文章 "神经网络变得轻松（第二部分）：网络训练和测试" - 页 3

新评论
 
这只是我的个人观点。
我在 Metatrade4 中学习神经网络已有数年，我做过 3 层网络，每层有 n 个神经元。
作为输入，我使用过指标、多时段等，等等
，结果总是一样。
在训练时非常出色，结果几乎完美。
但当需要将所学付诸实践时，结果却令人大失所望。
 
Zhiqiang Zhu:
12.68%的命中率？有实际意义吗？我投硬币也50%左右的概率了。这么低的概率，不知道这个东西有何用？
交易性金融中的神经网络压根不是它这么用的，学习什么呢找规律求万能公式，逻辑本身就很荒谬。真正的交易性金融人工智能是不做判断的，而是立足五维对四维混沌系统进行降维打击。
 
Zhiqiang Zhu:
12.68%的命中率？有实际意义吗？我投硬币也50%左右的概率了。这么低的概率，不知道这个东西有何用？
交易算法分三个等级，一级技术指标型（垃圾），二级大数据战略型（垃圾），三级逻辑必然型（无敌）。我的算法就是第三等级，安全性100%五个交易日加个零。
 
Shi Chao Ma:
交易性金融中的神经网络压根不是它这么用的，学习什么呢找规律求万能公式，逻辑本身就很荒谬。真正的交易性金融人工智能是不做判断的，而是立足五维对四维混沌系统进行降维打击。
想和前辈学习一下 五维到四维的降维
 
Shi Chao Ma:
交易算法分三个等级，一级技术指标型（垃圾），二级大数据战略型（垃圾），三级逻辑必然型（无敌）。我的算法就是第三等级，安全性100%五个交易日加个零。
我也认为交易逻辑是EA最重要 最有灵魂的部分，所以请多多指教
 

你好，德米特里，我读了你的文章，也看了你的代码，我发现你只使用了 一个数据集进行训练，却没有使用另一个数据集进行验证，从而避免了过度优化。这么大的一个神经网络，有几个隐藏层，每层有这么多神经元，网络肯定会记住所有数据，但一旦训练完成，它就无法预测了。

问候并感谢您的文章和代码


杰拉尔多

 


对于 Fractal.mq5 文件，我在调试时收到以下错误：


2022.01.13 08:30:54.502 Fractal_1 (BTCUSD,M1) CSeries::CheckLoadHistory: requested too much data (100801)

2022.01.13 08:30:54.502 Fractal_1 (BTCUSD,M1) 未能获取 BTCUSD,PERIOD_M1 的 100801 条数据。



有什么建议可以编辑代码，使请求的数据条数 不超过最大条数（10,000）？

 
以下是我正在使用的文件。
附加的文件：
Fractal.mq5  36 kb
NeuroNet.mqh  40 kb
 
Josh 条数 不超过最大条数（10,000）？

您使用的是 M1 时间框架。而 10,000 分钟只有 7 天。这对训练 NN 来说太小了。

 
Dmitriy Gizlyk #:

您使用的是 M1 时间框架。而 10 000 分钟只有 7 天。这对训练 NN 来说太小了。

谢谢你的回复，德米特里！！ 我应该像你在文章末尾所做的那样，从 1H 开始。

真的很感谢你的 "神经网络易学 "系列！我希望自己也能在 MQL 中掌握这些概念（虽然使用 MTR 将数据传递到 R 更容易一些，笑）。

这些都是很有潜力的算法，您在库和系列方面做得非常出色，谢谢您！"！

123456
新评论