交易中的机器学习：理论、模型、实践和算法交易 - 页 1045 1...103810391040104110421043104410451046104710481049105010511052...3399 新评论 Farkhat Guzairov 2018.09.10 13:50 #10441 马克西姆-德米特里耶夫斯基。只要没有人催促我，就很难向这个方向发展，我现在没有交易，我在心情好的时候完成系统......因为我必须在那里思考，而我不喜欢思考。 我同意，我有同样的问题。我一直在想，有什么东西你可以看到（我指的是账户显示器）或听到我所面临的。 Farkhat Guzairov 2018.09.10 13:54 #10442 mytarmailS:是的，花一年的时间研究各种转换的理论和实现，比花5分钟在python或R中了解这些废话是行不通的，逻辑是最强的，听着，你为什么不创造你自己的编程语言呢？ 你为什么需要mql，c++或你坐的任何东西...问题不在于理论，而在于你如何理解它，加上正确的方法来展示你在分析中所学到的一切。 有些时候，一个人在收集和系统化数据方面做了大量的工作，但却没有正确地应用这些数据。 mytarmailS 2018.09.10 15:22 #10443 法尔哈特-古扎罗夫。有些时候，一个人在收集和系统化数据方面做了大量的工作，但却没有正确地应用这些数据。我同意，它发生了。 Mihail Marchukajtes 2018.09.10 15:26 #10444 Vizard_。你他妈的答应在秋天让我看看天空中的赤道，并拍摄一个训练视频))嗯，谁知道我会被跨大西洋的洲际巨头!!!!。我不得不在整个试用期内学习，并前往参加培训。我甚至在锦标赛期间去了喀山。但我并没有放弃交易，虽然我大部分时间都是在周六进行交易。 而就在最近，我无意中犯了一个错误，又得到了一个数据的改进。改进意味着更多的可分离性。上面的图2。这导致了优化器Reshetov被重新训练，这对他来说原则上是不利的，因为它从根本上被挤压了不完整性，而这里只是重新训练。对数据的分析显示在聚类区域有双点，表明这些载体是相同的，即是彼此的副本，只是在数量尾部有轻微的差异。当这些向量中的一个进入训练，另一个进入测试样本时，这样的数据集会导致过度训练。在这种情况下，应该删除其中的一个双向量!但如果你看一下输入的含义，你就会开始怀疑MO的高度逻辑性了。因为我看不出这样的输入有什么意义，但它SCUKO的工作原理! 我已经不知不觉地为自己做了决定。如果你碰巧遇到一个有效的输入，你不需要理解它，只要使用它就可以了.....。问我 "为什么会成功？"，我会回答 "我不知道"，然后继续拿钱，无论如何 :-) Mihail Marchukajtes 2018.09.10 15:27 #10445 Alexander_K:工作喜欢傻瓜:)))它首先会让你进入一个常规和秩序。然后交易就会稳定下来。 Mihail Marchukajtes 2018.09.10 15:33 #10446 马克西姆-德米特里耶夫斯基。在不同的转换后的输入数据上尝试不同的模型（预测器），例如建立许多模型并选择最佳模型。这就像从账户中挑选密码一样。当对主体和模式没有先验的知识时。 手工制作。 华普尼克的那个英文视频是关于这个的不，不，不，不，不，不，不，不，不。但让我们保持简单，让我们假设我们为同一个数据集建立了10个模型，但要随机划分为趋势和测试。问题：我们如何选择可能最能代表原始数据集的模型？这是一个基本问题，我目前正在围绕它建立一个理论。到目前为止，我的理论中的一切似乎都是合乎逻辑的，但它并不完整。 为了解决这个问题，我需要确定所产生的模型的可推广性指标。我在这里读了一些资源，结果发现已经存在这样的指标，但所有这些指标都高估了价值。据我所知，目前还没有统一的有效方法来确定概括程度。这是MO领域的一个基本问题。雷舍托夫的解决方式也是一种度量，就目前而言，它是最好的解决方案，当模型的特异性和敏感性被计算出来时，但它都是错误的。但那是什么..... 是巨大的!!!!!:-) mytarmailS 2018.09.10 15:36 #10447 我不认为我会建议这样做，但仍... 我已经创建了一个基于神经网络的系统（指标），建立了一些水平，它工作得相当好。 该指标的理念是寻找一些真正的超买/超卖或厘米。 它每周给出大约1-2个信号，如果信号被正确识别，它的工作概率接近100%。 问题是，我不是mql专家，而指标是用R写的（使用不同的库），我无法学习mql。 如果这里有一个开发者准备将代码整合到mql中，并在mt4中进行可视化，我准备在未来进行讨论和帮助。 Maxim Dmitrievsky 2018.09.10 15:40 #10448 Mihail Marchukajtes:不，不，不，不，不，不，不，不，不。但让我们保持简单，让我们假设我们为同一个数据集建立了10个模型，但要随机划分为趋势和测试。问题：我们如何选择可能最能代表原始数据集的模型？这是一个基本问题，我目前正在围绕它建立一个理论。到目前为止，我的理论中的一切似乎都是合乎逻辑的，但它并不完整。 为了解决这个问题，我需要确定所产生的模型的可推广性指标。我在这里读了一些资源，结果发现已经存在这样的指标，但所有这些指标都高估了价值。据我所知，目前还没有统一的有效方法来确定概括程度。这是MO领域的一个基本问题。雷舍托夫的解决方式也是一种度量，就目前而言，它是最好的解决方案，当模型的特异性和敏感性被计算出来时，但它都是错误的。但那是什么..... 是巨大的!!!!!:-)10是关于什么，从2000个模型。 随机分区是存在的，因为它是，但数据集也改变。1个核心的超极本在15-20分钟内算完。 对了，关于jpedictor--我在你给我的版本中打探了一下，在UPOR中没有看到核机器......想把它拉出来，看看它的功能如何。 怎么会这样，同志们 我不知道该用什么，除了分类错误或logloss。 Mihail Marchukajtes 2018.09.10 15:44 #10449 mytarmailS:我不认为我会建议这样做，但仍... 我已经创建了一个基于神经网络的系统（指标），建立了一些水平，它的效果相当好。 该指标的理念是寻找一些真正的超买/超卖或厘米。 它每周给出大约1-2个信号，如果信号被正确识别，它的工作概率接近100%。 问题是，我不是mql专家，而指标是用R写的（使用不同的库），我无法学习mql。 如果有开发者愿意将代码整合到mql中，并在mt4中进行可视化，我愿意在未来进行讨论和帮助。不...我这里没有 :-( Mihail Marchukajtes 2018.09.10 15:45 #10450 马克西姆-德米特里耶夫斯基。10与2000年的模型相比，大约没有什么区别。 随机分区是如实存在的，但数据集也在变化。1个核心的超极本在15-20分钟内算完。 对了，关于jpedictor--我在你给我的版本中打探了一下，在UPOR中没有看到核机器在那里......想把它拉出来，看看它的功能如何。 怎么会这样，同志们 我不知道该用什么，除了分类错误或logloss。它100%在那里。我已经慢慢开始为我重塑它。现在在MKUL中安装一个模型是一件5秒钟的事情... 1...103810391040104110421043104410451046104710481049105010511052...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
只要没有人催促我，就很难向这个方向发展，我现在没有交易，我在心情好的时候完成系统......因为我必须在那里思考，而我不喜欢思考。
是的，花一年的时间研究各种转换的理论和实现，比花5分钟在python或R中了解这些废话是行不通的，逻辑是最强的，听着，你为什么不创造你自己的编程语言呢？ 你为什么需要mql，c++或你坐的任何东西...
问题不在于理论，而在于你如何理解它，加上正确的方法来展示你在分析中所学到的一切。
有些时候，一个人在收集和系统化数据方面做了大量的工作，但却没有正确地应用这些数据。
有些时候，一个人在收集和系统化数据方面做了大量的工作，但却没有正确地应用这些数据。
我同意，它发生了。
你他妈的答应在秋天让我看看天空中的赤道，并拍摄一个训练视频))
嗯，谁知道我会被跨大西洋的洲际巨头!!!!。我不得不在整个试用期内学习，并前往参加培训。我甚至在锦标赛期间去了喀山。但我并没有放弃交易，虽然我大部分时间都是在周六进行交易。 而就在最近，我无意中犯了一个错误，又得到了一个数据的改进。改进意味着更多的可分离性。上面的图2。这导致了优化器Reshetov被重新训练，这对他来说原则上是不利的，因为它从根本上被挤压了不完整性，而这里只是重新训练。对数据的分析显示在聚类区域有双点，表明这些载体是相同的，即是彼此的副本，只是在数量尾部有轻微的差异。当这些向量中的一个进入训练，另一个进入测试样本时，这样的数据集会导致过度训练。在这种情况下，应该删除其中的一个双向量!但如果你看一下输入的含义，你就会开始怀疑MO的高度逻辑性了。因为我看不出这样的输入有什么意义，但它SCUKO的工作原理!
我已经不知不觉地为自己做了决定。如果你碰巧遇到一个有效的输入，你不需要理解它，只要使用它就可以了.....。问我 "为什么会成功？"，我会回答 "我不知道"，然后继续拿钱，无论如何 :-)
工作喜欢傻瓜:)))
它首先会让你进入一个常规和秩序。然后交易就会稳定下来。
在不同的转换后的输入数据上尝试不同的模型（预测器），例如建立许多模型并选择最佳模型。这就像从账户中挑选密码一样。当对主体和模式没有先验的知识时。
手工制作。
华普尼克的那个英文视频是关于这个的不，不，不，不，不，不，不，不，不。但让我们保持简单，让我们假设我们为同一个数据集建立了10个模型，但要随机划分为趋势和测试。问题：我们如何选择可能最能代表原始数据集的模型？这是一个基本问题，我目前正在围绕它建立一个理论。到目前为止，我的理论中的一切似乎都是合乎逻辑的，但它并不完整。
为了解决这个问题，我需要确定所产生的模型的可推广性指标。我在这里读了一些资源，结果发现已经存在这样的指标，但所有这些指标都高估了价值。据我所知，目前还没有统一的有效方法来确定概括程度。这是MO领域的一个基本问题。雷舍托夫的解决方式也是一种度量，就目前而言，它是最好的解决方案，当模型的特异性和敏感性被计算出来时，但它都是错误的。但那是什么..... 是巨大的!!!!!:-)
我不认为我会建议这样做，但仍...
我已经创建了一个基于神经网络的系统（指标），建立了一些水平，它工作得相当好。
该指标的理念是寻找一些真正的超买/超卖或厘米。
它每周给出大约1-2个信号，如果信号被正确识别，它的工作概率接近100%。
问题是，我不是mql专家，而指标是用R写的（使用不同的库），我无法学习mql。
如果这里有一个开发者准备将代码整合到mql中，并在mt4中进行可视化，我准备在未来进行讨论和帮助。
不，不，不，不，不，不，不，不，不。但让我们保持简单，让我们假设我们为同一个数据集建立了10个模型，但要随机划分为趋势和测试。问题：我们如何选择可能最能代表原始数据集的模型？这是一个基本问题，我目前正在围绕它建立一个理论。到目前为止，我的理论中的一切似乎都是合乎逻辑的，但它并不完整。
为了解决这个问题，我需要确定所产生的模型的可推广性指标。我在这里读了一些资源，结果发现已经存在这样的指标，但所有这些指标都高估了价值。据我所知，目前还没有统一的有效方法来确定概括程度。这是MO领域的一个基本问题。雷舍托夫的解决方式也是一种度量，就目前而言，它是最好的解决方案，当模型的特异性和敏感性被计算出来时，但它都是错误的。但那是什么..... 是巨大的!!!!!:-)
10是关于什么，从2000个模型。 随机分区是存在的，因为它是，但数据集也改变。1个核心的超极本在15-20分钟内算完。
对了，关于jpedictor--我在你给我的版本中打探了一下，在UPOR中没有看到核机器......想把它拉出来，看看它的功能如何。
怎么会这样，同志们
我不知道该用什么，除了分类错误或logloss。
我不认为我会建议这样做，但仍...
我已经创建了一个基于神经网络的系统（指标），建立了一些水平，它的效果相当好。
该指标的理念是寻找一些真正的超买/超卖或厘米。
它每周给出大约1-2个信号，如果信号被正确识别，它的工作概率接近100%。
问题是，我不是mql专家，而指标是用R写的（使用不同的库），我无法学习mql。
如果有开发者愿意将代码整合到mql中，并在mt4中进行可视化，我愿意在未来进行讨论和帮助。
不...我这里没有 :-(
10与2000年的模型相比，大约没有什么区别。 随机分区是如实存在的，但数据集也在变化。1个核心的超极本在15-20分钟内算完。
对了，关于jpedictor--我在你给我的版本中打探了一下，在UPOR中没有看到核机器在那里......想把它拉出来，看看它的功能如何。
怎么会这样，同志们
我不知道该用什么，除了分类错误或logloss。
它100%在那里。我已经慢慢开始为我重塑它。现在在MKUL中安装一个模型是一件5秒钟的事情...