Bir mayın tarlasında pazar görgü kuralları veya görgü kuralları - sayfa 34
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
nötron için
Sergey , işte Matkad'da yaptıklarımın bir grafiği. Burada kırmızı çizgi beş terimli sinüsün ilk farkı, yeşil çizgi ise nöronun bir sonraki adımdaki davranışını tahmin etme girişimleridir.
Çalışıyor gibi görünüyor.
Şimdi Matkad'da birkaç dakika AUDUSD alacağım. Evet, ikili girişleri olan bir nöron olduğunu söylemeyi unuttum ve aşağıdaki resimde - gerçek girdileri olan aynı nöron
Şimdi Matkad'da birkaç dakika AUDUSD alacağım.
Bir dakika bekle.
Model yelpazesi üzerinde NS çalışmanızın sonuçlarını daha bilgilendirici bir şekilde sunalım. Gerçek girdileri olan bir sinir ağı için, apsis boyunca işaret ve genliği ve ordinat ekseni boyunca tahmin edilen değeri dikkate alarak VR artışının tahmin edilen değerini çizeceğiz. Yeterli sayıda deneysel noktaya sahip olmak, aşağıdaki resimle sonuçlanacaktır:
Burada, leylak noktalar eğitim setini, mavi noktalar test setini ve siyah noktalar rastgele bir VR'deki test setini gösterir. En küçük kareler yöntemi kullanılarak veri bulutları boyunca düz çizgiler çizilir. Böyle bir çizginin eğimi, tahminin doğruluğunu (45 dereceye ne kadar yakınsa, tahmin o kadar doğru olur), çizginin etrafındaki noktaların dağılımını - tahminin dağılımını, siyahın eğimi arasındaki farkı gösterir. çizgi ve yatay yön - elde edilen sonuçların istatistiksel önemi ve aynı zamanda algoritmada hataların olmaması (örneğin, geleceğe bakmak).
İkili girdilerle çalışan ve yalnızca beklenen hareketin işaretini tahmin etmek için kullanılan bir sinir ağı için, tahminin doğruluğunu yalnızca bir parametreyle değerlendirmek mümkündür - kesin isabetlerin %'si. Aşağıdaki formül kullanılarak hesaplanabilir:
Burada, x[i] artışın gerçek değeri, y[i] ise tahmin değeridir. Bu prosedür hem eğitim numunesi hem de test numunesi için gerçekleştirilmelidir, n'nin 100'den fazla olması arzu edilir.
Yaparım. Lütfen en küçük kareler yöntemini açıklığa kavuşturun - Ne olduğunu ve nasıl hesaplanacağını bilmiyorum. Evet ve bir şey daha: Matkad'dan foruma resim ve formülleri nasıl eklersiniz?
Önce onları bir grafik düzenleyiciye kopyalarım ve sonra onları gerektiği gibi kırparım.
Evet aynısı. Monitörün seçilen bir alanını yakalayan bir grafik düzenleyicide Ekran Yakalama işlevim var. Ayrıca grafiğe tıklayabilir ve bağlam menüsünden vb. kopyalayabilirsiniz.
İşte MNC için formül:
x ve y vektörlerinin uzunluklarının aynı olması gerekir. Yöntem, her noktadan bu düz çizgiye olan tüm mesafelerin toplamı tüm olası seçeneklerin minimumu olacak şekilde bir dizi nokta boyunca düz bir çizgi çizmenize izin verir.
Resminizdeki gibi bir bulut alamadığım bir şey
Bu ortaya çıkıyor:
Burada apsiste beş terimli sinüsün ilk farkı, ordinatta ağ tahmini
Belki grafiğin türü doğru değildir? Tüm noktaları çizgilerle birleştirmeye çalışıyor. Şimdi başka bir şey deneyeceğim
Böylece, noktalı bir temsil yerine grafik ayarlarında seçim yaparsınız - noktalı:
ve bu noktaları istediğiniz renklerle renklendirin. Ve ızgarayı görüntüleyin (soldaki penceredeki ayarlar).
Ö! Ancak bir histerezis döngüsü beliriyor!
Sergey , eğitim örneği ve test örneği aynı şey değil mi?
Nöronum her zaman veri vektörünün n örneğinde eğitilir ve n + 1'inci örneği (aynı veri vektörünün) tahmin eder. Düzeltmeyi hesaplamak için kullandığım n+1. örneğin ızgara tahmini ile gerçek değeri arasındaki fark. Bu koşullar altında, eğitim ve test örnekleri için ayrı ayrı grafikler nasıl çizilir?
Yöntem, her noktadan bu düz çizgiye olan tüm mesafelerin toplamı tüm olası seçeneklerin minimumu olacak şekilde bir dizi nokta boyunca düz bir çizgi çizmenize izin verir.
Seni düzeltmeme izin ver. "Mesafeler" değil, "mesafelerin kareleri".
Ve bu arada, en küçük karelere göre sadece düz çizgilerin katsayılarını hesaplayamazsınız.
Sergey , eğitim örneği ve test örneği aynı şey değil mi?
Nöronum her zaman veri vektörünün n örneğinde eğitilir ve n + 1'inci örneği (aynı veri vektörünün) tahmin eder. Düzeltmeyi hesaplamak için kullandığım n+1. örneğin ızgara tahmini ile gerçek değeri arasındaki fark. Bu koşullar altında, eğitim ve test örnekleri için ayrı ayrı grafikler nasıl çizilir?
Evet, onları nasıl tanımladığımız önemli değil, NN'nin üzerinde eğitim aldığı ve tahmin ettiği örneklerin olması önemlidir. Burada iki sıra nokta çizin.
Seni düzeltmeme izin ver. "Mesafeler" değil, "mesafelerin kareleri".
Ve bu arada, en küçük karelere göre sadece düz çizgilerin katsayılarını hesaplayamazsınız.