Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3305
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
Çok uzun zaman önce forumda birisi bu etkinin adını vermişti (henüz bulamadım), çünkü SB'ye yakın serilerin bir periyodu varmış gibi görünüyor. Bu etki, Fourier aracılığıyla süreçlerde periyodiklik "bulunduğunda" bilimde pek çok utanç verici anla ilişkilendirilir ve radyo amatörleri bu nedenle forumda asla yaşamayacaktır).
Ölçek değişmezliği?
Moire etkisi :)
Ölçek değişmezliği, öyle görünüyor ki, bu şekilde tanımlanabilir ve radyo amatörlerinin araştırma konusu olmayacaktır. Sadece Fourier olmadan, ancak farklı aktiviteleri tanımlayan saatlik ve günlük gibi piyasa dönemleri.
Ölçek değişmezliği?
Moire efekti :)
Sinir ağları için BP gösteriminin nasıl düzgün bir şekilde yapılacağına dair iyi bir makale. Elbette FFT'lerden kurtulunabilir. Ve farklı modellerin daha fazla karşılaştırılması.
Temel fark, ön işlemenin ağ mimarisine dahil edilmiş olmasıdır. Ancak ayrı olarak da yapılabilir.
LSTM, dönemler arası değişimleri dikkate almadığı için arka planda kalmaktadır.
Boosting de testlerine göre sıralamanın en altına yakın bir yerde.MO'nun ezici sayıdaki uygulamasının, araçtan bağımsız olarak, öğretmen ve tahminciler arasında "doğal" bir ilişkinin olduğu alanlarda olduğu düşünülmektedir. Örneğin, hava tahmini: sıcaklık, nem ...
Öte yandan, biz burada oturup burnumuzu karıştırarak hayal gücümüz olan tahmin ediciler buluyoruz ve nedense bunların ticaret emirlerini tahmin etmesini istiyoruz.
Dolayısıyla "doğal" tahmincilerin yer aldığı yayınlar bizi ilgilendirmiyor. Ne yazık ki.
Bunun aksi nasıl kanıtlanabilir?
Bana göre, zamana bağlı olaylar var - aynı haberler. Bence üç alt örneğe ayırırsak - beklenen, daha kötü, daha iyi ve bağlamı dikkate alırsak, piyasa katılımcılarının benzer davranışlarını fark edeceğiz.
Bir diğer seçenek de ürünlerin mevsimselliğidir.
Tam olarak ne?
MO'nun çok sayıda uygulamasının, araçtan bağımsız olarak, öğretmen ve tahmin ediciler arasında "doğal" bir ilişkinin olduğu alanlarda olduğu düşünülmektedir. Örneğin, hava tahmini: sıcaklık, nem ...
Burada oturup burnumuzu karıştırıyoruz ve hayal gücümüz olan tahmin ediciler buluyoruz ve bazı nedenlerden dolayı bunların ticaret emirlerini tahmin etmesini istiyoruz.
Dolayısıyla, "doğal" öngörücülerle yapılan yayınlar bizi ilgilendirmiyor. Ne yazık ki.
Bu sadece modeli özelliklerle beslemenin mantıklı görünen bir yönüdür. Sonrasında bununla ne yapıldığı ise elbette ezoterik bir sorudur.
Örneğin, bu yaklaşım tek bir örneğe daha fazla hikaye sığdırmanızı sağlarHayır) Slutsky-Yula, yazıyı buldum. Sanırım başka benzer etkiler de bulundu ama tam olarak hatırlamıyorum. En azından artık görünür periyodiklik konusunda dikkatli olunması gerektiği kabul ediliyor, tabii ki yerel radyo amatörleri bunları umursamıyor)
Peki, neden olmasın.
Spekülatif değil, belirgin periyodikliğe sahip ekonomik süreçler vardır. Örneğin hasat. Ve bu türden pek çok süreç vardır. Bunlar için dönemselliğin parametrelerden biri olduğu modeller vardır.
Başka bir şey de, gerçekte var olan periyodikliği, Forex'te gelişen bazı Fourier'lerin yardımıyla emilen periyodiklikten ayırmak gerektiğidir. Yaklaşık 10 yıl önce radyo mühendisi sıkıntısı yoktu. Çok sayıda insan, herhangi bir matematiksel modelin çok önemli bir özelliğinin yorumlanabilirliği, modelin şu veya bu parametrelerini ve özelliklerini gerçeklikle karşılaştırma olasılığı olması gerektiğini anlamıyor. Ve grafiklerde değişken periyodikliğe sahip bariz dalgalar gördüğümüzde, nereden geldiği bilinmeyen bazı talep-önerileri icat etmeye başladığımızda, sonuç buna karşılık gelir.
Bu sadece modeli işaretlerle beslemenin mantıklı görünenbir yönü. Sonrasında bununla ne yapıldığı ise elbette ezoterik bir sorudur.
Örneğin, bu yaklaşım tek bir örneğe daha fazla hikaye sığdırmanızı sağlarBizde çöp içeri çöp dışarıdır ve çoğu insanın çöpü içeride DEĞİLDİR.
Bizde çöp içeri çöp dışarıdır ve çoğu insanın çöpü dışarıda DEĞİLDİR.
Çöpleri karıştıran bir hobo algoritmasına ihtiyaç var.
"Kirden Düklere", buna bir dizi makale diyebilirsiniz.
Daha dikkatli bir öğrenmenin, genellemeden belirli bir örneğin ezberlenmesine doğru bir kaymaya neden olduğu yaygın ve sezgisel olarak açık görünmektedir.
Kendi adıma bunu, artan sayıda parametreye sahip modeller kullanılıyorsa (örneğin karar ağacı), daha fazla sayıda iterasyonun basitçe parametre sayısında bir artışa yol açmasıyla açıklıyorum. Sabit sayıda parametreye sahip modellerde durum daha karmaşıktır, ancak muhtemelen artan iterasyonlarla parametre uzayının "daha fazla kullanıldığını" söyleyebiliriz.
Daha da basit bir şekilde ifade etmek gerekirse, aralarından seçim yapabileceğiniz seçeneklerin sayısında bir artış vardır ve ihtiyacınız olanı seçmek daha kolaydır. Örneğin, SB'nin 1000 varyantı arasından seçim yaparken en izlenebilir varyantı, 100 varyant arasından seçim yaparken olduğundan daha trend olacaktır.
NOT Bu bununla ilgili