Uzman Danışmanlar: "Algoritmik Ticaret için MQL5’te Sinir Ağları" kitabından örnekler - sayfa 3

Yeni yorum
 

Bu study_data_not_norm.csv dosyasını hangi betikten oluşturabilirim? create_initial data betiğini denedim ama işe yaramadı. gpt_test_not_norm.mq5 betiğini çalıştırırken aralık sınırların dışına çıktı.



 

Sayın Yöneticiler,

Böylesine eşsiz bir alanda öğrenme fırsatı sunduğunuz için çok teşekkür ederiz!

Hata 5008 ile ilgili önceki mesajlara geri dönmek istiyorum.


Ayrıca 5008 hatası ile eğitilmiş model gpt_not_norm.net için strateji test cihazını yükleyemedim, model dosyası yüklenmedi.

Aynı zamanda, bir grafik üzerinde çalışırken, robot doğru davranıyor, model dosyası doğrudan bir geçişten sonra yeterli değerleri alıyor, bunları grafikte görüntüledim, her şey yolunda.

Model dosyası, olması gerektiği gibi, True bayrağına göre dizinde bulunur for Common \Terminal\Common\Files .

Dahası, aynı şeyi başka bir bilgisayarda, dizüstü bilgisayarımda çalıştırdığımda, strateji test cihazı hatasız başladı.

Strateji Test Cihazının çalışmasını engelleyen bazı sistem ayarları olabilir mi?

1.Strateji Test Cihazı şu özelliklere sahip bir bilgisayarda çalışmaz

Intel Core i5-9400F 2.90GHz işlemci , 16295 MB

Windows 10 home.

2.Strateji Test cihazı şu özelliklere sahip bir dizüstü bilgisayarda çalışır

Intel Core i7-2760QM 2 .40GHz işlemci , 12238 MB

Windows 10 Pro.

Lütfen bu sorunu çözmeme yardım edin.

Bilgisayarı gerçekten meşgul etmem gerekiyor, üzerinde bir ekran kartı var ve kesinlikle daha hızlı.

 
Vrajeshbhai duruyor Lütfen güncelleyin, böylece herkes test edebilir ve tam olarak ne yaptığını anlayabilir.
aynı sorun bizde de var
 
Luiz Godoy #:
gpt_test_not_norm.mq5 betiğini çalıştırırken, aralık dışı bir çıkış aldım.

Programın 40. satırında:

if(!loss_history.Resize(0,Epochs))

Şöyle değiştir:

if(!loss_history.Resize(Epochs))

 

Merhaba. Bir sürü yazı, bir kitap oldu. Okumaya başladım, piyasa için bir şeyler yazabileceğimi düşündüm.

İyi bir çalışma oldu. Çünkü mql5 araçları ile makine öğrenmesine nasıl yaklaşılacağını anlatacak bu kadar evrensel başka bir şey yok.

Ancak.

Örnek 3 bölüme ayrılmıştır - %60 eğitim, %20 doğrulama ve %20 test. Her bir çubuk zincirinin 40 çubuğundan 35'i tekrarlanır. Ahlaki - aynı verileri kullanarak eğitir ve doğrularsınız. Bir resim çizdim. Bu sadece bu kitapla ilgili bir sorun değil, bununla tekrar tekrar karşılaşıyorum.

İlk başta Zigzag göstergesinin tekrar etmeyen hareketleri vurgulamak için çok şey olduğunu düşündüm. Tepeden çukura, çukurdan çukura, çukurdan tepeye gibi. Bunlar kitapta denildiği gibi benzersiz modeller olurdu. Ama hayır, yazar kalıpları çubuk çubuk oluşturuyor ve bu elbette büyük bir hata. Ve bunun için bir Zigzag'a ihtiyacınız yok. Sadece 10 çubuk ileriye bakabilir ve piyasanın nereye gittiğini hesaplayabilirsiniz.

Bu ilk nokta - pratik. Ve ikinci nokta teknik - aynı zamanda yanlış. Yazar sadece Tensorflow'da doğrulama ile eğitim mi veriyor? Bu harika, Tensorflow Google'ın ürettiği bir makine öğrenimi kütüphanesi. Ancak bu çalışmanın amacı mql5 araçlarıyla nasıl yapılacağını göstermekti, değil mi?

mql5'te doğrulama ile öğrenme örneği yok. Henüz doğrulama ile ilgili örnekler bulamadım. İsterseniz daha sonra yazarım. Tabii ki kendiniz yapmaya çalışmalısınız. Tabii ki yapmalısınız. Geçmişi hazırlamak ve eğitim parametrelerini seçmek için çok fazla iş var. Tensorflow her şeye sahip gibi görünüyor, ancak yapılacak çok şey var. Ve burada teknik kısmın bitmediği ortaya çıkıyor.

Bu %5 olmadan değer kaybeden %95 mi?

Bunun iyi bir çalışma olduğu gerçeğinde duracağım. Çünkü bunun gibi başka bir şey yok.


 
Ne kadar denersem deneyeyim, tarihler arasında 1 yıldan fazla süre varsa geçmiş tarihe göre seçilemiyor. Bazen 2 yıl geçebiliyor. Ancak grafik boşsa ve boş bir grafiğe yüklerseniz, yalnızca 1 yıl geliyor. Herhangi bir dönem için güvenilir bir şekilde veri toplamak için, strateji test cihazında bir tarihten diğerine "boşta" testine ihtiyacınız vardır. Sonra herhangi bir sayıda yıl ve bir dosyaya.

Adam'ın optimizasyon yöntemi öğrenme_oranını öğrenme oranına göre ayarlamıyor mu? Ayrıca sabit bir değer yerine bir "tavan" kullanır.

Tekrarlayan bir ağ yapıyorsanız, neden gizli tam bağlantı katmanları ekliyorsunuz? Tam bağlantı teması lstm temasını yok eder. Elbette, ağın sonunda etkinleştirmek için 1 tam bağlantı nöronuna ihtiyacınız var.

Dropout, herhangi bir sinir ağında bir katman özelliğidir. Örneğin, lstm'de dropout özelliği bir zorunluluktur, aksi takdirde birkaç epoch boyunca veriye alışır. Pytorch'ta dropout özelliğinin sadece iki özdeş katman arasındaki geçişte kullanılabileceğini biliyorum, bu yüzden 2 tekrarlayan katmana ihtiyacınız var. Ve tensorflow'da herhangi bir katman bırakma özelliğine sahip olabilir. Tensorflow'un pytorch'a göre bariz avantajı.

Geri yayılımda toplu işleme. Yazarın neden herhangi bir sayıya sahip bir partisi var! Her epokta eğitmek için rastgele miktarda veri seçtiği ortaya çıkıyor. Bir parti bir miktardır! Örneğin, 1000 öğe örnekleyin ve bu her biri 100 değerden oluşan 10 pakettir. Her epok farklı bir pakettir, ancak her zaman 100 değer vardır. Eğitimi paket paket yapıyorum ve her paketin sonunda ağırlıkları ayarlıyorum. Bu, yerel bir minimumda takılıp kalmamamı sağlayabilir. Ve tüm örnek verileri kullanıyorum, sadece bazılarını değil.
 

Ticaret optimizasyonu henüz çalışmıyor. Diyalog penceresinde garip bir hata beliriyor. Bilgisayar bir kez kapandı. Yani, ağı eğitirseniz ve ardından ticareti onunla optimize etmeye çalışırsanız.

Bence forex için grafiksel bir uyarıcı kullanmak yanlış. Nasıl bakarsanız bakın, çok fazla veri yok. Bence daha doğru olanı, farklı ağlar için farklı eğitim akışları çalıştırmak için optimize edicide metatrader ajanları kullanmak olacaktır. Örneğin, tensorflow'da 7 akış eğitiyorum. Biri bitiyor, diğeri ekleniyor. Ve böylece 100 varyant sırayla devam ediyor. Sonra bunları geçmiş üzerinde çalıştırıyorum.

Buradaki nokta, bir sinir ağının iyi olabileceğidir. Ancak her sinir ağı eğitim geçmişini geçemez. Bu yüzden çok sayıda ağ çeşidine ihtiyacınız var.

 

ChatGPT, ikisi arasında sınıflandırma yapmanın en iyi yolunun sigmoid kullanmak olduğunu öne sürüyor. Ve ben de tam olarak bunu bulamadım. Ve aktivasyon fonksiyonları farklı. Ama kayıp fonksiyonu aynı - MSE?

Tanjant hala bir regresyon, sınıflandırma değil. -1'den 1'e bir olasılık değil, bir değer hesaplamasıdır.

Kısacası, işe yarar. Bunun dışında başka bir şey yok. Yani emek kesinlikle iyi. Kullanacağım.

 
Neurobook'u ve kaynakları indirdikten sonra, tamamen Python'da bir sürümün var olup olmadığını bilmek istiyorum? Sağlanan sürüm, özellikle openCl yürütmeleri makinede yapılamazsa bir sorun teşkil eder. Şu anda bir dönüşüm yapmaya çalışıyorum, ancak biraz devasa! Böyle bir projeyi daha önce üstlenmiş olanlara veya Python sürümünün kaynaklarını nerede bulacağını bilen herkese çok teşekkür etmek istiyorum.
 
Joseph Bervell test cihazı OnInit sıfır olmayan kod döndürdüğü içindurduruldu 1

LG 2 10:07:44.216 Çekirdek 1 bağlantısı kesildi

KP 0 10:07:44.216 Çekirdek 1 bağlantı kapatıldı

Bir çözüm bulma şansınız oldu mu? Eğer bir tane bulursam , yayınlayacağım.

"our_model.net " dosyası yok IMO

1234
Yeni yorum