Рыночный этикет или правила хорошего тона на минном поле - страница 34

to Neutron

Сергей вот график того, что у меня получилось в Маткаде. Здесь красная линия - первая разность пятичленного синуса, зеленая - попытки нейрона угадать её поведение на следующем шаге.

Похоже, что работает.

Теперь займусь в Маткаде минутками AUDUSD. Да, забыл сказать, что это был нейрон с бинарными входами, а на картинке внизу - тот же нейрон с действительными входами

Погоди.

Давай представим результаты работы твоей НС на модельном ряде в более информативном виде. Для НС с действительными входами будем откладывать прогнозируемое значение приращения ВР с учётом знака и амплитуды по о абсцисс, а прогнозное - по оси ординат. Имея достаточное количество экспериментальных точек, мы получим в итоге такую картинку:

Здесь, точками сиреневого цвета показана обучающая выборка, синими - тестовая и чёрным - тестовая на случайном ВР. Методом наименьших квадратов через облака данных проведены прямые линии. Угол наклона такой линии показывает точность прогноза (чем он ближе к 45 градусам, тем точнее прогноз), разброс точек вокруг линии - дисперсию прогноза, отличие угла наклона чёрной линии от горизонтального направления - статистическую значимость полученных результатов и заодно отсутствие ошибок в алгоритме (например, заглядывание в будущее).

Для НС работающей с бинарными входами и используемой для предсказания только знака ожидаемого движения, можно оценивать точность прогноза всего одним параметром - % точных попаданий. Его можно вычислять по такой формуле:

Где, x[i] - реальное значение приращения, y[i] - прогнозное. Эту процедуру необходимо выполнить и для обучающей выборки и для тестовой, n желательно иметь более 100.

Делаю. Уточни плиз насчет метода наименьших квадратов - я не знаю что это и как посчитать. Да, и еще: как ты картинки и формулы из Маткада в форум вставляешь?

Я их сначала копирую в графический редактор, а потом обрезаю как нужно.

Да, так же. У меня есть в графическом редакторе функция Screen Capture, которая захватывает выделенный участок монитора. Можно ещё ткнуть на график и из контекстного меню скопировать и т.д.

Вот формула для МНК:

Нужно, что бы длина векторов x и y были одинаковыми. Метод позволяет провести через набор точек прямую так, что сумма всех расстояний от каждой точки до этой прямой будет минимальная из всех возможных вариантов.

Что-то у меня не получается такого облака, как на твоем рисунке

Получается вот это:

Здесь по оси абсцисс первая разность пятичленного синуса, по оси ординат - прогноз сети

Может тип графика не тот? Он у меня все точки пытается линиями соединять. Сейчас попробую другое что-нибудь

Так ты выбери в настройках графики вместо пунктирного представления- точечное:

и раскрась эти точки в нужные цвета. И сетточку выведи (настройки в окне левее).

О! Петля гистерезиса вырисовывается, однако!

Сергей, а разве у нас обучающая выборка и тестовая выборка это не одно и то же?

У меня нейрон обучается каждый раз на n отсчетах вектора даннных, а прогнозирует n+1 -вый отсчет(того же вектора данных). Разность между прогнозом сетки и фактическим значением n+1-го отсчета я использую для вычисления коррекции. Как при таких условиях построить графики для обучающей и тестовой выборки раздельно?

Позвольте Вас поправить. Не "расстояний", а "квадратов расстояний".

И, кстати, по МНК можно не только коэффициенты прямых расчитывать.

Да не важно, как мы их определим, важно, что есть отсчёты на которых НС обучалась и которые прогнозировала. Вот и выведи два ряда точек.