"Matrislerden Modellere: MQL5'te ML Veri Hattı Nasıl Oluşturulur ve ONNX'e Nasıl Dışa Aktarılır?" makalesi için tartışma
Bana kalırsa, tüm veri kümesinde normalizasyon ve PCA hesaplaması yapmak ve ancak bundan sonra veriyi eğitim ve doğrulama örneklemlerine ayırmak, geleceği öngörmek anlamına gelir. Çevrimiçi çalışırken, normalizasyonu değiştiremez veya en son verileri dikkate alarak PCA’yı uyarlayamazsınız. Dürüst bir deney, verilerin başlangıçta iki kümeye ayrılması, ardından sadece örneklem içi (in-sample) kısımda normalleştirme ve PCA'nın uygulanması, daha sonra da bulunan meta-parametrelerin örneklem dışı (out-of-sample) verilerde uygulanması şeklinde olurdu.
Stanislav Korotky #:
Bana kalırsa, tüm veri kümesinde normalizasyon ve PCA hesaplaması yapıp ancak bundan sonra veriyi eğitim ve doğrulama örneklemlerine ayırmak, geleceği öngörmeye çalışmak anlamına gelir. Çevrimiçi çalışırken, normalizasyonu değiştiremez veya en son verileri dikkate alarak PCA’yı uyarlayamazsınız. Dürüst bir deney, verilerin başlangıçta iki kümeye ayrılması, ardından sadece örneklem içi (in-sample) kısımda normalizasyon ve PCA'nın uygulanması, daha sonra da bulunan meta-parametrelerin örneklem dışı (out-of-sample) verilerde uygulanması şeklinde olurdu.
Bu arada, tüm sohbet odaları bu hataya düşüyor, özellikle de dalgacık ayrıştırması ve ardından gelen işleme ve öğrenme süreçlerinde. Bana kalırsa, tüm veri kümesinde normalizasyon ve PCA hesaplaması yapıp ancak bundan sonra veriyi eğitim ve doğrulama örneklemlerine ayırmak, geleceği öngörmeye çalışmak anlamına gelir. Çevrimiçi çalışırken, normalizasyonu değiştiremez veya en son verileri dikkate alarak PCA’yı uyarlayamazsınız. Dürüst bir deney, verilerin başlangıçta iki kümeye ayrılması, ardından sadece örneklem içi (in-sample) kısımda normalizasyon ve PCA'nın uygulanması, daha sonra da bulunan meta-parametrelerin örneklem dışı (out-of-sample) verilerde uygulanması şeklinde olurdu.
Sonuç olarak, sıradan bir ok göstergesi bile oklarını "en uç noktalarda" gösteriyor.
Bu tehlikeli bir durum; tuzağın ne olduğunu hemen anlayamazsınız.
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Web sitesi politikasını ve kullanım şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Yeni makaleye göz atın: Matrislerden Modellere: MQL5'te ML Veri Hattı Nasıl Oluşturulur ve ONNX'e Nasıl Dışa Aktarılır?.
Terminalde makine öğrenimini (ML) korkutucu kılan şey, modelin kendisinden çok etrafındaki her şeydir. Ayrı bir yığın, Python komut dosyaları ve karmaşık entegrasyon olmadan yapamayız gibi görünebilir. Sonuç olarak, ML'nin MetaTrader 5 bağlamında harici bir unsur olduğu hissine kapılıyoruz.
Ancak ekstra katmanları kaldırdığımızda, resim daha net hale geliyor. Herhangi bir ML veri hattı, bir dizi temel işlemden oluşur: özellikler oluşturma, bunları ölçeklendirme, fazlalıkları giderme ve sonucu modele iletme. Bu, sinir ağlarının sihri değil, sıradan doğrusal cebirdir.
Bu makalede, matrisleri ve vektörleri ana araç olarak kullanarak, gereksiz teoriye girmeden bu süreci adım adım ele alacağız. Odak noktası ana hedeftir: hem eğitimde hem de gerçek bir alım-satım ortamında tekrarlanabilir sonuçların nasıl elde edileceği.
Yazar: MetaQuotes