Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 99
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
Sınıflandırma, her derde deva veya kâse oluşturmak için bir araç değildir.
Bir sınıflandırma uygulamasının yaptığı ilk şey, araçları, araçların uygulanabilir olduğu problemlere uygulamaktır. Örneğin, finansal piyasalara spektral analiz uygulama fikri birçok kez tartışıldı, her şey mükemmel bir araç gibi görünüyor, ancak diğer nesneler için, ama hayır, yine sunuyorlar.
İkinci. Sınıflandırma, finansal piyasalara oldukça uygulanabilir, ancak yukarıda yazıldığı gibi burada birçok sorun var. Ancak sınıflandırırken, ana sorun ön plana çıkarılabilir - TS'yi yeniden eğitme (aşırı takma) sorunu. Daha önemli ne olabilir? En sevdiğiniz kaseye sahip olduğunuz yanılsamasını kaybetmek elbette hoş değil, ama işte bir seçenek: mutluluk iyidir, ama gerçek daha mı iyi?
Üçüncü. Sınıflandırma, oldukça spesifik olarak şu soruyu gündeme getiriyor: Neyi tahmin ediyoruz. TA ile karşılaştırın. Göstergeler alıyoruz. Her zaman bir çubuktur [1]. Geçerli çubuk kullanılmaz. H1 ne anlama geliyor? Pazara girişi tahmin etmek için saatlik tazelik bilgilerini kullanıyoruz! Bu en iyi ihtimalle.
Sınıflandırma tamamen farklıdır. Hedef değişkenin mevcut değerini alır ve dünün ilk verileriyle karşılaştırırsınız - hedef değişkeni bir veya daha fazla çubukla kaydırırsınız. Bu tür verilere uygun bir model kullanırken, bir sonraki çubuk geldiğinde geleceği her zaman gerçekten tahmin edersiniz.
not.
Keskin piyasa hareketlerini (haberleri) tahmin etmek için kullanacaksanız, bir hedef değişken oluşturmayı başarırsanız başarılı olursunuz ve bu çok daha basit durumlarda büyük bir sorundur.
Söylenen her şeye katılıyorum.
Spektrum hakkında. Hiç kullanmadım bilmiyorum.
İkinci. Sınıflandırma, finansal piyasalara oldukça uygulanabilir, ancak yukarıda yazıldığı gibi burada birçok sorun var. Ancak sınıflandırırken, ana sorun ön plana çıkarılabilir - TS'yi yeniden eğitme (aşırı takma) sorunu. Daha önemli ne olabilir? En sevdiğiniz kaseye sahip olduğunuz yanılsamasını kaybetmek elbette hoş değil, ama işte bir seçenek: mutluluk iyidir, ama gerçek daha mı iyi?
Aynen öyle! Tek bir sorunumuz var - yeniden eğitim. Ve herkese baskı yapıyor. Kapak tarafı yetersiz kalıyor (ve her yerde kötü sonuçlar).
Burada sizin için Monte Carlo da dahil olmak üzere güzel grafikler hazırladım. Özünde, model(ler)i eğitmeden verileri örneklem dışı segmente yerleştirdiğim sonucuna vardım. Görünüşe göre modellerim örneklem dışı iyi geçiyor. Ama sorun şu ki, seçim dışı görmedikçe, çalışan bir model seçemiyorum. Çok kötü.
Aynen öyle! Tek bir sorunumuz var - yeniden eğitim.
Ve bana gelince, sorun tamamen farklı, peki, bunun gibi bir şey ......
L Evet, doktor muyum? Sanych yazdı:
"Burada, bir sonraki çubuğu tahmin ederken önceki durumu dikkate almayan, sınıflandırmaya dayalı tahminleri tartışıyoruz. Sınıflandırmaya dayalı tahminler (tahminler), kalıplara göre tahminlerdir. Ve geçmişte değişikliklere yol açan haberler varsa önceki değerlerden TAKİP ETMEYİN ( ekstrapolasyon yapılmaz), o zaman sınıflandırma böyle bir değişikliği yakalayacaktır ve gelecekte benzer bir değişiklik olursa (tam olarak aynı değil, benzer), o zaman tanınacak ve doğru bir tahmin yapılacak."
Bu yüzden şu yönde kazmaya değer olduğunu düşünüyorum: " Sınıflandırma böyle bir değişikliği yakalayacaktır ."
Nihayet şubede aklı başında insanlar var.
iyi düşündün mü
Bunu her zaman yaparım. Düşünmek zor :-)
Oh iyi
Burada sizin için Monte Carlo da dahil olmak üzere güzel grafikler hazırladım. Özünde, model(ler)i eğitmeden verileri örneklem dışı segmente yerleştirdiğim sonucuna vardım. Görünüşe göre modellerim örneklem dışı iyi geçiyor. Ama sorun şu ki, seçim dışı görmedikçe, çalışan bir model seçemiyorum. Çok kötü.
Komiteyi denedin mi? gbm aynı veriler üzerinde aynı parametrelerle birkaç kez eğitilirse, yeni verilerle ilgili sonuç her seferinde biraz farklı olacaktır. Rastgele bir model seçerseniz, şanslı olabilirsiniz ve ticaret iyi gider ya da gitmez, bu yüzden tahmin edemezsiniz. Bu durumda, düzinelerce (yüzlerce?) modeli eğitin ve çoğu modelin tahmin ettiği nihai sonucu alın.
İşte böyle bir tablonun bir örneği: solda 100 model için ticaret sonuçlarının bir simülasyonu. Alım satım için sadece bir model alarak neredeyse %50 şansla kırmızıya geçebileceğiniz görülebilir.
Sağda - aynı modellerin komitesinin kararı ile ticaret, burada rastgelelik yok, her şey açık ve neredeyse istikrarlı bir şekilde yükseliyor.
gerçeğin deney kriteri - düşünmeyin, ama yapın
Şahsen spektral analizin daha umut verici olduğunu düşünüyorum, ama bu benim için kişisel olarak ...
Bir sınıflandırma uygulamasının yaptığı ilk şey, araçları, araçların uygulanabilir olduğu problemlere uygulamaktır. Örneğin, finansal piyasalara spektral analiz uygulama fikri birçok kez tartışıldı, her şey mükemmel bir araç gibi görünüyor, ancak diğer nesneler için, ama hayır, yine sunuyorlar.
İkinci. Sınıflandırma, finansal piyasalara oldukça uygulanabilir, ancak yukarıda yazıldığı gibi burada birçok sorun var. Ancak sınıflandırırken, ana sorun ön plana çıkarılabilir - TS'yi yeniden eğitme (aşırı takma) sorunu. Daha önemli ne olabilir? En sevdiğiniz kaseye sahip olduğunuz yanılsamasını kaybetmek elbette hoş değil, ama işte bir seçenek: mutluluk iyidir, ama gerçek daha mı iyi?
Üçüncü. Sınıflandırma, oldukça spesifik olarak şu soruyu gündeme getiriyor: Neyi tahmin ediyoruz. TA ile karşılaştırın. Göstergeler alıyoruz. Her zaman bir çubuktur [1]. Geçerli çubuk kullanılmaz. H1 ne anlama geliyor? Pazara girişi tahmin etmek için saatlik tazelik bilgilerini kullanıyoruz! Bu en iyi ihtimalle.
Sınıflandırma tamamen farklıdır. Hedef değişkenin mevcut değerini alır ve dünün ilk verileriyle karşılaştırırsınız - hedef değişkeni bir veya daha fazla çubukla kaydırırsınız. Bu tür verilere uygun bir model kullanırken, bir sonraki çubuk geldiğinde geleceği her zaman gerçekten tahmin edersiniz.
Keskin piyasa hareketlerini (haberleri) tahmin etmek için kullanacaksanız, bir hedef değişken oluşturmayı başarırsanız başarılı olursunuz ve bu çok daha basit durumlarda büyük bir sorundur.
Nesin sen, Sanych'in akrabası mı?
Evet, ben de öyle düşünüyorum. Saf bir Bayes sınıflandırıcı, spam'i filtrelediği için burada başarısız olacak mı, olmayacak mı?
Ve haberler pahasına - borular! Bir tür haber, tüm çatlaklarda o kadar yeniden eğitilecek ki, yeterli görünmeyecek. örnekler verdim.