Ramalan pembelajaran mendalam dengan seni bina Wavenet DeepMind
Halaman 1 daripada 1132 12 TerakhirTerakhir
Results 1 to 10 of 13

Thread: Ramalan pembelajaran mendalam dengan seni bina Wavenet DeepMind

  1. #1
    helo,

    Saya membina model pembelajaran mendalam untuk meramalkan harga forex. Dan ia memberikan keputusan yang sangat baik dalam meramalkan arah min bar seterusnya berbanding min bar terakhir.

    Model pembelajaran mendalam dapat mencari corak dalam set data besar dengan berbilang ciri. Saya bukan sahaja memberikan model itu harga tetapi menjana banyak ciri daripada kutu dan data berita ekonomi.

    Penerangan model boleh dilihat di sini:

    https://medium.com/analytics-vidhya/...5ff2e0e2e966e5
    Manual penyediaan data di sini:

    https://github.com//probabilistic_wa...preparation.md

    Jika anda mempunyai sebarang soalan, cadangan, sila tulis.

    Saya menggunakan bentuk keluaran yang berbeza, langsung dan kemungkinan juga. Imej di bawah menunjukkan beberapa langkah ramalan kebarangkalian:
    (Biru dan oren ialah ramalan model yang berbeza, dan garisan menegak merah ialah harga sebenar JPY/USD (ya, bukan USD/JPY).)


    https://miro.medium.com/max/618/1*GN...P3kp9Ikng.jpeg

    Kemas kini:
    Seperti yang dinyatakan oleh PipMeUp, ramalan ini boleh dianggap sebagai sejenis penunjuk dan bukan strategi perdagangan. Saya tidak mahu menyatakan lebih lanjut. Membina strategi mengenainya memerlukan lebih banyak usaha, dan saya tidak boleh mendakwa bahawa ia akan menjadi strategi yang menguntungkan, kerana saya tidak melakukannya setakat ini.
    Tetapi saya harap anda mendapati pendekatan dan penunjuk memberi inspirasi.

    Terima kasih

  2. #2
    Terima kasih kerana menyiarkan thread ini. Terdapat beberapa artikel menarik mengenai medium sejak kebelakangan ini. Saya mengikuti yang berbeza hingga baru-baru ini untuk R yang menggunakan aliran tensor tetapi selepas melaksanakan ia tidak tahu apa yang perlu dibuat daripadanya. Mungkin benang ini akan memberi saya motivasi untuk akhirnya membuat lompatan penuh ke Python kerana ia nampaknya di mana semua pakej baharu yang terbaik datang. Terima kasih atas cadangan buku. Mudah-mudahan saya dapat mempercepatkan dengan melihat contoh-contoh di dalamnya sambil saya mengikuti perkembangan anda. Adakah anda bekerja dalam Python semata-mata? Kebanyakan pembangunan saya kini dalam C# - Saya mempunyai antara muka yang bagus untuk R tetapi memerlukan sesuatu seperti itu untuk memindahkan data ke/dari Python. Saya tahu Visual Studio mempunyai beberapa ciri yang bagus untuk Python - tidak pasti betapa mudahnya untuk antara muka dari C# ke Python walaupun. Saya menukar komputer dan pada asasnya perlu memasang Python dari awal. Adakah anda mencadangkan Anaconda atau kaedah lain untuk mendapatkan kebanyakan pakej yang diperlukan?

  3. #3
    Terima kasih untuk siaran panjang PipMeUp. Anda mempunyai mata yang sangat baik, ini hanya penunjuk. Dan ia hanya meramalkan bar 5 minit seterusnya bermakna, yang menjadikan penunjuk lebih sukar untuk digunakan daripada peramal lain yang meramalkan beberapa nilai pada masa tertentu. Tetapi purata ini mengurangkan turun naik pembolehubah yang diramalkan, dan model mempunyai masa yang lebih mudah untuk mencari beberapa corak. Untuk strategi saya harus melatih model lain, tetapi tidak begitu berbeza, daripada ini. Saya tidak akan cuba meramalkan harga buka atau tutup, kerana ia adalah yang paling sukar. Tetapi akan cuba meramalkan tinggi, rendah, kuartil pertama, dan kuartil ketiga bar juga. Itu akan banyak membantu, dengan penunjuk itu lebih mudah untuk membangunkan strategi, mencari tahap TP dan SL . . . Membina model yang meramalkan semua ini sekali gus boleh membantu membuat generalisasi dengan lebih baik, tetapi itu tidak dapat diketahui terlebih dahulu. Jadi beberapa hari pengkomputeran GPU diperlukan. Dan saya harus menggunakan harga bida juga, membuat ciri yang sama dan membentuk beberapa ciri silang yang menjanjikan (sebaran, gelinciran dan lain-lain) daripada harga bida dan permintaan. Itu sepatutnya membantu model itu. Selepas itu akan datang pembinaan strategi. Mula-mula saya akan menggunakan strategi yang lebih konservatif, bukan berasaskan DL. Sudah tentu, pembelajaran pengukuhan yang mendapat input adalah bagus, tetapi itu akan menjadi masa yang sangat lama untuk dibangunkan, dan mungkin strategi bukan berasaskan ML sudah memadai. Mengenai selang keyakinan: Untuk kaedah Relu berarah, saya tidak menunjukkan selang keyakinan, anda betul. Metrik mudah untuk menentukan beberapa ketidakpastian ialah purata ralat itu sendiri. Dan kita boleh menyesuaikan taburan normal dengan ralat pengesahan, dan mendapatkan 95 peratus dalaman untuk selang keyakinan yang luas. Untuk model terakhir dengan keluaran kebarangkalian, kami mendapat pengagihan sebagai ramalan (kami mendapat min dan sisihan piawai subagihan). Jadi pada setiap langkah, adalah mungkin untuk mengira selang keyakinan dengan mana-mana tahap daripada min dan sisihan piawai yang diramalkan untuk masa tertentu itu, dan setiap langkah masa mempunyai selang keyakinan sendiri berdasarkan parameter input. Daripada gambar yang saya selitkan di atas
    https://miro.medium.com/max/618/1*GN...P3kp9Ikng.jpegadalah sukar untuk mendapatkan tahap keyakinan ini, sepatutnya menunjukkan tahap 50 dan 95 peratus untuk penilaian yang lebih baik. Ya, saya perlu mencari sedikit masa untuk menambah baik model, terima kasih.

  4. #4
    1 Lampiran
    Quote Originally Posted by ;
    Jawapan ringkas: Saya tidak akan membangunkan strategi penuh dalam beberapa bulan akan datang, mungkin kemudian.
    Mungkin anda harus mula sekarang, selari. Saya dapat melihat beberapa sebab untuk ini. Yang pertama adalah untuk mengelakkan mengambil masalah dengan cara yang salah. Maksud saya anda akan mendapat NN yang akan memberikan beberapa ramalan. Pada penghujung hari, itu hanya penunjuk. Satu kompleks tetapi penunjuk. Risiko anda adalah untuk berakhir dengan alat dan perlu memaksa diri anda untuk memikirkan apa yang perlu dibina dengannya. Alasan kedua ialah strategi tentang pengurusan jawatan akan lebih penting daripada ramalan kerana ketidakpastian yang tinggi. Sebab lain adalah lebih teknikal dan saya melihatnya sebagai peluang. Anda mencipta peramal menggunakan DL maka saya fikir ia masuk akal untuk membina strategi dengan cara yang sama. Membina kedua-duanya pada masa yang sama membolehkan anda memberi maklum balas kepada peramal dengan keputusan dagangan (ia menjadi sebahagian daripada input). Jika peramal anda menjadi penganggar arah aliran, strategi mungkin akan menumpu kepada pengikut aliran dan memerlukan peramal memfokuskan pada ramalan arah aliran dengan lebih baik. Saya membaca blog anda dan saya ingin melihat dua perkara pada gambar di bahagian akhir (disalin di bawah). 1- Selang keyakinan sekitar ramalan (pada keputusan saya sendiri ia adalah BESAR) 2- Beberapa ramalan berturut-turut untuk melihat betapa berubah-ubahnya. =gt; Saya membuat peramal mudah dan apabila saya memilih yang betul ramalan itu boleh menjadi luar biasa ;-) namun ia sering berubah daripada bearing kepada kuat menaik dalam satu bar dan mengubah fikirannya lagi pada yang seterusnya!

  5. #5

    Quote Originally Posted by ;
    {quote} Hai. Selamat melihat kaedah pembelajaran mendalam anda. Saya bekerja dalam bidang AI, GA, RBF dan pembelajaran mendalam. Saya akan mengkaji pautan anda dan ingin melihat hasil kerja anda dan mari bersama-sama memperbaiki kaedah tersebut. Bolehkah anda berkongsi data dan aliran sembang/kod anda? Saya akan melaksanakannya dalam MATLAB dan akan berkongsi dengan anda untuk komen anda.
    Hello Yashir, Setiap kod tersedia di github, dan manual pemprosesan data menerangkan saluran paip:
    https://github.com//probabilistic_wa...preparation.md. Jadi anda mempunyai kod itu. Baru diperiksa, malangnya, fail data tidak sampai ke github, terlalu besar. Tetapi data semak tersedia di dukascopy, dan anda boleh memuat turunnya dengan mudah dengan Tickstory:
    https://tickstory.com/Ia tidak terlalu lama untuk menjalankannya melalui buku nota pemprosesan data.

  6. #6

    Quote Originally Posted by ;
    nampak sangat menarik. soalan pertama yang terlintas di fikiran ialah : perkakasan apa yang anda gunakan ? adakah anda akan membuktikan pembunuhan anda dengan beberapa keputusan sebenar dan apakah rancangan masa depan anda? terima kasih
    Saya melatihnya di Google Cloud dengan GPU Nvidia K80 tunggal. Melatih model adalah beberapa jam, tetapi saya berlatih lebih banyak daripada dalam buku nota. Minggu lepas menjadi sangat sukar untuk mendapatkan google GPU kerana semua orang yang duduk di pejabat rumah mula menggunakan awan. Melatih beberapa model pada CPU, tetapi itu sangat panjang. Ini adalah projek portfolio. Saya berbesar hati untuk bekerjasama dengan kumpulan profesional untuk membangunkan sistem berdasarkan model pembelajaran mendalam. Jika tidak, maka saya akan cuba melaksanakan penyelesaian lain untuk siri masa daripada pemprosesan bahasa semula jadi atau penglihatan komputer sendiri untuk dipelajari. Saya mempunyai banyak idea. Jawapan ringkas: Saya tidak akan membangunkan strategi penuh dalam beberapa bulan akan datang, mungkin kemudian. Tetapi setiap model dan input tersedia di Github. Saya hanya ingin berkongsi di sini peluang DL, dan bercakap dengan orang yang berminat dalam sistem berasaskan pembelajaran mesin.

  7. #7

    Quote Originally Posted by ;
    Hello, saya membina model pembelajaran mendalam untuk meramalkan harga forex. Dan ia memberikan keputusan yang sangat baik dalam meramalkan arah min bar seterusnya berbanding min bar terakhir. Model pembelajaran mendalam dapat mencari corak dalam set data besar dengan berbilang ciri. Saya bukan sahaja memberikan model itu harga tetapi menjana banyak ciri daripada kutu dan data berita ekonomi. Penerangan model boleh dilihat di sini:
    https://medium.com/analytics-vidhya/...5ff2e0e2e966e5...
    Hai. Selamat melihat kaedah pembelajaran mendalam anda. Saya bekerja dalam bidang AI, GA, RBF dan pembelajaran mendalam. Saya akan mengkaji pautan anda dan ingin melihat hasil kerja anda dan mari bersama-sama memperbaiki kaedah tersebut. Bolehkah anda berkongsi data dan aliran sembang/kod anda? Saya akan melaksanakannya dalam MATLAB dan akan berkongsi dengan anda untuk komen anda.

  8. #8
    nampak sangat menarik. soalan pertama yang terlintas di fikiran ialah : perkakasan apa yang anda gunakan ? adakah anda akan membuktikan pembunuhan anda dengan beberapa keputusan sebenar dan apakah rancangan masa depan anda? terima kasih

  9. #9
    Quote Originally Posted by ;
    Jadi biar saya rasa... Anda mempunyai ramalan tetapi apabila anda menukarnya - adalah satu kerugian, bukan?
    Tidak, saya tidak menukarnya setakat ini. Ini hanyalah ramalan, dan output model yang berbeza memerlukan strategi yang berbeza untuk membina di sekelilingnya. Keluaran kebarangkalian memerlukan banyak pemikiran tentang cara mencari strategi terbaik untuknya. Ini baru separuh jalan. Tetapi model itu tidak buruk pada data yang tidak pernah dilihat sebelum ini. Jadi untuk membuat strategi yang baik di sekelilingnya, saya fikir ia memerlukan jumlah kerja yang sama seperti dalam bangunan model. Tetapi saya perlu belajar API lain seperti yang saya gunakan sebelum ini, lebih banyak kerja mungkin dari pihak saya. Tetapi saya mempunyai matlamat yang berbeza dengan artikel ini: membuktikan kemahiran saya dalam pemodelan siri masa pembelajaran mendalam.

  10. #10
    Jadi biar saya rasa... Anda mempunyai ramalan tetapi apabila anda menukarnya - adalah satu kerugian, bukan?

Kebenaran Posting

  • Anda tidak boleh menghantar thread baru
  • Anda tidak boleh membalas kiriman
  • Anda tidak boleh mengedit siaran anda
  • Anda tidak boleh menyiarkan lampiran
  •  
  • Kod BB Hidup
  • Smilies Hidup
  • Kod [IMG] adalah Hidup
  • Kod [VIDEO] adalah Hidup
  • Kod HTML Tidak Hidup
Polisi Kuki
We use cookies to store session information to facilitate remembering your login information, to allow you to save website preferences, to personalise content and ads, to provide social media features and to analyse our traffic. We also share information about your use of our site with our social media, advertising and analytics partners.