Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1733
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Alles funktioniert. Wir müssen gleitende Zeitfenster einführen. Feste Zahlen werden als begrenzt angesehen.
Nun, wenn die Minutenmuster diskontinuierlich/ungleichmäßig "gestreut" sind, dann denke ich nicht, dass es sich lohnt, sie zu clustern, lassen Sie es einfach so wie es ist und testen Sie es.
Wenn das Muster ungleichmäßig über die Minuten "verstreut" ist, lohnt es sich meiner Meinung nach nicht, es zu clustern, sondern es so zu lassen, wie es ist, und zu testen.
in der Regel nach mehreren Minuten hintereinander gruppiert.
werden in der Regel für mehrere Minuten am Stück zusammengelegt
Machen Sie es auf Ihre Art, aber machen Sie OOS
sehen wollen
Dies ist eine Frage für die MoD-Kenner: Es ist bekannt, dass man dem NS beibringen kann, einen Gegenstand anhand eines Bildes zu erkennen, aber der Gegenstand muss sich in normalem, zusammengebautem Zustand befinden, aber kann man dem NS beibringen, zerbrochene Gegenstände zu erkennen, wie z. B. ein Auto nach einem Unfall, ein Haus, das gerade abgerissen wird, oder Möbel nach einem Tornado? Ein Mensch kann das in einem Zug erledigen.
Wen kümmert es, ob das Haus kaputt ist oder nicht, das Netz lernt, was ihm beigebracht wird
Es macht keinen Unterschied, ob das Haus kaputt ist oder nicht, das Netz lernt, was ihm beigebracht wird.
Ausführlich.))
Ein Haus ist immer auf unterschiedliche Weise kaputt. Es besteht ein großer Unterschied zwischen einem ganzen Haus und einem kaputten Haus. Wenn ein ganzes Haus ein paar christomatische Bilder hat, kann ein kaputtes Haus nach allem Möglichen aussehen. Und doch erkennt der Mensch sie leicht.
Der Mensch kann leicht mit der Entropie in einem Bild umgehen, aber NS?
Ich habe irgendwo gezeigt (ich habe vergessen, wo, denn ich habe seit mehr als einem Monat nicht mehr gehandelt), dass die Wahrscheinlichkeitsverteilung von Marktinkrementen das Produkt der CB-Gauß- und der Exponentialverteilung (oder allgemeiner: der Erlangschen Verteilung) ist.
Die Erlang-Verteilung ist für die Zeitintervalle zwischen den Tick-Kursen verantwortlich, und der Generator solcher Zahlen sieht wie folgt aus
Dabei ist Lambda die Intensität des Stroms von Ereignissen (Anführungszeichen).
Wenn Lambda=const ist, ist der Prozess stationär, aber die Intensität der Marktströme ist zu verschiedenen Zeitpunkten unterschiedlich, d. h. Lambda=f(t), was den nicht-stationären Prozess im Allgemeinen bestimmt.
Zur Unterscheidung eines stationären Prozesses ist es daher erforderlich, einzelne Abschnitte des BP mit derselben Flussdichte als Ganzes zu betrachten.
Daher sind Versuche, den BP in Stunden innerhalb eines Tages aufzuteilen und diese Stunden dann "zusammenzukleben", eindeutig lebensberechtigt.
Ausführlich.))
Ein Haus ist immer auf unterschiedliche Weise kaputt. Zwischen dem ganzen Haus ...
Nun, ja, die Katzen auf dem Bild sind anders, aber das Netzwerk erkennt sie und unterscheidet sie irgendwie von den Hunden...
Lesen Sie etwas über die Grundsätze der Mustererkennung, über Faltungsnetze, ihre Funktionsweise usw. Ihre Fragen sind sehr unreif, und wenn Sie sie lesen, werden Sie ihre Dummheit verstehen.