文章 "第三代神经网络：深度网络" - 页 15

新评论
 
Carl Schreiber:

您好、

请帮我澄清一下我对神经网络（NN）的一些负面偏见。

  1. 您是否应该首先优化要放入神经网络的指标？
  2. 然后再优化神经网络的参数？
  3. 还是同时优化神经网络和指标的参数？
  4. 要优化的变量越多，过度适应的危险不是越大吗？
  5. 如果 1.和 2.的数据集相同，这难道不会导致我过度适应数据集吗？
  6. 这不正是"在模型恶化之前，我们有大约 5 周的盈利阶段"所表明的吗。
  7. a) 假设我们有一堆经过测试人员优化的指标，现在
    b) 我们运行测试人员的第二次优化，只是为了检查我们需要哪些优化指标(*)
    c) 这样我们就有了更少的优化指标
    d) 我需要 NN 做什么？
  8. 您知道由于输入、层数和感知器的数量，NN 的数据集需要多大吗？


(*)不幸的是，如果您在遗传模式下运行 mt4 优化器，并试图绕过某些参数集（例如，不测试 "指示器-A "是否为 "开"），在 OnInit() 中返回 "INIT_PARAMETERS_INCORRECT"，遗传算法仍会将其视为有效通过，这就减少了算法停止前实际执行的通过数，而通过数是终止条件之一。




1、2、3 和 4，我相信无论传递的是什么指标和设置，其本身都会根据相关资产进行调整。例如，假设我们使用 RSI 和 "之 "字形高点、"之 "字形低点创建了一个简单的优化程序。
，我们通过对 "之 "字形高点的 RSI 值求和，得出高点的平均超卖值；通过对 "之 "字形低点的 RSI 值求和，得出低点的平均超买
。我们的均线基本上是对 RSI 的调整，而不考虑
对该资产的设置。
，问题不在于指标是否应该优化，而在于指标是否从根本上可以利用
。
在上述示例中，您可以通过查看 RSI(3) 与 RSI(16) 的均线来理解我的观点。
，RSI(3) 与 RSI(16) 将不断触发我们的优化水平。
 
Lorentzos Roussos:
1,2,3 和 4 ，我相信无论通过什么指标和设置，本质上都会根据相关资产进行调整。 ... 我们的均线本质上将是 RSI 的调整，无论该资产的设置如何。在我看来，问题不在于指标是否应该优化，而在于指标是否可以从根本上 。在上面的例子中，您可以通过查看 RSI(3) 与 RSI(16) 的平均值来理解我的观点。 ，RSI(3) 与 RSI(16) 将不断触发我们的优化水平。






您的例子（如果我理解正确的话）告诉我，RSI(3) 没有任何帮助，因为它无法区分 "好"（潜在利润 > ？）和 "坏"（潜在利润 < ？），但 RSI(16) 可以。

但如果是这样，就说明已经进行了优化，因为优化后我们知道 16 比 3 好--或者你从哪里知道的？

现在你用 RSI(3)来训练 NN 吗？可能会被删除。或者，您是否在尝试 RSI(3)（NN 输入 1）和 RSI(16)（NN 输入 2），如果 RSI(3) 将被删除（例如，NN 输入 1 设置为 0），RSI(x) 已被优化为 16 - 即使是以非常简单的方式。使用 MT 优化器是否需要一个 NN？

还是我在您的示例中遗漏了什么？

 
Carl Schreiber:

您的例子（如果我理解正确的话）告诉我 RSI(3) 没有任何帮助，因为它无法区分 "好"（潜在利润 > ？）和 "坏"（潜在利润 < ？），但 RSI(16) 可以。

但如果是这样，那就说明已经进行了优化，因为优化后我们知道 16 比 3 好--或者你从哪里知道的？

现在你用 RSI(3)来训练 NN 吗？可能会被删除。或者，您是否在尝试 RSI(3)（NN 输入 1）和 RSI(16)（NN 输入 2），如果 RSI(3) 将被删除（例如，NN 输入 1 设置为 0），RSI(x) 已被优化为 16 - 即使是以非常简单的方式。使用 MT 优化器是否需要一个 NN？

还是我在您的例子中遗漏了什么？

以 RSI(3) 和 RSI(16) 为例，说明在实时情况下可能存在的基本面利用率差距。
在本例中，理想的情况是采用可变周期 RSI。
 
Lorentzos Roussos:
以 RSI(3) 和 RSI(16) 为例，说明可能存在的基本面实时利用缺口。 本例中最理想的是可变周期 RSI。

OK - 那么发送给 NN 的是什么？

RSI(...)的固定值（如何获得）和可变值--是否可以优化计算？

这一切都会影响到过度适应的危险--因此，很抱歉我说得这么难听。

 
very good! but for me, it's very difficult!
 
您所附资源中是否有英文版本？
 

Ошибка

在 RStudio 中运行时

>在 Balancing(dt)中出错：找不到函数 "upSample"。


这个函数是什么？它来自哪个软件包，在哪里定义？
谢谢！
 

我的 R x64 3.3.1 版本安装后缺少以下库：svMisc、svSocket、TTR、xts、zoo。但 Rstudio 并没有抱怨缺少后三个库，我是通过 DebugView 才发现的。

指标已安装，思考了很长时间，并产生了 "之 "字形。当试图将服务设置为 true 时，它就会崩溃：

[8904] <-1> TPlotEventLoop: terminating
[8904] <-1> TRConsole: destroying

安装智能交易系统 时也是如此：

[10964] <-1> TPlotEventLoop: terminating

终端显示 "Rterm 崩溃"。

我在 Google 上没有找到任何关于此错误的明确信息。到哪里去找？

 
Konstantin Kopylov:

在 RStudio 中运行时

很抱歉这么晚才回复。

该函数定义在软件包 "caret::upSample //downSample 将随机抽样数据集，使所有类别与少数类别具有相同的频率。upSample 会进行替换采样，使类的分布相等//。

祝好运

 
m0rtal:

我的 R x64 3.3.1 版本安装后缺少以下库：svMisc、svSocket、TTR、xts、zoo。但 Rstudio 并没有抱怨缺少后三个库，我是通过 DebugView 才发现的。

指标已安装，思考了很长时间，并产生了 "之 "字形。当试图将服务设置为 true 时，它就会崩溃：

安装智能交易系统时也是如此：

终端显示 "Rterm 崩溃"。

我在 Google 上没有找到任何关于此错误的明确信息。到哪里去找？

在文章 的附录中，我发布了一个不使用服务器的修订版e_DNSAE 智能交易系统。

请看一看。

祝您好运

1...891011121314151617
新评论