Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2752
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
İstenilen sonucu veremeyecek bir şeyi yapmanın bir anlamı olduğunu düşünmüyorum.
Her ihtimale karşı, size ne yapmanız gerektiğini söylemeyeceğimi belirtmek isterim. Daha ziyade, iyi sonuçlar veren ancak Uzman Danışman biçiminde kötü uygulanan bir algoritma olması durumunda (her zaman bu seçenekten kaçınmaya çalışsam da) kendim ne yapacağımı yüksek sesle düşünüyorum. Büyük olasılıkla, uygulaması daha kolay olan algoritmaları kullanarak benzer sonuçlar almaya çalışırdım. Diğer şeylerin yanı sıra, algoritmanın tam olarak hangi konuda iyi olduğuna dair bazı analizler yapardım.
KNN ile başlardım ve eğer benzer bir sonuç veriyorsa, o zaman ortak bir tahminci kümesinin iyi seçilmesi söz konusudur. Sonuç çok daha kötüyse, o zaman belki de her zaman noktasında bir tahminci alt kümesi seçme meselesidir. Bu hipotezi test etmek için yerel regresyon (LOESS gibi bir şey) kullanmayı denerdim, çünkü regresyon zaten tahmin edicilerin önemini karşılaştırmanıza izin verir. Diğer adımlar zaten analiz sonuçlarına dayanmaktadır. Bu arada, mql5'te matrislerin ortaya çıkmasıyla, doğrusal regresyonun doğrudan uygulanması kolay hale geldi.
Doğru. A priori varsayımların eksikliği nedeniyle ikinci tip kullanılır. Sanych'in bunu nasıl gördüğünü merak ediyorum.
Gördüğüm kadarıyla, her bir sınıfın durağan olmaması nedeniyle zaman içinde kademeli olarak değişen bir Gauss dağılımı tarafından verildiğine dair bir a priori varsayım yapılmaktadır. Böyle bir varsayım olmadan, Mahalanobis mesafesi yaklaşımını kullanmak çok az anlam ifade eder.
Şahsen, böyle bir varsayımın herhangi bir zaman aralığında herhangi bir enstrüman için doğru olamayacak kadar güçlü olduğunu düşünüyorum.
Sadece güvenli tarafta olmak için, size ne yapmanız gerektiğini söylemeyeceğim. Aksine, iyi sonuçlar veren ancak Uzman Danışman biçiminde kötü uygulanan bir algoritma olması durumunda (her zaman bu seçenekten kaçınmaya çalışsam da) kendim ne yapacağımı yüksek sesle düşünüyorum. Büyük olasılıkla, uygulaması daha kolay olan algoritmaları kullanarak benzer sonuçlar almaya çalışırdım. Diğer şeylerin yanı sıra, algoritmanın tam olarak hangi konuda iyi olduğuna dair bazı analizler yapardım.
KNN ile başlardım ve benzer bir sonuç verirse, o zaman ortak bir tahminci kümesinin iyi seçilmesi meselesidir. Sonuç çok daha kötüyse, o zaman belki de her an bir tahminci alt kümesi seçme meselesidir. Bu hipotezi test etmek için yerel regresyon (LOESS gibi bir şey) kullanmayı denerdim, çünkü regresyon zaten tahmin edicilerin önemini karşılaştırmanıza izin verir. Diğer adımlar zaten analiz sonuçlarına dayanmaktadır. Bu arada, mql5'te matrislerin ortaya çıkmasıyla, doğrusal regresyonun doğrudan uygulanması kolay hale geldi.
Söylemesi komik, ancak matris yumuşatmanın herhangi bir çeşidi, LOESS dahil olmak üzere tahmin yeteneğine sahip DEĞİLDİR, denedim.
Bunu söylemek komik, ancak LOESS de dahil olmak üzere herhangi bir mashek-smoothing varyantı tahmin gücüne sahip DEĞİLDİR.
Genel olarak komik veya bilgilendirici değil. ortalamayı da bıraktım, ancak çalışmalarımın kapsamının küçük, resmi ve spesifik olmadığını fark ettim. Eski çalışmalarda spesifiklik elde edemezsiniz, ancak en azından bunları anlamak için resmi bir şekilde tanımlayabilirler. Hangi ortalamalar, hangi aralıkta ve hangi dönemlerde incelenmiştir.
ZY verilerim 18-20 yıl, tüm TF dörtlülerinde 3, 14, 60, 120 mash, bazı BB. TF 1 saatte en iyi sonuç, hatta yayılmış drenaj. Parametrelerin manuel olarak seçilmesi.
Bunu söylemek komik, ancak LOESS dahil olmak üzere herhangi bir mashek-smoothing varyantının tahmin gücü YOKTUR, denenmiştir.
MA'lar doğaları gereği tahmin gücüne sahip değildir. Matris olsalar bile (burada tam olarak istenen şey, bir fiyat vektörünü N boyutlu bir matrisle çarparak bir kar elde etmektir; tüm yaygara matris hazırlama ve düzeltme ile ilgilidir) bununla ilgili değildir.
Genel olarak son derece önemli olan "T zaman önce hangi fiyatın geçerli sayılacağı" ile ilgilidirler. Halihazırda yaşanmış olanın yüksekliğinden T zaman önce neydi. Tarihin az ya da çok yorumlanması (anlaşılması) ile ilgilidirler.
kullanılan classDist
1) classDist yaklaşık 1 olduğunda, yani algoritma açısından iyi durumlar üzerinde filtreleme ile modeli eğitmek/yeniden eğitmek
2) classDist'i tüm örnek için bir özellik olarak besleyin
3) farklı eyaletlerde filtreleme
4) basit eğitim ve sürekli yeniden eğitim denendi
her durumda tahmin gücü stokastikten daha iyi değildir, neredeyse rastgeledir....
Yani ifadelerin gerçekliği hakkında sorular var
MA'ların doğası gereği tahmin yeteneği yoktur. Matris olsalar bile (burada tam olarak istenen şey - bir fiyat vektörünü N boyutlu bir matrisle çarparak bir kar elde etmek; tüm yaygara matris hazırlama ve düzeltme ile ilgilidir) bununla ilgili değildir.
Genel olarak son derece önemli olan "T zaman önce hangi fiyatın geçerli sayılacağı" ile ilgilidirler. Daha önce yaşanmış olanın yüksekliğinden T zaman önce neydi. Tarihin az ya da çok yorumlanması (anlaşılması) ile ilgilidirler.
Klasiklere göre, en büyük tahmin yeteneği mevcut olana yakın fiyatlar / seviyeler / her neyse onunla temsil edilir. Böyle bir TS deniyoruz ve açıkçası zayıf sonuçlar görüyoruz. Bu mashki'nin hatası değil.
Gerçekte buna saygı gösterilmez, mevcut fiyat uzaktaki değişikliklerden etkilenebilir ve yakın olanlar kafa karıştırıcı olabilir.
Bu nedenle, entropi makalemde olduğu gibi bazen iyi görünse de, kayan bir pencerede yeniden eğitime inanmıyorum.
Gecikmeli bir etkiyle geleceği etkileyen tarihteki referans noktalarını belirlemek ilginçtir. Bu, orijinal yaklaşımlarla kayan pencere de dahil olmak üzere yapılabilir.
Gerekirse daha detaylı anlatabilirim. Genel olarak, sabit değil, kayan veya kayan bir pencere gibi görünebilir. Dizileri işlemek için modern algoritmalar yaklaşık olarak aynı prensipte çalışır. Ancak fora için dikkate almadıkları kendi özellikleri olacaktır.
Bu özellikleri belirlemek için fraktallar ve özellikleri hakkında biraz teori üretmemiz gerekir. Örneğin, bir zaman serisini fraktal olarak düşünün, o zaman temel alınacak bir şey olacaktır.
Daha sonra seviyeler/desenler/başka bir şey gerçek bir anlam kazanır ve bilinen özelliklere sahip bir sistemin belirli bir tanımını temsil eder. O zaman hepsi tek bir teoriye ve ortak bir anlayışa oturtulabilir.
Kesirli farklılaşma da dahil olmak üzere bu yönde ilerlemek için çeşitli girişimler vardır. Ancak daha açık ve daha güçlü bir şeye ihtiyaç vardır.
Ekonofizik bence yanlış bir yere gitti, belki de tam olarak anlamıyorum. Bir sürü formül ve çok az anlam.
bunun hakkında düşün
Klasik olarak, en büyük tahmin yeteneği mevcut fiyata yakın fiyatlar/seviyeler/her neyse onunla temsil edilir. Böyle bir TS deniyoruz ve açıkçası zayıf sonuçlar görüyoruz. Burada Mashki'nin bir suçu yok.
Gerçekte bu gözlemlenmez, mevcut fiyat uzaktaki değişikliklerden etkilenebilir ve en yakın olanlar yönünü şaşırtabilir.
Bu nedenle, entropi hakkındaki makalemde olduğu gibi bazen iyi görünse de, kayan bir pencerede yeniden eğitime inanmıyorum.
Gecikmeli bir etkiyle geleceği etkileyen tarihteki referans noktalarını belirlemek ilginçtir. Bu, orijinal yaklaşımlarla kayan bir pencerede de yapılabilir.
Gerekirse daha ayrıntılı olarak açıklayabilirim. Genel olarak, sabit değil, kayan veya kayan bir pencere gibi görünebilir. Dizileri işlemek için modern algoritmalar yaklaşık olarak aynı prensipte çalışır. Ancak fora için dikkate almadıkları kendi özellikleri olacaktır.
Ayrıntıları belirlemek için fraktallar ve özellikleri hakkında biraz teori üretmemiz gerekir. Örneğin, bir zaman serisini fraktal olarak düşünün, o zaman güvenilecek bir şey olacaktır.
Bunu bir düşün.
Fraktalite ne verecek?
Gecikmeli bir etkiyle geleceği etkileyen tarihteki referans noktalarını belirlemek ilginçtir. Bu, orijinal yaklaşımlarla kayan bir pencerede de yapılabilir.
Ve burada, benim "Olay" kavramımı "Repertuar Puanları" ile değiştirerek, bir düzine gün önce kendisine söylenmemiş gibi davranacak.... Evet.
Klasik olarak, en büyük tahmin yeteneği mevcut fiyata yakın fiyatlar/seviyeler/her neyse onunla temsil edilir. Böyle bir TS deniyoruz ve açıkçası zayıf sonuçlar görüyoruz. Burada Mashki'nin bir suçu yok.
Gerçekte bu gözlemlenmez, mevcut fiyat uzaktaki değişikliklerden etkilenebilir ve en yakın olanlar yönünü şaşırtabilir.
Bu nedenle, entropi hakkındaki makalemde olduğu gibi bazen iyi görünse de, kayan bir pencerede yeniden eğitime inanmıyorum.
Gecikmeli bir etkiyle geleceği etkileyentarihteki referans noktalarını belirlemek ilginçtir. Bu, orijinal yaklaşımlarla kayan bir pencerede de yapılabilir.
Gerekirse daha ayrıntılı olarak açıklayabilirim. Genel olarak, sabit değil, kayan veya kayan bir pencere gibi görünebilir. Dizileri işlemek için modern algoritmalar yaklaşık olarak aynı prensipte çalışır. Ancak fora için dikkate almadıkları kendi özellikleri olacaktır.
Ayrıntıları belirlemek için fraktallar ve özellikleri hakkında biraz teori üretmemiz gerekir. Örneğin, bir zaman serisini fraktal olarak düşünün, o zaman güvenilecek bir şey olacaktır.
Kesirli farklılaştırma da dahil olmak üzere, bu yönde ilerlemek için çeşitli girişimler vardır. Ancak daha açık ve daha güçlü bir şeye ihtiyaç vardır.
Ekonofizik bence yanlış bir yere gitti, belki de tam olarak anlamıyorum. Bir sürü formül ve çok az anlam.
Bunu bir düşün.
Tarihte klasik SB'nin ötesindeki noktalar özel ilgiye değerdir.