트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 558

 

덧붙여서 - 양자 전이 확률의 진폭에 대한 R. Feynman의 모노그래프 그림

SanSanych가 게시한 차트를 연상시키는 무언가가 있지 않습니까?

홀드미 세븐 - 지금부터 3~4개월 동안 새로운 이론 방송 시작합니다... ^^)))))))))

 
알렉산더_K2 :

덧붙여서 - 양자 전이 확률의 진폭에 대한 R. Feynman의 모노그래프 그림

SanSanych가 게시한 차트를 연상시키는 것, 맞습니까?

나를 7로 유지하십시오 - 지금 당장 3-4 개월 동안 새로운 이론 방송을 시작하겠습니다 ... ^)))))))))


가장 중요한 것은 이 모든 것이 영원으로 전달되지 않는다는 것입니다. 그리고 트렌드 요소를 추가하면 훨씬 더 어려워집니다.

 
알렉산더_K2 :

나를 7로 유지하십시오 - 지금 당장 3-4 개월 동안 새로운 이론 방송을 시작하겠습니다 ... ^)))))))))

이것에 대한 주제를 시작하고 ... 적어도 1 년 동안 건강에.))
 
막심 드미트리예프스키 :

여기에서 훈련 샘플의 경계 외부에 있는 간단한 NN이 꽤 그렇게 작동한다는 것이 밝혀졌습니다....


단순한 NS가 아니라 특정 구성의 NS입니다. 위에서 아래로 -

다음에서 생성(1) - this(2), 사용자 지정(3)......))))))


 
마법사_ :

단순한 NS가 아니라 특정 구성의 NS입니다. 위에서 아래로 -

다음에서 생성(1) - this(2), 사용자 지정(3)......))))))



이것에, 내 두뇌가 마침내 고장났습니다 :) 글쎄, 도대체, 나는 VR을 변환 할 것입니다 :)

오, 이 비선형 세계 .. 백그라운드에서 Gordon을 듣고 있습니다 :)


 
막심 드미트리예프스키 :

이것에, 내 두뇌가 마침내 고장났습니다 :) 글쎄, 도대체, 나는 VR을 변환 할 것입니다 :)

내 양자 두뇌도 Vizard_ 게시물에서 깨집니다 ...

제 생각에는 이 닉네임으로 R. Feynman의 가장 가까운 친척이 여기에 글을 씁니다. :))))

 
막심 드미트리예프스키 :

따라서 혼동하기 쉽습니다. 선형 또는 능선 회귀를 사용했고 모든 것이 정상이었다고 가정해 보겠습니다. 그런 다음 동일한 작업을 위해 MLP로 전환하기로 결정했습니다. 하지만 아무 것도 없습니다. :)

MLP의 경우 출력을 어떻게든 변환한 다음 다시 변환해야 합니다. 따라서 회귀가 예측 작업에 적합하지만 모든 사람은 분류를 사용하는 것을 선호합니다. :)

선형 또는 능선 회귀가 추세 및 MLP 플랫에 더 적합하다고 말할 수도 있습니다.

음, 첫째, 분류만 필요합니다. 거래를 입력하거나 입력하지 않습니다. 그리고 그게 전부입니다. 다른 것은 필요하지 않습니다. 단 1과 0입니다. MLP는 이것을 아주 잘 처리합니다. 예측이 필요한 이유는 무엇입니까? - 절대적으로 이해할 수 없습니다.

둘째, MLP의 경우 작업을 명확하게 공식화하고 불필요한 모든 것을 잘라내고 알고리즘 방식에 맡겨야 합니다. 셋째, 학습할 때 대부분의 지역 기사에서와 같이 MLP에 대한 결정을 강요하지 마십시오.

 
유리 아사울렌코 :

음, 첫째, 분류만 필요합니다. 거래를 입력하거나 입력하지 않습니다. 그리고 그게 전부입니다. 다른 것은 필요하지 않습니다. 단 1과 0입니다. MLP는 이것을 아주 잘 처리합니다. 예측이 필요한 이유는 무엇입니까? - 절대적으로 이해할 수 없습니다.

둘째, MLP의 경우 작업을 명확하게 공식화하고 불필요한 모든 것을 잘라내고 알고리즘 방식에 맡겨야 합니다. 셋째, 학습할 때 대부분의 지역 기사에서와 같이 MLP에 대한 결정을 강요하지 마십시오.


예측은 붕괴의 길이지만 미래의 불안정성의 가능성을 예측할 수 있습니다 :) 예측은 시스템을 새로운 조건에 적응시키는 데 필요합니다.

분류기는 첫 번째 ns의 결과로 작동합니다.

분류도 예측이지만 매수/매도의 조합을 통해 이루어집니다. 그냥 최적화, 그것은 일반 옵티마이저를 통해 꽤 잘 수행될 수 있습니다

예, 일반적으로 x, 그냥 합니다. 멋집니다.

+ 나는 당신과 같은 신경망이 없으며 mql 버전에서 사용할 수 없습니다.

네, 조만간 2가지 버전으로 한번에 완성해서 거기서 볼께요.. 연휴때 깜빡했네요..

 
막심 드미트리예프스키 :

예측은 붕괴의 길이지만 미래의 불안정성의 가능성을 예측할 수 있습니다. :)

분류도 예측이지만 매수/매도의 조합을 통해 이루어집니다. 그냥 최적화, 그것은 일반 옵티마이저를 통해 꽤 잘 수행될 수 있습니다

분류기는 적어도 거래가 있을 수 있는 경계에서는 불안정할 가능성에 상당히 대처할 것입니다. 일반적으로 확률을 결정하는 문제에는 솔루션이 전혀 없을 수 있습니다.

스태프 옵티마이저는 질적으로? - 나는 전혀 확신이 서지 않고 오히려 그 반대라고 확신합니다.)

막심 드미트리예프스키 :

+ 나는 당신과 같은 신경망이 없으며 mql 버전에서 사용할 수 없습니다.

그리고 무엇이 당신을 막고 있습니까?)) 나는 내 NS를 숨기지 않습니다.) 방법도. 자세한 내용만 생략하겠습니다.
 
유리 아사울렌코 :

분류기는 적어도 거래가 있을 수 있는 경계에서는 불안정할 가능성에 상당히 대처할 것입니다. 일반적으로 확률을 결정하는 문제에는 솔루션이 전혀 없을 수 있습니다.

스태프 옵티마이저는 질적으로? - 나는 전혀 확신이 서지 않고 오히려 그 반대라고 확신합니다.)


글쎄, 여기서 나는 예측 헛소리를 한 다음 일부 역사에서 즉시 품질을 평가합니다 .. 품질이 정상이면 두 번째 사람에게 예측에 따라 거래하도록 가르칩니다.

(처음에는 논리가 흐릿하지만 저도 NS로 대체하기로 했습니다.)

옵티마이저에서는 일반적으로 할 수 있지만 클라우드에서는 조금 비싸고 매개변수가 많으면 당일 훈련을 하게 됩니다.. 작업은 동일합니다 - 대상 함수의 최적화