交易中的机器学习：理论、模型、实践和算法交易 - 页 1034 1...102710281029103010311032103310341035103610371038103910401041...3399 新评论 Roffild 2018.07.30 23:10 #10331 马克西姆-德米特里耶夫斯基。决定在没有任何意义的情况下，把未压缩的和倍增的预测器塞进去。 你从哪里建立了这么多的预测器？ 它们的重要性如何？有1/3的森林没有包括在训练集里，95%的重要性很低。而现在这个系统有这么多的预测器，3个小时做一次预测，反馈是什么？)除非你建造它，否则你不会知道... 结果本身：用Apache Spark就能实现 我现在不做超过1000个预测器。但少于100个预测因子是不够的。 Maxim Dmitrievsky 2018.07.31 00:32 #10332 罗费尔德。除非你建造它，否则你不会知道... 结果本身：这在Apache Spark中是可能的 我目前不做超过1000个预测器。但少于100个预测因子我认为是不够的。你是在故意忽视问题吗？ 重复：怎么会有这么多的预测因素？ forexman77 2018.07.31 00:43 #10333 马克西姆-德米特里耶夫斯基。你是在故意无视这些问题吗？ 重复：怎么会有这么多的预测因素？你可以做10亿个预测器，势头以一为单位递增，以此类推) 但他们不会给你任何额外的东西。 Roffild 2018.07.31 01:00 #10334 马克西姆-德米特里耶夫斯基。你是在故意无视这些问题吗？ 重复：怎么会有这么多的预测因素？这些预测器的大部分结果是：bool(high[0]>high[1])，因此状态是0或1。 当然，我是用一个脚本生成一个预测器的列表。 有目的的选择预测因素是没有意义的，因为很容易将一个重要的预测因素排除在其中。 Maxim Dmitrievsky 2018.07.31 01:02 #10335 罗费尔德。这些预测器的大部分结果是：bool(high[0]>high[1])，并且分别有状态0或1 当然，我用脚本生成了一个预测器的列表。 有目的地选择预测因素是没有意义的，因为很容易排除掉一个重要的预测因素。你需要的不是数量上的取舍，而是通过对最初的几个类别进行改造，直到类别变得可以很好地分离，并对OOS进行误差控制。 Roffild 2018.07.31 01:12 #10336 forexman77: 你可以做10亿个预测器，以1为增量的势头，等等）。但他们不会给我们任何额外的东西。如果预测器不会成为森林的一部分，它就不会有任何危害。也许这个预测器会在另一个版本的随机森林 中表现出来。 我们讨论的是一个由7000个双数组成的数组，它占用的内存很少，在纳秒级的时间内就能完成。在解释具有7000个预测因子的500棵树时，没有明显的减速。如果你不相信我，可以安装Spark并自己检查。 Roffild 2018.07.31 01:15 #10337 马克西姆-德米特里耶夫斯基。你需要的不是数量上的取舍，而是对最初的几项进行改造，直到这些类别可以很好地分开，同时对OOS进行误差控制。 评价一个森林的质量是一个完全不同的话题。 Maxim Dmitrievsky 2018.07.31 01:17 #10338 罗费尔德。 评估一个森林的质量是一个完全不同的话题。问题是方法的有效性，你提出的方法，直截了当地说，是无效的。 Roffild 2018.07.31 01:29 #10339 马克西姆-德米特里耶夫斯基。问题是方法的有效性，你提出的方法，直截了当地说，是无效的。效率还有待实际结果来证明。也许我对价格图表的估计方法与经典的质量指标不一致，但最终一切都由利润决定。 我在回答 "我们为什么需要火花 "的问题。我回答说。还是你要再次指责我无视问题？ Maxim Dmitrievsky 2018.07.31 01:33 #10340 罗费尔德。其有效性仍然需要用实际结果来证明。也许我对价格图表的评估方法与经典的质量指标不一致，但最终是利润决定一切。 我在回答 "我们为什么需要火花 "的问题。我回答说。还是你会再次指责我无视问题？关于 "火花 "的问题，很长时间以来都很清楚，我没有问。被问及这个想法。这种火花方式正是由于低效的学习曲线和所需能力而被凭空抛出的。 同样可以通过在MT5云中的优化来完成，不需要支架。我不知道你的产出，也不知道它是否给你带来了利润，但它没有，这种算法总是会因为过度拟合而失败。 IMHA 1...102710281029103010311032103310341035103610371038103910401041...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
决定在没有任何意义的情况下，把未压缩的和倍增的预测器塞进去。
你从哪里建立了这么多的预测器？ 它们的重要性如何？有1/3的森林没有包括在训练集里，95%的重要性很低。而现在这个系统有这么多的预测器，3个小时做一次预测，反馈是什么？)除非你建造它，否则你不会知道...
结果本身：用Apache Spark就能实现
我现在不做超过1000个预测器。但少于100个预测因子是不够的。
除非你建造它，否则你不会知道...
结果本身：这在Apache Spark中是可能的
我目前不做超过1000个预测器。但少于100个预测因子我认为是不够的。
你是在故意忽视问题吗？
重复：怎么会有这么多的预测因素？
你是在故意无视这些问题吗？
重复：怎么会有这么多的预测因素？
你可以做10亿个预测器，势头以一为单位递增，以此类推)
但他们不会给你任何额外的东西。
你是在故意无视这些问题吗？
重复：怎么会有这么多的预测因素？
这些预测器的大部分结果是：bool(high[0]>high[1])，因此状态是0或1。
当然，我是用一个脚本生成一个预测器的列表。
有目的的选择预测因素是没有意义的，因为很容易将一个重要的预测因素排除在其中。
这些预测器的大部分结果是：bool(high[0]>high[1])，并且分别有状态0或1
当然，我用脚本生成了一个预测器的列表。
有目的地选择预测因素是没有意义的，因为很容易排除掉一个重要的预测因素。
你需要的不是数量上的取舍，而是通过对最初的几个类别进行改造，直到类别变得可以很好地分离，并对OOS进行误差控制。
你可以做10亿个预测器，以1为增量的势头，等等）。
但他们不会给我们任何额外的东西。
如果预测器不会成为森林的一部分，它就不会有任何危害。也许这个预测器会在另一个版本的随机森林 中表现出来。
我们讨论的是一个由7000个双数组成的数组，它占用的内存很少，在纳秒级的时间内就能完成。在解释具有7000个预测因子的500棵树时，没有明显的减速。如果你不相信我，可以安装Spark并自己检查。
你需要的不是数量上的取舍，而是对最初的几项进行改造，直到这些类别可以很好地分开，同时对OOS进行误差控制。
评估一个森林的质量是一个完全不同的话题。
问题是方法的有效性，你提出的方法，直截了当地说，是无效的。
问题是方法的有效性，你提出的方法，直截了当地说，是无效的。
效率还有待实际结果来证明。也许我对价格图表的估计方法与经典的质量指标不一致，但最终一切都由利润决定。
我在回答 "我们为什么需要火花 "的问题。我回答说。还是你要再次指责我无视问题？
其有效性仍然需要用实际结果来证明。也许我对价格图表的评估方法与经典的质量指标不一致，但最终是利润决定一切。
我在回答 "我们为什么需要火花 "的问题。我回答说。还是你会再次指责我无视问题？
关于 "火花 "的问题，很长时间以来都很清楚，我没有问。被问及这个想法。这种火花方式正是由于低效的学习曲线和所需能力而被凭空抛出的。
同样可以通过在MT5云中的优化来完成，不需要支架。我不知道你的产出，也不知道它是否给你带来了利润，但它没有，这种算法总是会因为过度拟合而失败。
IMHA