트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1753

 
막심 드미트리예프스키 :

로컬 회귀, 증분. 그는 표지판을 직접 선택하고 250 개 중 10-15 개를 남깁니다.

어, van hot을 통해 더 많은 시계 번호
함께하면 더 적은 트랜잭션이 개별적으로 더 많이 발생하지만 그렇게 아름답지는 않습니다))) 하나의 TF에서? 나는 당신이 더 오래된 것을 돌리면 무엇을 줄 것인지 이해할 수 없습니다. 아니면 더 어린? 그러나 나는 표지판을 보는 방법을 알 수 없습니다. 하지만 거기에 뭔가가 있어
 
막심 드미트리예프스키 :

로컬 회귀, 증분. 그는 표지판을 직접 선택하고 250 개 중 10-15 개를 남깁니다.

어, van hot을 통해 더 많은 시계 번호

지역 회귀 - 무엇입니까? (회귀의 숲?)

 
도서관 :

지역 회귀 - 무엇입니까? (회귀의 숲?)

지역 동향
 
막심 드미트리예프스키 :

엿보기 금지, 많은 수정

계량 경제학 + 숲 :)

w를 통해 테스트하는 이유는 무엇입니까? 현재를 거래하기 위해 미래에 모델을 훈련시킬 수 있습니까?

당신의 기차는 왜 시험이 끝난 후에 가나요? 당신은 그것을 할 수 없습니다!

 
mytarmailS :

w를 통해 테스트하는 이유는 무엇입니까? 현재를 거래하기 위해 미래에 모델을 훈련시킬 수 있습니까?

당신의 기차는 왜 시험이 끝난 후에 가나요? 당신은 그것을 할 수 없습니다!

작은 것에 집착하지 마라

 
막심 드미트리예프스키 :

작은 것에 집착하지 마라

이것은 사소한 맥스가 아닙니다! 나는 여러 번 화상을 입었고, 당신은 그것을 할 수 없습니다! 제대로 하면 우리가 보게 될 것입니다.

 
mytarmailS :

이것은 사소한 맥스가 아닙니다! 나는 두 번 이상 해고당했습니다. 제대로 하세요. 그러면 우리가 보게 될 것입니다.

동일하지만 왼쪽에서 오른쪽으로

나는 술집에서 이 TC를 NRA하지 않아, 거래는 거의 없어

 
막심 드미트리예프스키 :

동일하지만 왼쪽에서 오른쪽으로

사실이 아닙니다! 이것은 첫째, 둘째 시도입니다. 일반적으로 하세요, 정상적으로 할 수 있다면 스스로 ..

나는 이것을 가지고 있었다 - 나는 모든 데이터에 대한 목표를 계산 한 다음 테스트와 기차로 나누었고 목표는 메모리와 함께 테스트 데이터에서 매우 잘 나타났고 다시 계산했을 때만 테스트 데이터, 모든 것이 슬픈 것으로 밝혀졌고 그것은 모두 암묵적이고 가벼운 경우이며 실제로 실현되지 않는 쓰레기를 의도적으로 수행합니다.

막심 드미트리예프스키 :

나는 술집에서 이 TC를 NRA하지 않아, 거래는 거의 없어

거래가 적고 현실과 공통점이 거의 없습니다. 양초를 닫을 때마다 때때로 주관성이 있으므로 데이터를 먼저 어떻게든 변환해야 합니다.

 
mytarmailS :

사실이 아닙니다! 이것은 첫째, 둘째 시도입니다. 일반적으로 하세요, 정상적으로 할 수 있다면 스스로 ..

나는 이것을 가지고 있었다 - 나는 모든 데이터에 대한 목표를 계산 한 다음 테스트와 기차로 나누었고 목표는 메모리와 함께 테스트 데이터에서 매우 잘 나타났고 다시 계산했을 때만 테스트 데이터, 모든 것이 슬픈 것으로 밝혀졌고 그것은 모두 암묵적이고 가벼운 경우이며 실제로 실현되지 않는 쓰레기를 의도적으로 수행합니다.

거래가 적고 현실과 공통점이 거의 없습니다. 양초를 닫을 때마다 때때로 주관성이 있으므로 데이터를 먼저 어떻게든 변환해야 합니다.

걱정 하지마 ))

MT5 테스터에서는 엿보기가 불가능합니다

 
막심 드미트리예프스키 :

동일하지만 왼쪽에서 오른쪽으로

나는 술집에서 이 TC를 NRA하지 않아, 거래는 거의 없어

분류로 가 봅시다. 메트릭으로 명확하고 항상 누군가와 비교할 수 있으며 쉽습니다.

재미있는 아이디어가 있었어, 유용한 챌린지

목표 및 가격 + 다양한 유용한 지표가 있는 데이터 세트 (모두에게 동일)를 생성하고 여기에 게시하고 테스트 및 훈련을 수행하고 이미 훈련된 모델의 완전한 OOS 검사를 위해 "test2"도 수행하면 어떻게 될까요?

사람들은 분류의 품질을 향상시키기 위해 데이터 세트를 업로드하고, 어떤 일이 발생하면 기능/지표의 형태로 데이터 세트에 추가됩니다.

결과:

1) 데이터 세트가 개선되고 있으며, 그 기능이 개선되고 있습니다.

2) 모델이 좋아지고 있다

3) 기능 및 AMO 작업에 대한 이해를 향상시킵니다.

4) 멀리 떨어져 있지만 팀워크

5) 모두를 위한 혜택, 모든 것이 진화하고, 마침내 통일이 될 것입니다. 쪼꼬미가 아닌, 음, 남보다 더 잘하기 위한 인센티브로 도전

사유: