Qualcuno le ha provate?

[marofib]

niente, non e' servito > 0.5..gli esempi si sono dimezzati...questo e' probabile che abbia influito
che dire...+- come esperimenti che ho fatto in passato
se pulisco,sistemo,raddrizzo le variabili in ingresso ste robe danno una mano....ma se butto dentro attributi con la pala e' difficile ottenere risultati (questo vale per me, altri non so)
probabilmente servono campioni molto + numerosi...ma questo non e' sempre possibile...sicuramente servono algoritmi + sofisticati..settaggi appropriati..background giusto....ma sopratutto per mettermi a lavorare devo vedere uno spiraglio di prob. positiva
cmq bene, noi umani siamo ancora superiori, devono ancora nascere gli algoritmi per fregarci in borsa
con i dati che ha mangiato oggi doveva estrarre valore...se non ce la fa ha fallito!

ps:salvo bug eccccc.....provate anche Voi..non bisogna fidarsi di nessuno..magari ci sono conflitti di interesse o incapacita'....io ne faro' altri perche' in via di lavoro sto poco..se lascio passare mi dimentico....sicuramente provero' senza immagini
oggi mi e' arrivato il libro ....dopo sta prova ci vuole del coraggio per aprirlo ahaaahah...cmq mai dire mai...si chiude una porta e si apre un portone..al limite le uso come classificazione ultima..dove sicuramente aiutano

 

[marofib]

ho provato a semplificare le foto mettendo dentro solo 3 gg anziche' 10 ..ma niente
non pensavo fosse + semplice distinguere un gatto da un cane...pero' pensandoci...ci sta
la borsa e' proprio maledetta

 

[marofib]

poi faccio un tentativo ancora + banale....solo prezzi...quindi come opera un trader medio
pero' ci sara' un problema....lui cerca l'elemento cane e gatto sia che sta al centro che sui bordi
se sta sui bordi per lui non cambia niente....per me vuol dire 2.33 sigma
quindi se c'e' una tela con altri attributi e quindi c'e' un rapporto con gli altri c'e' una giusta disposizione spaziale ...ma cosi'.....
cmq per disperazione provo
mentre scrivo mi viene in mente un'altra modifica....devo metterci una linea spessa sullo 0 ..perche' c'e' il rischio che il grafico scivoli su un estremo e lui non se ne accorga

 

[marofib]

ecco cosi' dovrebbe capire, si accettano scommesse ..cmq con molti attributi non dovrebbe cambiare molto

 

[marofib]

niente da fare, ne' con prezzi da soli nei 10 gg ne' colorando lo 0
prox giro devo capire come avere indietro la probabilita'..perche' alcune previsioni sono random
bisogna sempre ricordarsi poi che si puo' guadagnare anche prendendo il 30,40% se nel momento giusto
questo non esime pero' sto affare dal darmi di default almeno il 51%..su questo non scendo a compromessi
sembra vada in overfitting facilmente....parte col 53 circa%...poi invece di migliorare... peggiora col training

 

[marofib]

boh..sono un po' deluso, sapevo che non poteva fare miracoli ma un po' meglio si
se mi metto a fare semplici pattern sui prezzi (solo prezzi) con solo l'uso della correlazione e una soglia ottengo risultati migliori...certo ho una soglia e gioco dove serve vabbe'


sto vedendo dove si puo' mettere mano con facilita'
a) Elevare il batch size porta ad una peggioramento lieve e progressivo delle prestazioni della rete, ..quindi al limite da 32 provo a dimezzarlo
b) la nostra e' RELU e pare buono https://www.quora.com/What-are-the-...ts-vs-the-typical-sigmoid-activation-function
c)num_channels = 3...quindi a colori...assolutamente cosi' deve stare

altre cose al momento non ho idea.devo studiare...ma prima di cestinare le immagini voglio provare con SVM che generalizzano molto meglio (perche' il problema che sto riscontrando e' proprio di overfitting..forse per pochi dati)...dovro' pero' raddrizzare un po' le variabili

 

[marofib]

+- ha la stessa idea....un po' + profonda..pero' effettivamente prima di questa ultima moda era lo stato dell'arte

Why do Convolutional Neural Networks not use a Support Vector Machine to classify?

 

[marofib]

vedo che importa il dabase iris...fiori ..quindi potrebbe fare al caso mio..domani con calma vedro'

scikit-learn : Support Vector Machines (SVM) - 2017

come si puo' riconoscere una banana
Image classification using SVM Python

o qui che e' spiegato da dio
Support vector machine (Svm classifier) implemenation in python with Scikit-learn

 

[marofib]

iris e' semplicemente numerico
ora devo finire il discorso immagini
Recognizing hand-written digits — scikit-learn 0.19.0 documentation
pero' qui il target e' il colore nero
avessi un solo attributo ok...quindi un semplice pattern prezzo....ma non ora
'''annoto anche sto problema che non mi faccia perdere tempo poi Scikit-learn SVM digit recognition


ecco qua mi avvicino al voluto
An intro to linear classification with Python - PyImageSearch

poi come dicevo nei post prec...vorrei evitare sta cosa....che andra' bene per un cane ma non a me..vedro' che riesco a fare senza spaccare tutto
Infine, b , il vettore di bias è di dimensione [K x 1] . Il vettore di bias ci permette sostanzialmente di "spostare" la nostra funzione di punteggio in una direzione o in un altro, senza influenzare effettivamente la nostra matrice di peso W - questo è spesso critico per l'apprendimento di successo.

 

[marofib]

bho ormai sono stato scottato dalle immagini
non ho voglia di rielaborare gli input per essere facilmente separati da SVM ...perche' a sto punto torno al punto di partenza...cioe' che me le devo inventare io le cose

sono partito con l'idea LSTM e qui c'e' un esempio chiaro
usano keras, la madre di tensorflow....tra l'altro leggendo in giro...dicono che ha una curva di apprendimento meno ripida...e usano funzioni + ad alto livello...che per un utente normale e' meglio
deep_learning/keras/recurrent at master · Vict0rSch/deep_learning · GitHub

https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/
in quest'ultimo nel mio caso farei un'altro passaggio...dopo aver stimato i nuovi attributi..un'altra classificazione a 2 classi con qualsiasi algoritmo..a sto punto non importa
nel primo gia' che c'era poteva usare tutti gli attributi..vabbe'
se riesco a trovare un codice gia' confezionato per fare tutto in un unico passaggio e' meglio, sono un po' stanchino e "lievemente" demotivato