MetaTrader 5 Python用户组 - 如何在Metatrader中使用Python - 页 82 1...7576777879808182838485868788 新评论 Alexey Viktorov 2020.12.07 19:45 #811 Vladimir Karputov:我如何做一个偏移?这是表格(数据框架)。如何让它变成这样。 为了什么?只是打印出来? Vladimir Karputov 2020.12.07 19:50 #812 Vladimir Karputov:我如何做一个偏移?这是表格(数据框架)。如何做得像这样。 在这里,发现pandas.DataFrame.shift 最主要的是不要忘记删除最后一行,因为它将包含垃圾。 Pavel Verveyko 2020.12.08 16:44 #813 我很狂野,抱歉)我想知道是否有可能在MQL5中通过python来推动键盘? 没有时间来做实验了 Julius Mwangi Maina 2020.12.20 23:26 #814 关于将python整合到mt5中的相当丰富的主题...为什么当我在mt5终端添加我的python脚本时,它被添加后又立即被删除? [删除] 2021.01.11 14:47 #815 亲爱的先生们,请告诉我,我的理解有什么问题。 我已经建立了一个神经网络。准备了数据。 (10452, 50) (10452, 2) полный набор данных (7316, 50) (7316, 2) тренировочный набор (3136, 50) (3136, 2) тестовый набор 训练了它。 Параметры модели: clf__epochs = 66 clf__layers > Размерность слоёв: >>> Входной слой = 50 >>>>>> Скрытых слоёв -- 2 >>>>>>>> 1-й слой = 25 >>> >> слой имеет dropout = 0.3 >>>>>>>> 2-й слой = 12 >>> Выходной слой = 2 clf__loss = BCE clf__metric = accuracy clf__optimizer = adam 结果。 Score on train data is 0.9672635197639465 Score on test data is 0.9674744606018066 # Оцениваем на тестовых данных test loss, test acc: [0.1585625737373318, 0.96747446] 然后我不明白会发生什么... predictions = model.predict(X_test[:15]) . predictions[:15] = [[0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919] [0.03263587 0.03311919]] 为什么有这样的 "预测 "结果?预期是0-0,0-1或1-0.... [删除] 2021.01.12 16:55 #816 它总是这样... 当你提出问题时,每个人都会想:何必呢? 主观意见:93%的时间你都要google....90%的时间都要把问题搞清楚.... 谢谢你的反馈!暂时就这些了。我要去谷歌.... Maxim Dmitrievsky 2021.01.12 16:59 #817 这些是第1类和第2类的概率第2个有更高的概率,所以被预测了它们的总和必须等于1,这里存在着某种训练错误。 如果是二元分类,它应该输出1个神经元。或softmax [删除] 2021.01.12 17:32 #818 Maxim Dmitrievsky:这些是第1类和第2类的概率第2个有更高的概率,所以被预测了它们的总和应该等于1,这里存在着某种训练错误。 如果是二元分类,每个输出需要一个神经元。或softmax 二元分类并不意味着每个输出有一个神经元。至少从我所发现的情况来看... 但问题是,在使用其他损失函数时,画面也没有变化! 我明天会写一个有预测验证的数据测试器。但直觉告诉我,结果将是令人遗憾的! 我只是不明白,为什么 "准确率 "超过96%,而预测却 "像这样"? 也许我做错了什么? Maxim Dmitrievsky 2021.01.12 17:34 #819 Сергей Таболин:二元分类并不意味着每个输出有一个神经元。至少从我所发现的情况来看...但问题是,在使用其他损失函数时,画面也没有变化!我明天会写一个有预测验证的数据测试器。但直觉告诉我,结果将是令人遗憾的!我只是不明白,为什么 "准确率 "超过96%,而预测却 "像这样"?也许我做错了什么?我想我不知道它是什么样的网络构造器。1个神经元并不意味着,但一个加法器应该站在和一个激活f-e。通常情况下,你把1个神经元 可能有很多原因。例如,数据没有规范化,没有适当的准备,网络是歪的。 [删除] 2021.01.12 17:47 #820 Maxim Dmitrievsky:我想我不知道它是什么样的网络构造器。1个神经元并不意味着,但必须有一个加法器和一个激活的f-e。这通常是1个神经元。 可能有很多原因。例如,数据没有规范化,没有适当的准备,网络没有正确建立 问题是,正常化是一个迷失的事业! 让我解释一下。有一些数据A、B、C... 它们在意义上是不同的,等等。每个人(google)都说归一化应该按列(A-A-A,B-B-B,C-C-C)进行,而不是按行。这在逻辑上是可以理解的。 但是,当新的数据出现在 "预测 "中时,如果只有一行,如何将其标准化?而该行中的任何一个词都可以在训练和测试数据上超越规范化? 而通过字符串进行的归一化则没有任何效果! 实际上,在检查了这些细微差别之后,我已经有了这种 "灵魂的呐喊")))) 1...7576777879808182838485868788 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
我如何做一个偏移?
这是表格(数据框架)。
如何让它变成这样。
为了什么?只是打印出来?
我如何做一个偏移?
这是表格(数据框架)。
如何做得像这样。
在这里,发现pandas.DataFrame.shift
最主要的是不要忘记删除最后一行,因为它将包含垃圾。
亲爱的先生们,请告诉我,我的理解有什么问题。
我已经建立了一个神经网络。准备了数据。
训练了它。
结果。
然后我不明白会发生什么...
predictions = model.predict(X_test[:15])
.
为什么有这样的 "预测 "结果?预期是0-0,0-1或1-0....
它总是这样...
当你提出问题时,每个人都会想:何必呢?
主观意见:93%的时间你都要google....90%的时间都要把问题搞清楚....
谢谢你的反馈!暂时就这些了。我要去谷歌....
这些是第1类和第2类的概率
第2个有更高的概率,所以被预测了
它们的总和必须等于1,这里存在着某种训练错误。
如果是二元分类,它应该输出1个神经元。或softmax这些是第1类和第2类的概率
第2个有更高的概率,所以被预测了
它们的总和应该等于1,这里存在着某种训练错误。
如果是二元分类,每个输出需要一个神经元。或softmax二元分类并不意味着每个输出有一个神经元。至少从我所发现的情况来看...
但问题是,在使用其他损失函数时,画面也没有变化!
我明天会写一个有预测验证的数据测试器。但直觉告诉我,结果将是令人遗憾的!
我只是不明白,为什么 "准确率 "超过96%,而预测却 "像这样"?
也许我做错了什么?
二元分类并不意味着每个输出有一个神经元。至少从我所发现的情况来看...
但问题是,在使用其他损失函数时,画面也没有变化!
我明天会写一个有预测验证的数据测试器。但直觉告诉我,结果将是令人遗憾的!
我只是不明白,为什么 "准确率 "超过96%,而预测却 "像这样"?
也许我做错了什么?
我想我不知道它是什么样的网络构造器。
1个神经元并不意味着,但一个加法器应该站在和一个激活f-e。通常情况下,你把1个神经元
可能有很多原因。例如,数据没有规范化,没有适当的准备,网络是歪的。我想我不知道它是什么样的网络构造器。
1个神经元并不意味着,但必须有一个加法器和一个激活的f-e。这通常是1个神经元。
可能有很多原因。例如,数据没有规范化,没有适当的准备,网络没有正确建立问题是,正常化是一个迷失的事业!
让我解释一下。有一些数据A、B、C...
它们在意义上是不同的,等等。每个人(google)都说归一化应该按列(A-A-A,B-B-B,C-C-C)进行,而不是按行。这在逻辑上是可以理解的。
但是,当新的数据出现在 "预测 "中时,如果只有一行,如何将其标准化?而该行中的任何一个词都可以在训练和测试数据上超越规范化?
而通过字符串进行的归一化则没有任何效果!
实际上,在检查了这些细微差别之后,我已经有了这种 "灵魂的呐喊"))))