그럼에도 불구하고 나는 당신의 MO에서 뭔가를 이해하지 못합니다. 당신은 MO에게 예측자 등의 데이터 세트를 제공하고 지금 가서 나에게 이익을 찾으십시오.
그것은 마치 - 여기 당신을 위한 말이 있습니다, Ivan, 여기 칼과 방패가 있습니다. 이제 가서 불새를 가져오십시오. 소문이 있습니다. 저기 어딘가, 바다 너머, 바다 너머에 있습니다. 당신은 찾을 수 없습니다 - 도끼 머리. Ivan은 모든 것을 알고 있는 꼬마 혹등의 말을 가지고 있었지만 MO는 찌를 수만 있습니다. 그녀는 무언가를 찾았습니다. - 아니오 - 알겠습니다. 더 찾아보겠습니다.
그래도 Ivan이 Bukhara 또는 India에서 Shah 등의 샤와 함께 최소한 일부 예비 정보를 제공하는 것이 좋을 것입니다. 두 곳에서 탈 수 있습니다. 그리고 MO도 나쁘지 않고 분류할 옵션이 적고 작업이 더 구체적으로 공식화되어 있습니다.
당신은 어떤 och가 들어있는 상자를 가지고 있습니다. 구릉 풍경. 우리는 거기에 많은 공을 던졌습니다(이것이 시드입니다). 그리고 우리의 임무는 대부분의 공이 가장 깊은 구멍에 떨어지는지 확인하는 것입니다. 이것은 훈련이 될 것이며, 이 원칙에 따라 모스크바 지역에서의 훈련이 준비됩니다.
1. 상자를 약간 흔들면 대부분의 공이 원래 떨어졌던 구멍을 떠날 수 없습니다. 학습이 일어나지 않습니다.
2. 상자를 강하게 흔들면 일부 공은 칠 기회가 있고 가장 깊은 구멍에만 남아 있지만 더 얕은 구멍은 채워지지 않은 상태로 남아 있기 때문입니다. 공이 거기에서 튀어 나올 것입니다. 완전한 학습은 일어나지 않을 것입니다.
3. 상자를 중간 정도의 힘으로 흔들면 깊고 중간 정도의 구멍만 채워지고 나머지 공은 아무 것도 찾지 못하고 상자 주위를 무작위로 계속 뛰어다닙니다. 훈련은 1과 2보다 낫지 만 얼음도 아닙니다.
훈련 방법에는 항상 설정이 있습니다. 가장 효과적인 훈련을 얻기 위해 상자를 흔드는 방법과 시기를 정확하게 지정합니다.
다른 "씨앗"이 수렴하지 않으면 학습 알고리즘에 문제가 있는 것입니다. 그렇게 흔들리지 않거나 우리 상자에서 잡을 수 있는 깊은 우울증이 없습니다.
멋지게 표현하셨지만, 부스팅이 NN(훈련 시작 시 뉴런의 가중치 무작위 조정)에서와 동일한지 잘 모르겠습니다. 정확한 구현 정보를 찾을 수 없습니다. 그리고 어쨌든 다른 지점에서 강제로 공을 던지는 것이 더 나을 수 있습니다. 이를 포함하여 다른 설정을 변경할 때 모델을 비교할 수 있습니다. 내가 이해하지 못하는 유일한 것은이 씨앗의 범위입니다 ...
그럼에도 불구하고 나는 당신의 MO에서 뭔가를 이해하지 못합니다. 당신은 MO에게 예측자 등의 데이터 세트를 제공하고 지금 가서 나에게 이익을 찾으십시오.
그것은 마치 - 여기 당신을 위한 말이 있습니다, Ivan, 여기 칼과 방패가 있습니다. 이제 가서 불새를 가져오십시오. 소문이 있습니다. 저기 어딘가, 바다 너머, 바다 너머에 있습니다. 당신은 찾을 수 없습니다 - 도끼 머리. Ivan은 모든 것을 알고 있는 꼬마 혹등의 말을 가지고 있었지만 MO는 찌를 수만 있습니다. 그녀는 무언가를 찾았습니다. - 아니요 - 좋아, 좀 더 보자.
그래도 Ivan이 Bukhara 또는 India에서 Shah 등의 샤와 함께 최소한 일부 예비 정보를 제공하는 것이 좋을 것입니다. 탈 수 있는 곳은 단 두 곳. 그리고 MO도 나쁘지 않고 분류할 옵션이 적고 작업이 더 구체적으로 공식화되어 있습니다.
이름으로 할 수 있지만. 동화의 주인공과 관련이 있지만 본질적으로 그렇지 않기 때문에 나는 이익을 검색할 때 예를 들어 템플릿이 있는 내 주제에서 상인의 경험에서 최대 추가 정보를 고려할 것을 제안합니다 - https://www.mql5.com/en/forum/270216
Maxim, 나는 샘플을 교환했습니다. 훈련과 검증을 위해 테스트는 남겨두었습니다. 과학적 교리에 따라 결과는 어떻게 될까요? 나 자신은 아직 모르고 처리가 아직 완료되지 않았습니다.
데이터와 모델이 적절하다면 이론상 결과가 악화될 것입니다.
그럼에도 불구하고 나는 당신의 MO에서 뭔가를 이해하지 못합니다. 당신은 MO에게 예측자 등의 데이터 세트를 제공하고 지금 가서 나에게 이익을 찾으십시오.
그것은 마치 - 여기 당신을 위한 말이 있습니다, Ivan, 여기 칼과 방패가 있습니다. 이제 가서 불새를 가져오십시오. 소문이 있습니다. 저기 어딘가, 바다 너머, 바다 너머에 있습니다. 당신은 찾을 수 없습니다 - 도끼 머리. Ivan은 모든 것을 알고 있는 꼬마 혹등의 말을 가지고 있었지만 MO는 찌를 수만 있습니다. 그녀는 무언가를 찾았습니다. - 아니오 - 알겠습니다. 더 찾아보겠습니다.
그래도 Ivan이 Bukhara 또는 India에서 Shah 등의 샤와 함께 최소한 일부 예비 정보를 제공하는 것이 좋을 것입니다. 두 곳에서 탈 수 있습니다. 그리고 MO도 나쁘지 않고 분류할 옵션이 적고 작업이 더 구체적으로 공식화되어 있습니다.
당신은 어떤 och가 들어있는 상자를 가지고 있습니다. 구릉 풍경. 우리는 거기에 많은 공을 던졌습니다(이것이 시드입니다). 그리고 우리의 임무는 대부분의 공이 가장 깊은 구멍에 떨어지는지 확인하는 것입니다. 이것은 훈련이 될 것이며, 이 원칙에 따라 모스크바 지역에서의 훈련이 준비됩니다.
1. 상자를 약간 흔들면 대부분의 공이 원래 떨어졌던 구멍을 떠날 수 없습니다. 학습이 일어나지 않습니다.
2. 상자를 강하게 흔들면 일부 공은 칠 기회가 있고 가장 깊은 구멍에만 남아 있지만 더 얕은 구멍은 채워지지 않은 상태로 남아 있기 때문입니다. 공이 거기에서 튀어 나올 것입니다. 완전한 학습은 일어나지 않을 것입니다.
3. 상자를 중간 정도의 힘으로 흔들면 깊고 중간 정도의 구멍만 채워지고 나머지 공은 아무 것도 찾지 못하고 상자 주위를 무작위로 계속 뛰어다닙니다. 훈련은 1과 2보다 낫지 만 얼음도 아닙니다.
훈련 방법에는 항상 설정이 있습니다. 가장 효과적인 훈련을 얻기 위해 상자를 흔드는 방법과 시기를 정확하게 지정합니다.
다른 "씨앗"이 수렴하지 않으면 학습 알고리즘에 문제가 있는 것입니다. 그렇게 흔들리지 않거나 우리 상자에서 잡을 수 있는 깊은 우울증이 없습니다.
멋지게 표현하셨지만, 부스팅이 NN(훈련 시작 시 뉴런의 가중치 무작위 조정)에서와 동일한지 잘 모르겠습니다. 정확한 구현 정보를 찾을 수 없습니다. 그리고 어쨌든 다른 지점에서 강제로 공을 던지는 것이 더 나을 수 있습니다. 이를 포함하여 다른 설정을 변경할 때 모델을 비교할 수 있습니다. 내가 이해하지 못하는 유일한 것은이 씨앗의 범위입니다 ...
예를 들어 일정이 있는데 뭐라고 말해야 할까요? 이 곳에서 이익을 찾되 내 맘에 들지 않으니 찾지 말아요.
정확히.)) 그것이 바로 당신이 말해야 하는 것입니다. 그리고 많을수록 좋습니다. 우리는 아마도 몇 년 동안 시장에 앉아 있었을 것입니다. 우리는 이미 무언가를 알고 있습니다. 오른쪽으로 가면 말을 잃을 것입니다.
그리고 일반적으로 이전 세대의 지식과 경험을 사용하지 않고 처음부터 모든 것을 시작했다면 어디로 갈 것입니까? 그리고 MO는 정확히 우리가 하도록 강요하는 것입니다.
그리고 그것은 말할 것입니다 - 당신은 매우 똑똑하기 때문에 스스로 그것을 가지고 나 없이 거래하십시오
거기에 추가했습니다.
그래도 Ivan이 Bukhara 또는 India에서 Shah 등의 샤와 함께 최소한 일부 예비 정보를 제공하는 것이 좋을 것입니다. 탈 수 있는 곳은 단 두 곳. 그리고 MO도 나쁘지 않고 분류할 옵션이 적고 작업이 더 구체적으로 공식화되어 있습니다.
나는 무역 균형 의 결과를 기반으로 모델의 후처리가 있을 때 구현에 대해 생각하고 있습니다. 목표는 가능하면 시장에 대한 잘못된 아이디어를 버리는 것입니다. 그러나 이러한 모든 아이디어는 코딩해야 합니다. 불행히도 이 모든 작업은 매우 오랜 시간이 걸립니다.
그러나 알파스타는 스타크래프트, 체스, 바둑에서 단 한 달의 훈련(또는 그 이하, 나는 잊었다)으로 프로 게이머를 능가하는데, 이는 프로 선수로서 ~200년의 경험에 해당합니다.
우리는 교수법을 모릅니다.)) 항상 초기 조건과 문제 진술이 있습니다.
그럼에도 불구하고 나는 당신의 MO에서 뭔가를 이해하지 못합니다. 당신은 MO에게 예측자 등의 데이터 세트를 제공하고 지금 가서 나에게 이익을 찾으십시오.
그것은 마치 - 여기 당신을 위한 말이 있습니다, Ivan, 여기 칼과 방패가 있습니다. 이제 가서 불새를 가져오십시오. 소문이 있습니다. 저기 어딘가, 바다 너머, 바다 너머에 있습니다. 당신은 찾을 수 없습니다 - 도끼 머리. Ivan은 모든 것을 알고 있는 꼬마 혹등의 말을 가지고 있었지만 MO는 찌를 수만 있습니다. 그녀는 무언가를 찾았습니다. - 아니요 - 좋아, 좀 더 보자.
그래도 Ivan이 Bukhara 또는 India에서 Shah 등의 샤와 함께 최소한 일부 예비 정보를 제공하는 것이 좋을 것입니다. 탈 수 있는 곳은 단 두 곳. 그리고 MO도 나쁘지 않고 분류할 옵션이 적고 작업이 더 구체적으로 공식화되어 있습니다.
나도 알아, 나는 지금까지 다양한 성공을 거둔 같은 방식으로 봇을 훈련한다(경험이 거의 없음)
예를 들어 봇은 시행착오를 거쳐 약 4분 만에 거래하는 법을 배웠습니다. 오른쪽 훈련 왼쪽 새 데이터
그에게 사전 지식이 제공되지 않았습니다.
다음은 시장뿐만 아니라 전 세계를 정복할 인공 지능 봇의 가장 독특한 개발입니다.
데이터와 모델이 적절하다면 이론상 결과가 악화될 것입니다.
왜요? 비율뿐만 아니라 근거도 흥미롭습니다.