Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 75
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
Bu nedenle, Dr.Trader, R'de yeniden yazılmış tam teşekküllü bir libVMR çalıştıramadı - çok fazla hesaplama ve çok fazla bellek var.
Büyük bir nükleer dönüşümün işlevinde kodda bir hata yaptım. Saldırı, aynı eski sürüm 3.01'dir, ancak bir düzeltme ile. Şimdi hafıza ile her şey yolunda, büyük bir nükleer makineyle de. Ancak hız Java'dan daha yavaş olacaktır.
Büyük bir nükleer dönüşümün işlevinde kodda bir hata yaptım. Saldırı, aynı eski sürüm 3.01'dir, ancak bir düzeltme ile. Şimdi hafıza ile her şey yolunda, büyük bir nükleer makineyle de. Ancak hız Java'dan daha yavaş olacaktır.
Bu en iğrenç şey, hızın kaidenin altında olması.
Ayrıca, libVMR iyi olmayan bir ikili sınıflandırıcıdır. Ternary boktan şeker yapabilir:
Tahmin edicinin kendisinde, verilerin genelleme düzeyi %90'dır ve yüksüz modelde sadece %47'dir.
Model için genelleme seviyesini yavaşça %100'e yükseltti, gelecekte nasıl çalıştığını görelim :-)
%100 genelleme yeteneği sınır değildir. Önyargıya göre tahmin edicileri seçerek daha da geliştirebilirsiniz. İki üçlü sınıflandırıcı %100 genelleme yeteneğine sahipse, ancak önyargılar farklıysa, o zaman en küçük önyargıya sahip sınıflandırıcı en iyisi olacaktır - daha önemli tahmincileri vardır.
Sapma ne kadar küçükse, test örneğindeki örnekler o kadar az tire ile işaretlenir (belirsizlik).
%100 genelleme yeteneği sınır değildir. Önyargıya göre tahmin edicileri seçerek daha da geliştirebilirsiniz. İki üçlü sınıflandırıcı %100 genelleme yeteneğine sahipse, ancak önyargılar farklıysa, o zaman en küçük önyargıya sahip sınıflandırıcı en iyisi olacaktır - daha önemli tahmincileri vardır.
Sapma ne kadar küçükse, test örneğindeki örnek sayısı o kadar az bir çizgi (belirsizlik) ile işaretlenir.
Uzun zamandır ilgimi çekiyor ve soruyla eziyet ettiğim söylenebilir. Reshetov parametresine göre Gösterge ne anlama geliyor ve değer. Bu ne anlama geliyor?
Sonuç olarak, öğrenme yeteneği için bu iyi bir göstergedir, ancak genelleştirmek için hiçbir anlam ifade etmez. Bu nedenle, jPrediction'ın sonraki sürümlerinde, göze batmaması için onu kaldıracağım.
Sonuç olarak, öğrenme yeteneği için bu iyi bir göstergedir, ancak genelleştirmek için hiçbir anlam ifade etmez. Bu nedenle, jPrediction'ın sonraki sürümlerinde, göze batmaması için onu kaldıracağım.
Yuri, bir soru. Bir tahminci, sınıflar yerine olasılıklar üretebilir mi?
Yuri, bir soru. Bir tahminci, sınıflar yerine olasılıklar üretebilir mi?
Hayır, olasılıklar libVMR'nin ilk sürümlerinde hesaplandı, ancak büyük bir sorun vardı, olasılık değerinin doğru hesaplanması için tüm tahmin edicilerin birbirinden kesinlikle bağımsız olması gerekiyordu. Ve birçok uygulamalı alanda böyle bir koşula uyulması genellikle gerçekçi değildir. Örneğin, ticarette hemen hemen tüm göstergeler ve osilatörler birbiriyle ilişkilidir, yani. bağımsız değiller. Ayrıca algoritmadaki bağımsızlık koşulu, verilerde yoksa, genelleme yeteneğini olumsuz etkiler. Bu nedenle, böyle bir çıkmaz yoldan vazgeçmek zorunda kaldık.
Şu anda, jPrediction, tahmin edicilerin bağımsızlığına herhangi bir önem vermiyor, sadece genelleme yeteneğinin değerine önem veriyor. Çünkü birkaç tahmin edici birbirini tamamlayabilir, yani. bazı örneklerde, bazı tahmin ediciler, diğerlerinde ve üçüncü kombinasyonlarında iyi bir sonuç verecektir. Bu şartlar altında olasılıkları çok büyük ve çok şüpheli bir hata ile hesaplamak mümkündür.