交易中的机器学习：理论、模型、实践和算法交易 - 页 413

[Forester]

马克西姆-德米特里耶夫斯基。

是的，他们可能使你可以有2个以上的类......所以它可能会有更多的聚类，你可以使用其他方法，如K-means :)

我完全不明白用k-means做什么...MS Azure有，但作为一个现成的解决方案，在这里它只是一个引擎，如何解释它的结果根本不清楚......

[Aleksey Terentev]

一般来说，我建议使用一个具有tanh 激活函数的单一神经元，其定义区域为（-1;+1），来对买入/卖出进行分类。
数据更少，也更明显。

SoftMax，是的，纯粹用于分类，其中类的数量可以是任何。回顾（找到）对鸢尾花进行分类的任务。

而 ，用 tanh（或sin）表示的结果非常方便，可以作为指标显示在图表上。

https://en.wikipedia.org/wiki/Activation_function

在截图中，底部的图形。绿色/红色是训练信号；紫色/蓝色是训练过的模型的预测结果。

[Maxim Dmitrievsky]

elibrarius。
我完全不明白用k-means做什么...MS Azure有，但作为一个现成的解决方案，但在这里它只是一个引擎，如何解释它的结果根本不清楚......

好吧，这是对同质数据的分组，它在没有老师的情况下工作，也就是说，班级（在这种情况下是集群）的数量是事先不知道的。

[Maxim Dmitrievsky]

阿列克谢-特伦特夫。

一般来说，我建议使用一个具有tanh 激活函数的单一神经元，其定义区域为（-1;+1），来对买入/卖出进行分类。
数据更少，也更明显。

SoftMax，是的，纯粹用于分类，其中类的数量可以是任何。回顾（找到）对鸢尾花进行分类的任务。

而 ，用 tanh（或sin）表示的结果非常方便，可以作为指标显示在图表上。

https://en.wikipedia.org/wiki/Activation_function

在截图中，底部的图形。绿色/红色--训练信号，紫色/蓝色--基于训练模型的预测。

如果样本很大，1个神经元不是不够吗？)

[Aleksey Terentev]

马克西姆-德米特里耶夫斯基。

如果样本很大，1个神经元还不够小吗？)

对不起，我说的是输出层。=)

[Maxim Dmitrievsky]

阿列克谢-特伦特夫。

对不起，我说的是输出层。=)

我在alglib中做了一个线性输出的网格，但范围限制在-1到1之间，用新数据训练后，它还是偶尔会超出范围。

所以我现在想加入softmax。

[Forester]

马克西姆-德米特里耶夫斯基。

我在alglib中做了一个线性输出的网格，但范围限制为-1到1，在学习新数据后还是偶尔会超出范围。

所以我现在想加入softmax

如果它超出了范围，可以认为是一个非常好的信号=150% ))

[Maxim Dmitrievsky]

elibrarius。
如果它出界了，可以认为是一个非常好的信号=150% ))

是的，有时0.1可能是1，也许是因为在训练中对数值进行了不同的标准化，然后在交易过程中，样本是不同的。

[Forester]

马克西姆-德米特里耶夫斯基。

嗯，这是对同质数据的分组，它在没有老师的情况下工作，也就是说，事先不知道班级（在这种情况下是群组）的数量。

为什么不知道呢？要划分的聚类数量 - 在启动时设置为输入值：K - 所需的聚类数量，K>=1

假设我将数据分为4组，我应该如何处理它们？

[Aleksey Terentev]

马克西姆-德米特里耶夫斯基。

我在alglib中做了一个线性输出的网格，但范围限制为-1到1，用新数据训练后，它还是偶尔会超出范围。

所以我现在想加入softmax

我没有接触过alglib，我所熟悉的那些ML包，都允许我改变层的激活函数。