Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1492
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
evet, o zaman gelecekte onları tespit edin ve bu belirli kümede iyi çalışan bir model seçin
https://radfiz.org.ua/files/temp/Lab1_16/alglib-3.4.0.csharp/csharp/manual.csharp.html#example_mcpd_simple1
Burada örnekler buldum, "markov" için arama yapın
Habré'de NN eğitimi hakkında ilginç bir makale (sadece okuma) Sinir ağlarını kullanarak fotoğrafları geri yükleme
en değerlileri, her zaman olduğu gibi, kullanıcı yorumlarıdır - yazar, her zamanki gibi üçüncü taraf yazılımların karşılaştırılmasıyla çalışmalarında büyük bir atılımdan bahseder, ancak kullanıcılar hemen kusurlara dikkat çekti - yeşilin baskınlığı
sonuç - girdi verilerinin hazırlanması, NN eğitim teknolojisinin kendisinden daha önceliklidir
sonuç - girdi verilerinin hazırlanması, NN eğitim teknolojisinin kendisinden daha önceliklidir
Büyücü bunu bir milyar sayfa önce söyledi.
Beyler, birbirinizi dinlemeyi ne zaman öğreneceksiniz? Nasıl bir köy dar görüşlülüğü ve aptallığı? Bu gerçekten ürpertici ve sinir bozucu.
Habré'de NN eğitimi hakkında ilginç bir makale (sadece okuma) Sinir ağlarını kullanarak fotoğrafları geri yükleme
en değerlileri, her zaman olduğu gibi, kullanıcı yorumlarıdır - yazar, her zamanki gibi üçüncü taraf yazılımların karşılaştırılmasıyla çalışmalarında büyük bir atılımdan bahseder, ancak kullanıcılar hemen kusurlara dikkat çekti - yeşilin baskınlığı
sonuç - girdi verilerinin hazırlanması, NN eğitim teknolojisinin kendisinden daha önceliklidir
Mesele şu ki, fotoğraf hareket etmiyor ve değişmiyor, parmak izleri de yok. Ve örüntü tanımada makine öğrenimi vazgeçilmezdir.
Ancak MO, Forex'teki geçmiş veriler üzerinde kullanıldığında, yalnızca en iyi seçeneği bulduğu yanılsamasını yaratır.
Ama aslında, tarihte, tüm tehlikeli alanları atlamayı öğrenerek mükemmel bir büyüme grafiği elde etti.
Ancak fiyatlandırma dinamik bir süreçtir, sürekli değişir, ileriye doğru hareket eder ve fiyatın nereye gideceğini kimse tahmin edemez: Yani. makine öğrenimine dayalı bir robot, olağanüstü durumlarda gerçek ticarette her zaman hata yapacaktır.
Ancak MO, Forex'teki geçmiş veriler üzerinde kullanıldığında, yalnızca en iyi seçeneği bulduğu yanılsamasını yaratır.
Ama aslında, tarihte, tüm tehlikeli alanları atlamayı öğrenerek mükemmel bir büyüme grafiği elde etti.
tüm bunları okuyun https://habr.com/ru/post/443240/
Burada genel olarak, yüzüncü kez fikrimi dile getireceğim, ML bir GA strateji test cihazından daha iyi ve daha kötü değil,
ama yine de konu çok ilginç, tüm bunları büyüledi))))
İşte bazı örnekler https://csharp.hotexamples.com/examples/-/mcpd.mcpdreport/-/php-mcpd.mcpdreport-class-examples.html
Peki, kullanımı oldukça kolay. 1. örnekten.
Durumların sayısını ve geçişlerin sırasını (örneğin, tarihsel olanlar) belirledik. Onlar. bu durumda olma olasılığı. Ve sonra tüm durumlar için toplam olasılığı hesaplar.
Veya Mashki'de başlamak için basit bir örnek yapın, ancak hala satın almadınız, mb @mytarmailS açıklayacak
MA'larla böyle bir strateji (çok basit) burada açıklanmıştır
https://www.quantstart.com/articles/market-regime-detection-using-hidden-markov-models-in-qstrader
Peki, kullanımı oldukça kolay. 1. örnekten.
Durumların sayısını ve geçişlerin sırasını (örneğin, tarihsel olanlar) belirledik. Onlar. bu durumda olma olasılığı. Ve sonra tüm durumlar için toplam olasılığı hesaplar.
Veya Mashki'de başlamak için basit bir örnek yapın, ancak hala satın almadınız, mb @mytarmailS açıklayacak
Alglib'de, anladığım kadarıyla (belki bu yanlış), gerekli küme sayısına göre parçaları kendiniz oluşturmanız gerekir. Ve bu Python örneklerinde, gerekli sayıda kümeyi talep ediyorsunuz ve bu, verilerin kendisini yeniden dağıtıyor.
Sınıflandırma 2 sınıflı olsa da, muhtemelen şu şekilde zincirler oluşturabilirsiniz: 0'dan başlayarak 1 olana kadar; ve 1'den başlayarak 0 olana kadar. 0.95, 0.8 vb. ara ürünlere sahip değiliz.
Alglib'de, anladığım kadarıyla (belki yanlış), gerekli küme sayısına göre parçaları kendiniz oluşturmanız gerekiyor. Ve bu Python örneklerinde, gerekli sayıda kümeyi talep ediyorsunuz ve bu, verilerin kendisini yeniden dağıtıyor.
Sınıflandırma 2 sınıflı olsa da, muhtemelen şu şekilde zincirler oluşturabilirsiniz: 0'dan başlayarak 1 olana kadar; ve 1'den başlayarak 0 olana kadar. 0.95, 0.8 vb. ara ürünlere sahip değiliz.
Nasıl çalıştığını hiç anlamıyorum. O zaman neden sadece Ulusal Meclis aracılığıyla sınıflandırmayı kullanmıyorsunuz?
Sonuçları python'da nasıl gösterdiğini anlamadım, dahil. yeni verilerde. Ve alglib'de, yeni verilerde ve her ölçüm için ayrı ayrı tahmin edilen durumun nasıl elde edileceği. Aynı anda çok fazla harf.
ve alglib'de bir sorun var gibi görünüyor, başka bir model