交易中的机器学习:理论、模型、实践和算法交易 - 页 111 1...104105106107108109110111112113114115116117118...3399 新评论 mytarmailS 2016.08.17 08:39 #1101 Mihail Marchukajtes: 而你一直试图在5年内遏制市场上的分??????。这71个观察结果,在5分钟内的两个星期的交易中,如果有什么......。而且只买。因此,去吧.....还是你泄气了? 他在说什么...这很疯狂。 Mihail Marchukajtes 2016.08.17 08:41 #1102 Dr.Trader: 正如我之前所说,这个指标是无用的。数据被随机分为两个大致相等的部分,然后只对第一部分进行模型训练,并同时对两部分进行测试。概括性为~75%意味着模型在最后能正确预测文件中75%的例子。 有几种方法可以使模型达到75%: 1)模型在训练数据上被训练到100%的准确率,而在文件的第二部分中新数据失败,它得到50%的准确率(与掷硬币一样)。平均数将正好是75%。这是一个非常糟糕的发展,在交易中也会很糟糕。 2)模型在训练数据上被训练到75%的准确率,它在测试数据上显示出同样的75%,这又是平均75%。在这种情况下,这是最好的情况,有机会赢得一些东西。 3)这两者之间的任何中间选项。你的选择可能更接近于第一个。你需要非常幸运才能在交易中取得这样的结果,我假设你没有损失你的存款只是由于指标,它作为主要的信号(序列,或其他)。我认为,基于这一个指标的专家顾问将给出和指标+jPrediction一样好的结果。 你怎么知道如何计算归纳能力?雷舍托夫知道,我认为计算完全基于测试数据,正如他之前所说的......。如果经典的序列是可行的,我就不会使用预测器,但可惜的是......。这就像任何事情一样耗费精力。另一方面,分类器的加入则使其得到了相当的改善。我再一次写道,71次观察是TS在5分钟内两星期的工作。对于这个时间框架,这是一个相当可接受的间隔。我不习惯在半年或更长时间内做这些事。我训练了两个星期,赚了一天就完了,而你还在寻找圣杯。是的,我每天都在训练模型。在早上。好消息是,现在的优化时间非常合理.....。 Mihail Marchukajtes 2016.08.17 08:44 #1103 mytarmailS: 他在说什么呢...这简直是一派胡言。 那么,你不明白的是????。还是超出了你的理解力????。 mytarmailS 2016.08.17 09:03 #1104 Mihail Marchukajtes: 那么,你不明白的是????。还是超出了你的理解力????。我问你如何衡量总容量,你告诉我多年的历史和其他一些废话......我无法用一种方式衡量一般能力,你也无法用另一种方式衡量,但你不知道如何衡量,你能做的只是在jPrediction 中查找数字,却不知道这些数字从何而来,如何而来的,所以当他们开始问你具体问题时,你就开始胡说八道,说什么多年的历史等等。 停止吧...请... Mihail Marchukajtes 2016.08.17 09:18 #1105 mytarmailS:我问你如何衡量总容量,你告诉我多年的历史和其他一些废话......我无法用一种方式衡量一般能力,你也无法用另一种方式衡量,但你不知道如何衡量,你能做的只是在jPrediction 中查找数字,却不知道这些数字从何而来,如何而来的,所以当他们问你具体问题时,你就开始胡说八道,说什么多年的历史等等。 别闹了,...请... 我可能已经解释过,我使用雷舍托夫的预测器,他是如何衡量普适性的,这些是给尤里的问题。问他。虽然他给出了公式,我也大致记得,但我不明白你为什么要问我。我只是他程序的用户,没有更多的.....。 Dr. Trader 2016.08.17 09:19 #1106 Mihail Marchukajtes: 我认为该计算仅基于测试数据如果是这样的话,我很高兴,这就好多了。在任何情况下,fronttest显示出更好的结果。我把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction不能访问第二个文件中的例子,这对模型来说将是真正的新数据。最后,在第二个文件中,JPrediction只给出了9个案例的答案。准确率约为50%,这个结果没什么好的。 附加的文件: 1bj8_qxs8yoq.zip 9 kb Mihail Marchukajtes 2016.08.17 09:38 #1107 Dr.Trader:如果是这样的话,我很高兴,这就好多了。在任何情况下,前面的测试显示出更好的结果。我把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction无法访问第二个文件中的例子,而这对模型来说将是真正的新数据。最后,在第二个文件中,JPrediction只给出了9个案例的答案。正确的有5个,错误的有4个,准确率约为50%,这个结果没什么好的。 同意。需要在输入数据上下功夫..... Alexey Burnakov 2016.08.17 10:18 #1108 Dr.Trader: 如果是这样的话,我很高兴,这就好多了。在任何情况下,fronttest显示出更好的结果。把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction无法访问第二个文件中的例子,对模型来说这将是真正的新数据。因此,在第二个文件中,JPrediction只在9个案例中给出了答案。正确的有5个,错误的有4个。 准确率约为50%,这个结果没有任何好处。19、50岁,谁更。从数据集数据库中抽取任何例子,至少有数百行。对我来说,这个软件并不适合,如果只是因为我自己更喜欢拿起参数 和分解数据。但作为入门级,我认为这将是有趣的。 СанСаныч Фоменко 2016.08.17 11:04 #1109 Reshetov!我的提议仍然有效。 Yury Reshetov 2016.08.17 18:28 #1110 mytarmailS: 你好,Yuri !有问题))关于顺序搜索...比方说,我们有10个预测因子1,2, 3,4, 5, 6, 7, 8, 9, 10绿色 组是显示出最佳概括能力的预测器组,在这个组中,将加入其他预测器N+1。红色 组,是比绿色组 稍差的一组,它 将不参加测试,所有的测试都集中在绿色 组上。问题:如果在用其他N+1个预测器逐一进行所有试验后,发现在最终结果中,红色组的概括能力更强,这是否也很现实,还是我误解了什么 ????请澄清一下。如果你想在不看数据和算法的情况下得到一个毫不含糊的答案,你最好去找桑桑尼茨-福明科,因为他带着一张聪明的脸会用 "精确和有价值 "的指示来告诫你任何问题,不管它是否有歧义。如果你想要一个更精确的答案,那就做一个A/B测试,即在一种情况下尝试将红色与黑色连接到绿色,而在另一种情况下,只连接黑色。无论哪种方案从实验结果中得到最好的概括性,对于你的任务来说都是最正确的方案。问题是,经验的结果始终是真理的标准。例如,我今天正在测试jPrediction的数据中心化。在不同的样本上,结果要么令人沮丧,要么稍好。虽然对于反向传播网格来说,居中的做法会有明显的改善。不得不离开线性归一化。而如果我不做A/B测试,而是从一些机器学习的小书或讲座中获取 "现成的知识",或者问一些无所不知的人,我就会得到这样的答案:据说居中化比线性归一化 "更好"。尽管经验表明,这对所有的算法来说都是不明确的。这就是那种馅饼。 1...104105106107108109110111112113114115116117118...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
而你一直试图在5年内遏制市场上的分??????。这71个观察结果,在5分钟内的两个星期的交易中,如果有什么......。而且只买。因此,去吧.....还是你泄气了?
正如我之前所说,这个指标是无用的。
数据被随机分为两个大致相等的部分,然后只对第一部分进行模型训练,并同时对两部分进行测试。概括性为~75%意味着模型在最后能正确预测文件中75%的例子。
有几种方法可以使模型达到75%:
1)模型在训练数据上被训练到100%的准确率,而在文件的第二部分中新数据失败,它得到50%的准确率(与掷硬币一样)。平均数将正好是75%。这是一个非常糟糕的发展,在交易中也会很糟糕。
2)模型在训练数据上被训练到75%的准确率,它在测试数据上显示出同样的75%,这又是平均75%。在这种情况下,这是最好的情况,有机会赢得一些东西。
3)这两者之间的任何中间选项。
你的选择可能更接近于第一个。你需要非常幸运才能在交易中取得这样的结果,我假设你没有损失你的存款只是由于指标,它作为主要的信号(序列,或其他)。我认为,基于这一个指标的专家顾问将给出和指标+jPrediction一样好的结果。
他在说什么呢...这简直是一派胡言。
那么,你不明白的是????。还是超出了你的理解力????。
我问你如何衡量总容量,你告诉我多年的历史和其他一些废话......
我无法用一种方式衡量一般能力,你也无法用另一种方式衡量,但你不知道如何衡量,你能做的只是在jPrediction 中查找数字,却不知道这些数字从何而来,如何而来的,所以当他们开始问你具体问题时,你就开始胡说八道,说什么多年的历史等等。 停止吧...请...
我问你如何衡量总容量,你告诉我多年的历史和其他一些废话......
我无法用一种方式衡量一般能力,你也无法用另一种方式衡量,但你不知道如何衡量,你能做的只是在jPrediction 中查找数字,却不知道这些数字从何而来,如何而来的,所以当他们问你具体问题时,你就开始胡说八道,说什么多年的历史等等。 别闹了,...请...
我认为该计算仅基于测试数据
如果是这样的话,我很高兴,这就好多了。
在任何情况下,fronttest显示出更好的结果。我把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction不能访问第二个文件中的例子,这对模型来说将是真正的新数据。
最后,在第二个文件中,JPrediction只给出了9个案例的答案。准确率约为50%,这个结果没什么好的。
如果是这样的话,我很高兴,这就好多了。
在任何情况下,前面的测试显示出更好的结果。我把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction无法访问第二个文件中的例子,而这对模型来说将是真正的新数据。
最后,在第二个文件中,JPrediction只给出了9个案例的答案。正确的有5个,错误的有4个,准确率约为50%,这个结果没什么好的。
如果是这样的话,我很高兴,这就好多了。
在任何情况下,fronttest显示出更好的结果。把你的文件分成两部分(没有洗牌,只是按顺序),第一部分有50行,第二部分有19行。 所以jPrediction无法访问第二个文件中的例子,对模型来说这将是真正的新数据。
因此,在第二个文件中,JPrediction只在9个案例中给出了答案。正确的有5个,错误的有4个。 准确率约为50%,这个结果没有任何好处。
19、50岁,谁更。从数据集数据库中抽取任何例子,至少有数百行。
对我来说,这个软件并不适合,如果只是因为我自己更喜欢拿起参数 和分解数据。但作为入门级,我认为这将是有趣的。
Reshetov!
我的提议仍然有效。
你好,Yuri !
有问题))关于顺序搜索...
比方说,我们有10个预测因子
1,2, 3,4, 5, 6, 7, 8, 9, 10
绿色 组是显示出最佳概括能力的预测器组,在这个组中,将加入其他预测器N+1。
红色 组,是比绿色组 稍差的一组,它 将不参加测试,所有的测试都集中在绿色 组上。
问题:如果在用其他N+1个预测器逐一进行所有试验后,发现在最终结果中,红色组的概括能力更强,这是否也很现实,还是我误解了什么 ????请澄清一下。
如果你想在不看数据和算法的情况下得到一个毫不含糊的答案,你最好去找桑桑尼茨-福明科,因为他带着一张聪明的脸会用 "精确和有价值 "的指示来告诫你任何问题,不管它是否有歧义。
如果你想要一个更精确的答案,那就做一个A/B测试,即在一种情况下尝试将红色与黑色连接到绿色,而在另一种情况下,只连接黑色。无论哪种方案从实验结果中得到最好的概括性,对于你的任务来说都是最正确的方案。
问题是,经验的结果始终是真理的标准。
例如,我今天正在测试jPrediction的数据中心化。在不同的样本上,结果要么令人沮丧,要么稍好。虽然对于反向传播网格来说,居中的做法会有明显的改善。不得不离开线性归一化。
而如果我不做A/B测试,而是从一些机器学习的小书或讲座中获取 "现成的知识",或者问一些无所不知的人,我就会得到这样的答案:据说居中化比线性归一化 "更好"。尽管经验表明,这对所有的算法来说都是不明确的。
这就是那种馅饼。