Стратегия на основе поиска закономерностей.

[Рэндом]

Сделал ResNet. Результат тот же. Подозреваю, что я не правильно готовлю исходные данные. В рапидмайнере классификация по зигзагу выдавала результаты. Почему сейчас не могу получить тот же результат не понятно. Надо копать интернет. Причем я пробовал прогнозировать изменение цены следующего бара. Результата то же не было. Плохо я еще изучил нейронные сети.

[Рэндом]

Кое чего удалось достичь. И именно на ResNet. Надо играться с параметрами сети. Вот скриншот кросс энтропии на тестовых данных.

Кросс энтропия 0.33. Когда будет меньше 0.05 будет супер. Для этого надо подбирать параметры обучения.

[Рэндом]

Что можно сказать про Tensorflow. Первые ветвления он лучше CNTK. Только я еще не все в нем понимаю. Но то что уже понял достаточно для практической работы. Что ж буду изучать дальше. Я пока не могу понять почему все сети выдают одинаковый результат и практически не обучаются. Возможно есть ошибки в коде. Хорошо бы проверить мои данные на готовой сети. Я нашел одну сеть. Попробую ее адаптировать для своих данных. Интересно что из этого получиться.

[Haos]

Кросс энтропия 0.33. Когда будет меньше 0.05 будет супер. Для этого надо подбирать параметры обучения.

Честно сказать, даже я не знаю что такое "кросс-энтропия". Может как-то пояснить этот параметр для форумчан?

[Рэндом]

Это ошибка классификации. Чем меньше тем лучше. Хороший показатель 0.05. Больше я пока сам не знаю. Мало информации в сети. И найти ее трудно. Исправил кое-какие ошибки. Проверил сеть на тестовом наборе данных на котором известно что сеть хорошо обучается. Получил показатель ошибки 0.05. Теперь на ночь запускаю на данных по сберу. Посмотрю что получиться.

[Рэндом]

Я сделал так чтобы в конце обучения показывался процесс ошибок на тестовых данных. Удалось достичь 5% ошибок. И сеть начала выдавать результаты. Это для сбера. Настрою сеть проверю на евро. Надо подобрать параметры сети и улучшить результаты. Скоро закончу с обучением сети и примусь за индикатор.

[Рэндом]

На евро 30 минут по зигзагу получил 3% ошибок. Всего 3%. Сеть выдает осмысленные результаты. Надо делать индикатор. Лучшие результаты получил не на индикаторах, а на ценовых данных. Длина бара и разница минимумов и максимумов. Подовал на входы просто разницу ценовых параметров.

[Haos]

На евро 30 минут по зигзагу получил 3% ошибок. Всего 3%. Сеть выдает осмысленные результаты. Надо делать индикатор. Лучшие результаты получил не на индикаторах, а на ценовых данных. Длина бара и разница минимумов и максимумов. Подовал на входы просто разницу ценовых параметров.

Не совсем понял: сеть дает 97% правильных предсказаний на форвард тесте? Или речь идет о бэк-тесте? Тогда это может быть переобучение сети (если я правильно понял, что 97% сеть выдает правильных сигналов).

[Рэндом]

97 на форвард тесте. Переобучение есть. Я знаю как с ним бороться. Сейчас как раз обучаю сеть которая не должна переобучаться. Что-то мне этот показатель не нравиться 97%. Этот показатель вычеслен по https://ru.wikipedia.org/wiki/ROC-%D0%B ... 0%B0%D1%8F Но по идее все должно быть правильно. Этот метод вычисления ошибки хорош при вероятностном подходе к классификации. А сеть у меня показывает именно вероятность принадлежности к классу. Это так называемая сверточная сеть. Такой вид сети ищет патерны в данных. Т.е. то что я и хотел. Найти закономерности. Последний слой сети как раз вычисляет вероятности.

[Рэндом]

Все таки это не процент ошибок. С процентом ошибок все плохо. Это самая плохая метрика основанная на точном совпадение. Т.е класс должен соответствовать строго 1. А если значение скажем 0.8 это тоже хороший показатель принадлежности классу. Его тоже надо как-то учесть при подсчете ошибки. Выбранный мной метод учитывает. Все равно у него хорошие показатели. 0.97. Я пока не могу толком разобраться с интерпретаций всех этих показателей. И чтение интернета не помогает. Где бы найти нормальную инфу по ним.