüyorum.
Ama mesele bu değil, mesele hangi prensipte.
Bu modelde ve diğer modellerde belirlenen tahmin edicilerin önemi, belirli bir modelde belirli bir tahmin edicinin kullanımının bir özelliğidir.
Ve sorunu, belirli bir modelde değil, hedef değişken için öngörücünün önemi olarak ortaya koyabilirsiniz.
Bunlar, şapkadaki işlevlerdir. Onların yardımıyla, hedef değişken için "yararlı" olan belirli bir ortak tahmin kümesi oluşturabilirsiniz. Aynı zamanda, çok ilginç bir nüans var: pencereyi hareket ettirirseniz ve önceden seçilmiş tahmincileri yeniden seçerseniz, örneğin belirli bir algoritma ile ilişkilendirilirse, bu set sürekli olarak değişecektir.
Genel olarak, sorunun cevabı gereklidir: Neden tahmin edicinin önemine ihtiyacınız var? Belirli bir algoritmada seçim için mi? Algoritma zaten bu konudaki görüşünü ifade etmiş ve sizi bu konuda bilgilendirmiştir. bu nedenle, sizin tarafınızdan gösterilen rakamlar, değişsin ya da değişmesin, genellikle hiçbir şey hakkında değildir - önemli değil. Örnek dışı model tahmini ve tahmin edici listesinin örnek dışı tahmin başarısı ile ilişkisi
Önemsiz ve gürültülü olanları filtrelemek ve bunları NN'de veya toplulukta kullanmak için tahmin edicilerin önemi gereklidir.
Bu veri kümesinde, stlm - bir işaretleyici olarak kullanarak öğrenme sonucunu büyük ölçüde kötüleştirir - ortadan kaldırılmazsa, tahmin edici seçim paketi başarısız olur.
Tahmincilerinizi buraya yüklemeyi deneyin
https://www.mql5.com/ru/articles/3856
ve ardından Aracıyı eğittikten sonra, otomatik olarak oluşturulmuş matris üzerindeki önemlerine bakın.
Benimkinde OOS'ta hala +- sonuçlarım var, ancak hala iyileştirme için yer var
Durağan olmayan bir piyasada kendi başınıza hedef tahmin edicileri seçmek bence işe yaramaz, önem de stokastik olarak değişir
Ah, yeni makale. İlginç...
evet, bu yaklaşımla hedef seçme sorunu ortadan kalkar, ancak aracıya anlamlı ödüller vermeyi öğrenmeniz gerekir.
herhangi bir tahminciye iyi uyuyor, ancak OOS üzerinde çalışmak için tercihleriyle bir buhar banyosu yapmanız gerekiyor
Bu dalın Üst Düzeyden düşmesine izin vermeyeceğim.
Sinir ağlarının beyleri - sıradan insanlar sizden Kase'yi bekliyor. Kaybetme.
Evet, kaybettiğimde kendim endişelenmeye başladım :-)