Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 544
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
Es besteht die Möglichkeit, dass Ihr Monitor durch Farben verwirrt wird, die manchmal schwer zu unterscheiden sind, weil er nicht richtig kalibriert ist.
Was haben Sie gebaut?So etwas gibt es nicht.
Erinnern Sie sich daran, dass ich Ihnen gesagt habe, dass das Pfund auf der Arbitragekarte die falsche Farbe hat?
Was Sie aufgebaut haben, ist ein Geheimnis.
Das ist keine Option.
Erinnern Sie sich noch, als ich Ihnen sagte, dass das Pfund auf der Arbitragekarte die falsche Farbe hat.
Was ich gebaut habe, ist ein Geheimnis.
Ich habe alle Farben aufeinander abgestimmt.
Nicht über den Markt, aber sehr nützlich und über den allgemeinen Ansatz zur effektiven Erstellung eines Modells (in jeder Phase könnte etwas schief gehen und wir würden es nicht einmal merken):
Lehrerloses Lernen (Clustering) und RL(Verstärkungslernen). In dem Versuch, die zu optimierenden Parameter zu reduzieren. Hat jemand darüber nachgedacht, wie Clustering angewendet werden kann? Die zweite Möglichkeit ist komplizierter, man braucht spezielle Pakete
Beispiel: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Lehrerloses Lernen (Clustering) und RL (Verstärkungslernen). In dem Versuch, die zu optimierenden Parameter zu reduzieren. Hat jemand darüber nachgedacht, wie Clustering angewendet werden kann? Die zweite Möglichkeit ist komplizierter, man braucht spezielle Pakete
Beispiel: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Ich fange an, über Verstärkungslernen nachzudenken. Ich denke, dass dies für den Austausch erforderlich ist.
Ich auch, ich beherrsche Python zur gleichen Zeit... R ist lästig. Es gab einen alten Artikel über Kohonen-Layer von o_o, er schrieb etwas über Pluspunkte und so weiter ohne Beispiele und Entwicklung
https://www.mql5.com/ru/articles/1562
Ich beherrsche auch Python zur gleichen Zeit... R ist lästig. Es gab einen alten Artikel über Kohonen-Layer von o_o, er schrieb etwas über Pluspunkte und so weiter ohne Beispiele und Entwicklung
https://www.mql5.com/ru/articles/1562
In der Tat kann ich Sie als Gegenstück zu meinem Repository hinzufügen, ich werde mein Arbeitsschema erklären.
Ich habe qt und opennn benutzt, und ehrlich gesagt, wurde nichts länger entwickelt als mlp (opennn).
Im Allgemeinen kann ich Sie als Gegenstück zu meinem Repository hinzufügen, ich werde Ihnen erklären, wie das funktioniert.
Ich fürchte, ich muss erst noch ein bisschen mehr lernen, ich bin noch nicht so ein guter Programmierer :) vielleicht später im nächsten Jahr
Lehrerloses Lernen (Clustering) und RL (Verstärkungslernen). In dem Versuch, die zu optimierenden Parameter zu reduzieren. Hat jemand darüber nachgedacht, wie Clustering angewendet werden kann? Die zweite Möglichkeit ist komplizierter, man braucht spezielle Pakete
Beispiel: https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-1/
https://robotwealth.com/unsupervised-candlestick-classification-for-fun-and-profit-part-2/
Ich behalte es auch im Hinterkopf. Ich kann es einfach nicht in die Finger bekommen.
Clustering ist ebenfalls eine interessante Methode. Meiner Meinung nach sollte sie vor dem Training eines Modells verwendet werden, da man auf diese Weise Parameter herausfiltern kann, die überhaupt nicht korreliert sind.
Ich behalte es auch im Hinterkopf. Ich kann es einfach nicht in die Finger bekommen.
insbesondere bei der mehrdimensionalen Clusterbildung können wir versuchen, Vektoren mit Merkmalen und Vektoren mit einer Verzögerung von, sagen wir, Inkrementen zu füttern..., um sie in Gruppen einzuteilen - welche Merkmale entsprechen welchen Inkrementen in der Zukunft
und dann auf diesen Satz für die Ausbildung NS, zum Beispiel ... dh wie Datamining gelten
ja, genau vor der Ausbildung ... oder als separate Sache für TS