Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1205
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
Neden artışları değil de fiyatlar?
artışlar mümkün, ne kadar iyi bilmiyorum .. ve numunenin uzunluğu değişebilir .. tüm bunlarla çok fazla yaygara
orada yorumlanabilirlik hakkında ekledim .. o zaman yorumlanacak ne var? bir metrikmerhaba özdeyiş
Burada tartıştığınız yeni bir makale var mı?
Eğer bana link verebilir misin?
Merhaba, henüz yayınlanmadı, moderasyon bekleniyor
Tamam, istersen, bana bir göz atabilmem için kodu verebilirsin.
makale için beklerseniz daha iyi, çünkü çok fazla versiyonum var
Bir de bağımlılık var...
Geri dönüşler konusunda "HMM" (gizli Markov modeli) eğitimi aldı, öğretmen olmadan öğretilenler ve kendisinin farklı dağılımlara ayırdığı 10 eyalete bölünmüş
eyalet dağılımları
Ve burada getirileri eyaletlere göre grupladım, her satır ayrı bir piyasa durumu
Bazı durumlarda (1,4,6,8,9) çok az gözlem vardır, bu nedenle hiç algılanamazlar.
Ve şimdi seriyi geri yüklemeye çalışacağım, kümülatif bir toplam yapmak için aniden, bazı eyaletlerde bir tür eğilim var - bu yöndeki modeller
Kümülatif bir toplam yaptı
5 ve 7 numaralı eyaletler, koy için 5 ve köy için 7, istikrarlı bir yapıya sahiptir.
Sonunda doğru yoldasın :)
tüm bu çöpleri temel numaralandırma ile kaba zorlamaya ve en iyi modeli seçmeye devam ediyor
mantıksal sonuçlar ve harika bir kesinti yöntemi asla karlı bir plan seçmez, çok fazla değişken vardırSonunda doğru yoldasın :)
tüm bu çöpleri temel numaralandırma ile kaba zorlamaya ve en iyi modeli seçmeye devam ediyor
mantıksal sonuçlar ve harika bir kesinti yöntemi asla karlı bir plan seçmez, çok fazla değişken vardırsadece bir şaka, en sık değişen bu durumlar 5 ve 7.
durum geçiş grafiği
Ve bunları takas ederseniz böyle görünür. Kırmızı oturdu ve mavi satın
şimdi optimize edilmiş parametrelere sinyallerin dağılımlara bağımlılığını eklemek istiyorum, bunu bir başlangıç için yaptım, bkz.
basıklık belirli bir değerden yüksekse (optimize edilebilir), o zaman düz bir durum gözlemlenir ve aynı olasılıkla alım / satım yapmak (ve ardından yanlış olanları düzeltmek) mümkündür.
asimetri boyunca, herhangi bir yönde varsa, o zaman alım veya satım sinyali olasılığı kaydırılır
peki, bu bir ilkel, ancak bunun gibi bir şey, optimize edicideki hedefleri seçmek için kullanılabilir
Metriklerden elde edilmesi gereken tek şey, test setindeki (ve eğitim setindeki öğrenme) sınıflandırma hatasıdır. Optimize edici hiperparametreleri yineler ve en küçük hataya sahip modeli seçer . Burada yorumlanamayan nedir? sadece test verilerindeki hatalara bakarak böyle bir modelin genelleme yapıp yapamayacağını bilmek yeterlidir.
böyle bir saçmalık üzerinde bir çalışma örneği, az önce yaptım
Soru, sonuç olarak seçilen (aslında ticaret yapacak olan) modelin yorumlanabilirliğidir.
sadece bir şaka, en sık değişen bu durumlar 5 ve 7.
durum geçiş grafiği
Ve bunları takas ettiğinizde böyle görünüyor. Kırmızı oturdu ve mavi satın
peki, her şeyi RL üzerinden yapın, Markov modelinin bir şey tarafından yaklaşıklaştırılması gerekiyor
Soru, sonuç olarak seçilen (aslında ticaret yapacak) modelin yorumlanabilirliğidir.
endüktif modeller, kural olarak, genetik programlamanın, sinir ağlarının parçalara ayrılmasının uzun zaman aldığı şeklinde yorumlanmaz.
python ve R muhtemelen karşılık gelen paketlere sahiptir
ağaçlar için örnekpeki, her şeyi RL üzerinden yapın, Markov modelinin bir şey tarafından yaklaşıklaştırılması gerekiyor
Neden yaklaştıralım? zaten Viterbi algoritması tarafından bir küme olarak 10 duruma bölünmüş, aslında
Şimdi, iade yapmadan önce fiyatın bir şekilde yaklaşık olarak hesaplanması gerektiğini düşünüyorum, yoksa iade yapmıyor mu? yine de düşünmek gerek
Bu arada, herhangi biri "smm" ile oynamak isterse, o zaman R'de kod ve örnekler içeren bir makale.
http://gekkoquant.com/2014/09/07/hidden-markov-models-examples-in-r-part-3-of-4/