Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1305
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
0/1 sınıflandırması için "olasılık" eşiğinin 0,45'ten 0,65'e kaymasına bağlı olarak göstergelerdeki değişiklik
Esasen doğruluk
Kar hakkında söylenemez, sınıflandırma için olasılık eşiği kaydırıldığında sınıflandırma doğruluğundaki artışın oldukça düzgün bir şekilde gerçekleştiği histogramlardan görülebilir.
Sadece sınıflandırma etkinliğinin değil, kârın kurallar (yapraklar) arasında nasıl dağıtıldığını ve bunlar için duyarlılık eşiğinin ne olduğunu da hesaba katmak gerektiği ortaya çıktı. Onlar. kim ne derse desin ama ayrı kurallar çıkarmak ve onlara bir değerlendirme yapmak gerekiyor.
görmüştü)
Genel olarak, terminoloji ile karışıklık
Çapraz doğrulama ne olacak? tüm alt kümeler oraya katılır, bu nedenle doğrulama bir testten daha doğrudur
Kısacası, evet, siktir et. Testim alt kümenin 2. kısmı, ancak o zaman ona doğrulama diyeceğim
0/1 sınıflandırması için "olasılık" eşiğinin 0,45'ten 0,65'e kaymasına bağlı olarak göstergelerdeki değişiklik
Esasen doğruluk
Kar hakkında söylenemez, sınıflandırma için olasılık eşiği kaydırıldığında sınıflandırma doğruluğundaki artışın oldukça düzgün bir şekilde gerçekleştiği histogramlardan görülebilir.
Sadece sınıflandırma etkinliğinin değil, kârın kurallar (yapraklar) arasında nasıl dağıtıldığını ve bunlar için duyarlılık eşiğinin ne olduğunu da hesaba katmak gerektiği ortaya çıktı. Onlar. kim ne derse desin ama ayrı kurallar çıkarmak ve onlara bir değerlendirme yapmak gerekiyor.
Karlar 0,65'te daha küçüktür çünkü daha az işlem de vardır. Örneğin, 100 yerine 10 işlem olacaktır. çok artırabilirsiniz
0/1 sınıflandırması için "olasılık" eşiğinin 0,45'ten 0,65'e kaymasına bağlı olarak göstergelerdeki değişiklik
Esasen doğruluk
Kar hakkında söylenemez, sınıflandırma için olasılık eşiği kaydırıldığında sınıflandırma doğruluğundaki artışın oldukça düzgün bir şekilde gerçekleştiği histogramlardan görülebilir.
Sadece sınıflandırma etkinliğinin değil, kârın kurallar (yapraklar) arasında nasıl dağıtıldığını ve bunlar için duyarlılık eşiğinin ne olduğunu da hesaba katmak gerektiği ortaya çıktı. Onlar. kim ne derse desin ama ayrı kurallar çıkarmak ve onlara bir değerlendirme yapmak gerekiyor.
eşiği yükseltin, model bozulduğunda, o zaman yeni veriler üzerinde daha az işlem olacak, olasılıklar sıfıra dönecek, bu yeniden eğitim için iyi bir zaman
eşikleri yükseltmek için hatanın düşük olması gerekir, aksi takdirde hiç sinyal olmazKarlar 0,65'te daha küçüktür çünkü daha az işlem de vardır. Örneğin, 100 yerine 10 işlem olacaktır. çok artırabilirsiniz
İşlem sayısı ve karlı işlemler oldukça düzgün bir şekilde değişir (bir işlem, MT mantığına göre işlemdir / 2'dir)
Durdurma kaybı sabit olmadığından, kayıp ticaret başına sabit değildir.
görmüştü)
Genel olarak, terminoloji ile karışıklık
Terminolojimi sunuyorum (şimdilik buna bağlı kalacağım):
1. Eğitim örneği - modelin oluşturulduğu örnek
2. Test örneği - eğitim durakları da dahil olmak üzere model eğitiminin kalitesini kontrol etmek için kullanılır
3. Sınav örneği - eğitimden bağımsız, ortaya çıkan modelin kalitesini değerlendirmek için kullanılır
eşiği yükseltin, model bozulduğunda, o zaman yeni veriler üzerinde daha az işlem olacak, olasılıklar sıfıra dönecek, bu yeniden eğitim için iyi bir zaman
eşikleri yükseltmek için hatanın düşük olması gerekir, aksi takdirde hiç sinyal olmazEvet, bu anlaşılabilir. Özellikle toplam aktivasyon bölümünün çoğu 0,5 civarında dönüyorsa ve 0,1 + 0,05 + 0,08 + 0,25 + 0,03 toplamı gibi görünüyorsa, yapraklardaki bağlantıların yeniden üretilmemesi nedeniyle kaybolan sinyaller tam olarak budur. miktarlar düştü ve bu kadar, aktivasyon gerçekleşmez.
Evet, bu anlaşılabilir. Özellikle toplam aktivasyon bölümünün çoğu 0,5 civarında dönüyorsa ve 0,1 + 0,05 + 0,08 + 0,25 + 0,03 toplamı gibi görünüyorsa, yapraklardaki bağlantıların yeniden üretilmemesi nedeniyle kaybolan sinyaller tam olarak budur. miktarlar düştü ve bu kadar, aktivasyon gerçekleşmez.
bu, algoritmanın yeni verilere iyi genelleme yapmadığı, bükülüp daha fazla döndürülmesi gerektiği anlamına gelir) kabaca - yeniden eğitilmiş
~10k örnek için test ve eğitim başına %10 hata, artışla birlikte sorunsuz büyür
böyle bir hata ile modeller yeni veriler üzerinde çalışmaya başladı
doğrulamada farklı şekillerde, seçenekleri sıralamanız gerekir
Artık algoritmaları ifşa etmiyorum, sadece iletişim kuruyorumÖ! Işte burada! Neredeyse benimki gibi! Fsyaky Alyosha ve büyücüleri dinlemene gerek yok dedi :)
bu, algoritmanın yeni verilere iyi genelleme yapmadığı, bükülüp daha fazla döndürülmesi gerektiği anlamına gelir) kabaca - yeniden eğitilmiş
Yani dönüyorum, kendimi aldatmak istemiyorum :)
Şimdi yeni bir doz tahmin edici ekleyeceğim...