Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 42
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
Merhaba!
sana iki sorum var
1) son sayfadan tekrarlayan ağlar hakkında, "rnn" paketini düşürdüm, gerçekten garip ve biraz düşünülmüş ve "RSNNS" ye geçtim, "Elman" ağını aldım, verileri yükledim, her şey yolunda gitti, ama bir tane "AMA" var, onu nerede ve nasıl ayarlayacağımı hala anlamıyorum "geçmişte ağın kendisini ne kadar hatırladığı" burada "rnn" de her değişkenin sayıldığı bir matrise dönüştüğü hemen belliydi. sütunlar, olduğu gibi, ağ belleğinin boyutuna karşılık geldi, ancak "RSNNS" de böyle bir parametre bulamadım, ancak olmaması imkansız, çünkü tekrarlayan ağın özü tam olarak bu.
2) " rminer " de tam olarak ne görmeliyim? "Arima" gibi bir şeyi kastediyorsanız, o zaman bu zaten tartışılan işe yaramaz.
Ben kendim birkaç adımı tahmin etmek için sınıflandırıcı için böyle bir hedef yazmaya çalıştım, tahmin etmek mümkün değildi, kesintiler bir şekilde garipti, ilk önce kalite düştü (bu normal, çünkü tahmin bir sonraki mum değil, ancak 5'inde veya 10'unda), anti-korelasyon en azından ve daha az belirgin olarak korundu, ancak şaka şu ki öncü bir etki alamadım, gösterge tersine dönüşleri piyasa dönüşleriyle aynı yerdeydi, yani, Aslında, daha önce sahip olduğum şeyi aldım ama daha kötü kalitede, neden bana açık değil ...
Tünaydın.
1. Elman ağı, Jordan ağı gibi, yalnızca önceki adımı hatırlar. Önceki adımların çoğunu hesaba katmak için RNN'yi bir zincire bağlamanız gerekir, buna LSTM denir. Bu makale , bu tür ağlar hakkında oldukça anlaşılır bir şekilde açıklanmıştır. Ne yazık ki Python'da uygulanmaktadırlar. Ama bu bir sorun değil, değil mi? Python ve R mükemmel bir şekilde entegre edilmiştir.
2. rminer lforecast işlevine sahiptir - Girdi olarak 1-ileriye dönük tahminleri yinelemeli olarak kullanarak çok adımlı tahminler gerçekleştirir. Birkaç adım ilerisini tahmin etmekten bahsetmişken, kesinlikle gerilemeyi mi kastediyorsunuz?
İyi şanlar
Sonuç: Her burcu alıp faydalı olanı ondan izole etmek gerekiyor, bunun nasıl yapılacağına dair düşüncelerim var ama dile getirmeden önce bu konudaki düşüncelerinizi, fikirlerinizi ve önerilerinizi duymak isterim.
Bir işaretten bir şeyi yalnızca tarihsel verilerle izole etmek mümkündür. Yeni bir çubuk geldiğinde, işaretin bir şeyi tahmin etmesi ve tahmin edebilmesi için tahmin yeteneğine sahip olması gerekir. Tahmin yeteneği, bir özelliğin belirli bir gücüdür, bu, bazı özellik değerlerinin bir sınıfı, diğer özellik değerlerinin başka bir sınıfı tahmin etmesidir. Böyle bir öngörü yeteneğinin bir örneğini zaten verdim. Hedef: "erkekler/kadınlar". İşaret: "giysiler". Bir özelliğin sadece iki anlamı varsa: pantolon/etek, o zaman Müslüman bir toplumda bu tür değerlere sahip böyle bir özellik açık bir şekilde sınıfı tahmin eder. Ancak gayrimüslim bir toplumda çok sayıda eşyanın yanı sıra unisex giysiler de vardır.
Bu nedenle, "erkek/kadın" sınıfının iki değerine sahip bir hedef değişken için "giyim" niteliğinin tahmin kabiliyetini belirleme sorunu şu şekilde formüle edilmiştir: giysi niteliğinin değerlerinin yüzde kaçı olacak? Erkekleri açık bir şekilde tahmin ediyor ve kadınların yüzde kaçı? Bu bir Batı toplumuysa ve tüm giysiler unisex ise, "giysiler" işaretinin tahmin yeteneği yoktur. Müslüman bir toplumda, "giysi" özelliği çok iyi bir tahmin yeteneğine sahip olacaktır. Örneğimizi yaş girerek daha gerçekçi hale getirirsek daha gerçekçi bir tahmin gücü elde ederiz. Spesifik olacak ve tahmin hatasını belirleyecek olan bu tahmin yeteneğidir.
Onlar. Tahmin edicinin tahmin yeteneğinden bir tahmin hatası gelir ve seçilen model mevcut probleme karşılık geliyorsa, bu hata model seçimine çok az bağlıdır.
Fikir ve önerilerden.
Bunları bu başlıkta ve bu forumda defalarca dile getirdim. Asıl zorluk, "tahmin yeteneği" hakkındaki bakış açımın henüz bizim anlayışımız olmamasıdır.
Araçlardan makaleye bir link verdim ve Dr.Trader onu uygulamaya çalıştı ama başarılı olmadı. Sonucunun olumsuzluğunu, özelliklerinin kümesinin özgüllüğüne bağlıyorum: küçük bir değere sahip çok sayıda özellik. Bu, Forex için çok özel bir dizi özelliktir. Forex'te herhangi bir işaretin binlerce değeri olabilir ve onlarca değeri vardır.
Bunları bu başlıkta ve bu forumda defalarca dile getirdim. Asıl zorluk, "tahmin yeteneği" hakkındaki bakış açımın henüz bizim anlayışımız olmamasıdır.
Belki de bu bakış açısı sizin tarafınızdan herhangi bir test veya test sonucu tarafından desteklenmediğinden? :)
Ve genel olarak, neden bu kilometrelik eğitim programlarında, soru işaretlerden nasıl faydalı bir şey çıkarılacağı ve işaretlerin nasıl seçileceği değil, bunlar farklı şeyler ve burada makaleye olan bağlantınız genellikle hiçbir yerde yok ...
Belki de bu bakış açısı sizin tarafınızdan herhangi bir test veya test sonucu tarafından desteklenmediğinden? :)
Ve genel olarak, neden bu kilometrelik eğitim programlarında, soru işaretlerden nasıl faydalı bir şey çıkarılacağı ve işaretlerin nasıl seçileceği değil, bunlar farklı şeyler ve burada makaleye olan bağlantınız genellikle hiçbir yerde yok ...
Kilometre eğitim programları yazmalıyız. Kısacası: bir gösterge tek bir bütündür ve ondan hiçbir şey çıkarılamaz. Tüm özelliğin uyup uymadığını belirlemek mümkündür.
not.
Öngörü yeteneği olan özelliklerin seçimini sıralamak için yürütürüm. Algoritmama göre seçilen öznitelikler kullanılırken, yeniden eğitmeden modeller elde edilir.
Kilometre eğitim programları yazmalıyız. Kısacası: bir gösterge tek bir bütündür ve ondan hiçbir şey çıkarılamaz. Tüm özelliğin uyup uymadığını belirlemek mümkündür.
not.
Öngörü yeteneği olan özelliklerin seçimini sıralamak için yürütürüm. Algoritmama göre seçilen öznitelikler kullanılırken, yeniden eğitmeden modeller elde edilir.
Vay canına, harika ... bize yeniden eğitilmemiş modelinizin bazı özel sonuçlarını söyleyebilir misiniz? ya da bu konuyu mümkün olan her şekilde "atlarsınız", tıpkı "göründüğünüz" ve "kazanıyor gibi göründüğünüz " robotta olduğu gibi
Ve genel olarak Sanych zaten yeterli olabilir mi?!?!
gerçekte olmayan hakkında konuşmak için, her şey uzun zamandır benim için netleşti ...
Bu, en hafif tabirle, sizi okuyan ve daha sonra hiçbir yere gitmeyen yolda yürüyüş yaparak zaman harcayan diğer üyelerle ilgili olarak iyi değil.
Vay canına, harika ... bize yeniden eğitilmemiş modelinizin bazı özel sonuçlarını söyleyebilir misiniz? ya da bu konuyu mümkün olan her şekilde "atlarsınız", tıpkı "göründüğünüz" ve "kazanıyor gibi göründüğünüz " robotta olduğu gibi
Ve genel olarak Sanych zaten yeterli olabilir mi?!?!
gerçekte olmayan hakkında konuşmak için, her şey uzun zamandır benim için netleşti ...
Bu, en hafif tabirle, sizi okuyan ve daha sonra hiçbir yere gitmeyen yolda yürüyüş yaparak zaman harcayan diğer üyelerle ilgili olarak iyi değil.
Diyelim ki, sadece iki işarete sahip olan profesyonel bir tüccarın nasıl çalıştığını düşünelim (unutmayın, hala abartıyorum :)) Kulağa şöyle geliyor - seviye bozulursa ve RSI 0.9'un üzerindeyse sat...
Ticaret sistemi nedir? Ticaret sistemi bu durumda bir veri filtresi, işlemcinin gürültüye girmesine izin vermeyen bir filtre görevi görür ve bu örnekte RSI ile gürültünün payı şaka değildir %95, çünkü RSI aralığı -1'dir. 1'e ve tüccarın sadece >0.9'a ihtiyacı var, bu %5'lik. ..
Bir düzine farklı gecikmeye sahip bir düzine gösterge alırsanız oldukça iyi çalışacaktır. Ancak hangi göstergelerin alınacağı ve hangilerinin gecikeceği hala belirlenmelidir. Başlangıç olarak, onlardan büyük bir set alın, bazılarını bazı kurallara göre seçin ve tüm bu yüzlerce nihai tahmincinin toplamı size geleceği tahmin etmek için gerçek bir şans verecektir. Çıngırakta (rastgele orman) bir orman modeli alırsınız, verileri beslersiniz ve ardından bir karar ağacı oluşturulur. Örneğin, rsi[20]>0.4 ve ma(16)[20] > 1.2, vb. ise - satın alın. Ve eğer rsi <0.1 ise, o zaman bu bir satıştır. Ormanın nasıl göründüğüne dair örnek resimler burada bulunabilir http://www.intuit.ru/studies/courses/6/6/lecture/174 . Genel olarak, orman, aynı anda düzinelerce gösterge için, tam olarak ne istediğinizi, izole edilmiş faydalı değerlere ve eşiklere sahip işaretleri size verecektir.
Ormanın yeniden eğitme eğiliminde olduğu bir nüans var. Kullanışlı tahmin edicilerle birlikte ormana biraz çöp de beslerseniz, orman onu mantığına ekleyecektir. Ve "girişteki çöp, çıktıda çöpe yol açar" kuralına göre, çöp üzerine kurulu bir modelin herhangi bir tahmini - ön veri testi rastgele ve işe yaramaz olacaktır. Tahmin edicileri seçerken bu her zaman dikkate alınmalı ve modeli test etmek için çapraz doğrulama yapılmalıdır.
Bu, en hafif tabirle, sizi okuyan ve daha sonra hiçbir yere gitmeyen yolda yürüyüş yaparak zaman harcayan diğer üyelerle ilgili olarak iyi değil.
SanSanych'in burada yazdıklarına tamamen katılıyorum, dinlemenizi tavsiye ederim. Ondan çok şey öğrendim, kontrol ettim, hafıza için yazdım.