Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 591
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Aslında, her şey C++/C# ile yazılmalıdır ve hiçbir şeyle etkileşimde hiçbir sorun yoktur. Sorun şu ki, ana DM kitaplıkları Python ve R'dedir ve en azından bu konuda uzmanlaşmak gerekir. Ve etkileşim boş, her yerde bir API var (MQL hariç). Evet, dosyaları RAM-Disk üzerinden bile aktarabilirsiniz.
evet doğru bunda bir sorun yok
sorun, MO'da ne kadar derinden kök salmanız gerektiği ve bu modellerin zaten yeterli olduğunu anlamak için hangi aşamada ..
Şimdilik klasiklerde karar kıldım ve her şeye yeterince sahibim.. %1-10 doğruluk artışı için koşmuyorum :) şimdi stratejilere odaklanıyorum, bir sürü fikir yazıyorum - ve tüm bunlar kontrol edilmesi gerekiyor, kalay
Şimdi PNN'yi daha ayrıntılı inceliyorum - bunlar tam olasılıklarla çalışır ve neredeyse hiç yeniden eğitilmez, ilginç şeyler
Hadi! )) MQL forumunda bunu söylemek. Yoldaşlar koşarak gelip size taş atacaklar.
Yuri için ayağa kalkacağım - Ayrıca MQL'yi sadece emirleri açmak/kapatmak için kullanıyorum. Tüm hesaplamalar - Vissim'de. Ama sadece bu forumda az çok profesyonel fizikçiler ve matematikçiler var, ben de buraya geldim. Diğer sitelerde - genellikle köy aptalları.
Alexander, mb böyle bir konuyla ilgileneceksin :)
Çekirdek fonksiyonlarını kullanarak olasılık yoğunluğunu tahmin etme yöntemi, birçok yönden radyal tabanlı fonksiyonlar yöntemine benzer ve bu nedenle doğal olarak olasılıksal sinir ağı (PNN) ve genelleştirilmiş regresyon sinir ağı (GRNN) kavramlarına geliyoruz (Speckt 1990, 1991). PNN'ler sınıflandırma problemleri içindir, GRNN'ler ise regresyon problemleri içindir . Bu iki türden ağlar, bir sinir ağı olarak tasarlanmış çekirdek yaklaşım yöntemlerinin uygulamalarıdır .
Alexander, mb böyle bir konuyla ilgileneceksin :)
Çekirdek fonksiyonlarını kullanarak olasılık yoğunluğunu tahmin etme yöntemi, birçok yönden radyal tabanlı fonksiyonlar yöntemine benzer ve bu nedenle doğal olarak olasılıksal sinir ağı (PNN) ve genelleştirilmiş regresyon sinir ağı (GRNN) kavramlarına geliyoruz (Speckt 1990, 1991). PNN'ler sınıflandırma problemleri içindir, GRNN'ler ise regresyon problemleri içindir . Bu iki türden ağlar, bir sinir ağı olarak tasarlanmış çekirdek yaklaşım yöntemlerinin uygulamalarıdır .
Evet. Teşekkürler Maksim!
Ama unutmamak gerekir ki çok okuyanlar bağımsız düşünme alışkanlığını kaybederler (c) Ve ben öyle demedim. Bil bakalım kim?))
Bir de şu görüş var:
İnsanlar okumayı bıraktıklarında düşünmeyi bırakırlar. Diderot
Maxim, genel olarak, aferin. Bazen onun ufkuna hayret ediyorum. Ama unutmamak gerekir ki çok okuyanlar bağımsız düşünme alışkanlığını kaybederler (c) Ve ben öyle demedim. Bil bakalım kim?))
Bir de şu görüş var:
İnsanlar okumayı bıraktıklarında düşünmeyi bırakırlar. Diderot
Kabul ediyorum. Ancak bağlantı ilginç - Vaktim olduğunda okuyacağım. Şu anda meşgulüm - Ufukta Kâse'yi görüyorum ve kayınpederimin güçlü elleri tarafından itilerek ona doğru ilerliyorum.
Ara ve bul. (ile)
Ama şu anda değil.
Maxim, genel olarak, aferin. Bazen onun ufkuna hayret ediyorum. Ama unutmamak gerekir ki çok okuyanlar bağımsız düşünme alışkanlığını kaybederler (c) Ve ben öyle demedim. Bil bakalım kim?))
evet, bu konuda neyin ilginç olduğunu görmek için her türlü makaleyi inceledim :) MLP'ye göre ana avantaj, anladığım kadarıyla hız ve minimum ayar (burada hiç yok) ve bu ızgaraların neredeyse hiç yeniden eğitilmediği gerçeği
Gauss f-I kullanılıyor, öğrenci değil. Her girdi için bir f-inci yoğunluk ver. oluşturulur, ardından çıktı sonuçları doğrusal olarak toplanır
Bu arada PNN ve GRNN mql formatında mevcut ama henüz denemedim ve MLP ile karşılaştırmadım.
https://www.mql5.com/en/code/1323