文章 "神经网络变得轻松（第十六部分）：聚类运用实践"

MetaQuotes 2022.08.22 05:57

在上一篇文章中，我们为数据聚类创建了一个类。在本文中，我想分享在解决实际交易任务时应用所获结果会遇到的可能变体。

为了评估该智能系统的性能，我们取用我们在前一篇文章中训练过，并在前一次测试中用到的 500 个聚类模型对其进行了测试。训练图形如下所示。

学习过程损失函数值图

如您所见，训练图非常平滑。为了训练模型，我采用了 Adam 参数优化方法。前 20 个世代展示出损失函数逐渐减少，而这伴随着动量累积。然后，损失函数值显著地急剧下降到某一最小值。先前获得的监督模型的训练图的损失函数具有明显的转折。例如，下面是更复杂的关注度模型的训练图。