交易中的机器学习：理论、模型、实践和算法交易 - 页 1074 1...106710681069107010711072107310741075107610771078107910801081...3399 新评论 FxTrader562 2018.09.19 14:36 #10731 马克西姆-德米特里耶夫斯基。现在第一行的选择是完全正确的。第二行，我们必须在循环中把所有的最佳变量相互结合起来，并通过每个特征的组合学习RDF。在这里我们也可以应用不同的多项式变换 我是这样认为的我花了很多时间来理解你的第一个代码来实现这个:))))...所以现在请不要给我另一个代码:) 每当你想转换像收盘价这样的特征时......请确保从新的价格数据或矩阵中的旧的训练数据中收集它的变量......这是你应该做的。） 然后，只要用这个变量调用函数"CalculateNeuron(ker,degree)"，然后，当你得到新的特征时，在Matrix或任何你想做的事情中更新它：) 我的意思是，使用GMDH进行特征转换的整个任务将在函数中完成，我对它的理解是正确的......现在，你如何输入值和检索值，这是你的选择......))))) FxTrader562 2018.09.19 15:00 #10732 Maxim Dmitrievsky:好吧，只要给我更多时间...我还不明白什么，但一切都会好起来的。） 这里有太多的组合学 但在输出上，所有的东西都必须是清楚的--只有n个具有选定特征和公式的数组。好吧，如果你已经理解了你之前的代码（到目前为止我理解了一点:））。那么对你来说，这应该只是2分钟的工作:))......因为我在这里没有做任何事情......只是复制了你之前的代码，然后用GMDH替换了它:)) 但如果你想用另一种方式......你可以自己慢慢来：））））。 当然，我不能保证我对GMDH的实现:))......在我们在真实交易模式下运行最终的EA之前，我们不能知道任何事情:)))......甚至回测结果似乎也不可靠...... 所以你可以尝试你自己的方法，或者你可以让我知道，如果你需要"(CalculateNeuron(ker,degree)) "的代码来实现的话。 如果它能起作用，那么我甚至可以将基本组件扩展到20或30个......在训练中可能会很慢，在交易中也可能会很慢，因为有多个for循环......但由于它每次只检查一个程度值，因此，我们可以期待平均速度...... FxTrader562 2018.09.20 05:42 #10733 马克西姆-德米特里耶夫斯基。对你来说，也许你会更好地理解它 好吧，我试试......但我也会在这个代码上问100个不同的问题，你应该准备好回答：））...... 因为你应该明白，这完全是你的方法，而且，你试图以不同的方式编码，这与你以前的代码没有任何联系，因此，我没有办法理解它，直到我明白你在这个版本中试图做什么......所以，这将需要更多的时间来理解，然后，我将尝试创建一个与GMDH的桥梁...... FxTrader562 2018.09.20 06:06 #10734 马克西姆-德米特里耶夫斯基。我们用遗传选择的方式来处理Gdmh 为此，我们必须先分别学习RDF的各个功能，你明白吗？你说的GDMH的遗传选择是什么意思？ 根据我对GMDH的了解，对于每一组特征或输入，它都会给出一个输出，作为所有输入的总和，分成若干个特征。因此，如果你给出一个特征，你将得到一个输出，即使你给出100个特征，你也只能得到一个输出，即之前所有特征的碎块的总和，这就是GMDH。 1.如果你只给一个特征作为输入，它将给出一个输出=特征1*权重1。 或 2.如果你给出一个特征和所有以前的特征（新特征或来自RDF的训练过的特征），那么它将只是把当前特征转化为新的输出=特征1*w1+特征2*w2+特征3*w3+....m基础特征 的组件 所以在这里，如果你想转换一个新的特征，那么创建一个数组来存储来自RDF的训练过的特征，然后，把它传给 "CalculateNeuron(ker,degree) "函数。但你需要再传一个数组元素给这个函数。 FxTrader562 2018.09.20 06:09 #10735 马克西姆-德米特里耶夫斯基。你能提供你的GMDH观点的方案吗？一步一步地给我一些时间......我将向你提供GMDH库和使用你以前的代码实现的EA的完整源代码......我现在只是在寻找它：））））。 mytarmailS 2018.09.20 06:19 #10736 我一直在打探所有带有 "MO "的级别(那些MO正在寻找预期的反弹水平)，有时发出的信号并不坏。 有时，系统会在一个趋势中变得疯狂 =================== 我不知道原因是什么，如何过滤，有没有人一直在做，还是只有我一个人在做？ FxTrader562 2018.09.20 06:20 #10737 马克西姆-德米特里耶夫斯基。我们不需要用'+'来总结预测因子，因为我们不使用linerar解算器。相反，我们只是增加新的输入，一步一步地增加特征数字和它的组合 Getetic的意思是，我们只在转化的每一步上与最佳预测者合作，而不是与每个预测者合作。所以我们在每一步都只选择n个最好的那就没问题了，你只要创建一个动态数组，并在每一步将这些数组元素作为输入传给函数"Neuron function()"，但你需要给这个函数增加一个输入。 我使用的是 "Calsignal() "中的输入，在那里你复制了收盘价......所以你只需在RDF训练完成的每一步中添加数组元素，然后释放数组即可，你明白吗？ 我将在下一篇文章中粘贴这些代码。请复制，然后，删除该帖子。 FxTrader562 2018.09.20 06:23 #10738 GMDH FxTrader562 2018.09.20 06:23 #10739 GMDH EA。 FxTrader562 2018.09.20 06:24 #10740 马克西姆-德米特里耶夫斯基。我们不需要用'+'来总结预测因子，因为我们不使用linerar解算器。相反，我们只是增加新的输入，一步一步地增加特征数字和它的组合 Getetic的意思是，我们只在转化的每一步上与最佳预测者合作，而不是与每个预测者合作。所以我们在每一步都只选择n个最好的请复制代码并让我知道......我将删除该代码。 1...106710681069107010711072107310741075107610771078107910801081...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
现在第一行的选择是完全正确的。第二行，我们必须在循环中把所有的最佳变量相互结合起来，并通过每个特征的组合学习RDF。在这里我们也可以应用不同的多项式变换
我是这样认为的
我花了很多时间来理解你的第一个代码来实现这个:))))...所以现在请不要给我另一个代码:)
每当你想转换像收盘价这样的特征时......请确保从新的价格数据或矩阵中的旧的训练数据中收集它的变量......这是你应该做的。）
然后，只要用这个变量调用函数"CalculateNeuron(ker,degree)"，然后，当你得到新的特征时，在Matrix或任何你想做的事情中更新它：)
我的意思是，使用GMDH进行特征转换的整个任务将在函数中完成，我对它的理解是正确的......现在，你如何输入值和检索值，这是你的选择......)))))
好吧，只要给我更多时间...我还不明白什么，但一切都会好起来的。）
这里有太多的组合学
但在输出上，所有的东西都必须是清楚的--只有n个具有选定特征和公式的数组。好吧，如果你已经理解了你之前的代码（到目前为止我理解了一点:））。那么对你来说，这应该只是2分钟的工作:))......因为我在这里没有做任何事情......只是复制了你之前的代码，然后用GMDH替换了它:))
但如果你想用另一种方式......你可以自己慢慢来：））））。
当然，我不能保证我对GMDH的实现:))......在我们在真实交易模式下运行最终的EA之前，我们不能知道任何事情:)))......甚至回测结果似乎也不可靠......
所以你可以尝试你自己的方法，或者你可以让我知道，如果你需要"(CalculateNeuron(ker,degree)) "的代码来实现的话。
如果它能起作用，那么我甚至可以将基本组件扩展到20或30个......在训练中可能会很慢，在交易中也可能会很慢，因为有多个for循环......但由于它每次只检查一个程度值，因此，我们可以期待平均速度......
对你来说，也许你会更好地理解它
好吧，我试试......但我也会在这个代码上问100个不同的问题，你应该准备好回答：））......
因为你应该明白，这完全是你的方法，而且，你试图以不同的方式编码，这与你以前的代码没有任何联系，因此，我没有办法理解它，直到我明白你在这个版本中试图做什么......所以，这将需要更多的时间来理解，然后，我将尝试创建一个与GMDH的桥梁......
我们用遗传选择的方式来处理Gdmh
为此，我们必须先分别学习RDF的各个功能，你明白吗？
你说的GDMH的遗传选择是什么意思？
根据我对GMDH的了解，对于每一组特征或输入，它都会给出一个输出，作为所有输入的总和，分成若干个特征。因此，如果你给出一个特征，你将得到一个输出，即使你给出100个特征，你也只能得到一个输出，即之前所有特征的碎块的总和，这就是GMDH。
1.如果你只给一个特征作为输入，它将给出一个输出=特征1*权重1。
或
2.如果你给出一个特征和所有以前的特征（新特征或来自RDF的训练过的特征），那么它将只是把当前特征转化为新的输出=特征1*w1+特征2*w2+特征3*w3+....m基础特征 的组件
所以在这里，如果你想转换一个新的特征，那么创建一个数组来存储来自RDF的训练过的特征，然后，把它传给 "CalculateNeuron(ker,degree) "函数。但你需要再传一个数组元素给这个函数。
你能提供你的GMDH观点的方案吗？一步一步地
给我一些时间......我将向你提供GMDH库和使用你以前的代码实现的EA的完整源代码......我现在只是在寻找它：））））。
我一直在打探所有带有 "MO "的级别(那些MO正在寻找预期的反弹水平)，有时发出的信号并不坏。
有时，系统会在一个趋势中变得疯狂
===================
我不知道原因是什么，如何过滤，有没有人一直在做，还是只有我一个人在做？
我们不需要用'+'来总结预测因子，因为我们不使用linerar解算器。相反，我们只是增加新的输入，一步一步地增加特征数字和它的组合
Getetic的意思是，我们只在转化的每一步上与最佳预测者合作，而不是与每个预测者合作。所以我们在每一步都只选择n个最好的
那就没问题了，你只要创建一个动态数组，并在每一步将这些数组元素作为输入传给函数"Neuron function()"，但你需要给这个函数增加一个输入。
我使用的是 "Calsignal() "中的输入，在那里你复制了收盘价......所以你只需在RDF训练完成的每一步中添加数组元素，然后释放数组即可，你明白吗？
我将在下一篇文章中粘贴这些代码。请复制，然后，删除该帖子。
GMDH EA。
我们不需要用'+'来总结预测因子，因为我们不使用linerar解算器。相反，我们只是增加新的输入，一步一步地增加特征数字和它的组合
Getetic的意思是，我们只在转化的每一步上与最佳预测者合作，而不是与每个预测者合作。所以我们在每一步都只选择n个最好的
请复制代码并让我知道......我将删除该代码。