Mihail Marchukajtes: 是的，我说的是同一件事。他们不能理解，NS培训是一门艺术，选择正确的模式是基于多年的经验和某种感觉，这是正确的模式。但是没有，我们的主人要的是毫不含糊的结果。顺便说一下，关于独特性。当一个模型被训练得毫不含糊、毫不含糊的时候，这是相当有趣的事情。这是我的一个想法。我将写信给LS....
На finam.ru вы можете ознакомиться с котировками RTS (SPFB.RTS) на рынке 'МосБиржа фьючерсы' в режиме реального времени - котировки онлайн, стоимость, графики, новости.
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。
一切都很好，除了一个小问题：没有与其他模型进行比较。
我提供我的服务以进行比较
1.你准备一个包含预测因子和目标变量的输入Excel文件
2.你来计算一下
3.你把输入文件发给我。
4.我使用Randomforest, ada, SVM进行计算。
比较。
你要比较什么呢？
Randomforest、Ada和SVM是二元分类器，而jPrediction是三元分类器。
你是否有经验和足够的标准来比较二元分类器和三元分类器？
如果你有这样的感觉，jPrediction是开放的，包括来源。我已经发布了它的说明。这些模型的创建非常简单（只是不要告诉任何人）：只需按一个键--F8。你可以在闲暇时用一张聪明的脸来玩弄数字。但没有我的参与。毕竟，你不太可能需要我帮忙按一个键，因为我希望你的父母已经允许你自己使用电脑了？
但是只有在没有我参与的情况下。
遗憾的是。
祝你好运，骑自行车的人。
你要比较什么呢？
Randomforest、Ada和SVM是二元分类器，而jPrediction是三元分类器。
你是否有经验和适当的标准来比较二元分类器和三元分类器？
如果你对此有强烈的感觉，jPrediction是在公共领域，包括源代码。我已经发布了它的说明。这些模型的创建非常简单（只是不要告诉任何人）：只需按一个键--F8。你可以在闲暇时用一张聪明的脸来玩弄数字。但没有我的参与。毕竟，按一个键不太可能需要我的帮助，因为我非常希望，你的父母已经允许你自己使用电脑了？
如果你想得到一个毫不含糊的答案，而不看数据和算法....
谢谢你的全面和可理解的回答。
是的，我说的是同一件事。他们不能理解，NS培训是一门艺术，选择正确的模式是基于多年的经验和某种感觉，这是正确的模式。但是没有，我们的主人要的是毫不含糊的结果。顺便说一下，关于独特性。当一个模型被训练得毫不含糊、毫不含糊的时候，这是相当有趣的事情。这是我的一个想法。我将写信给LS....
我们不是coryphaei--我们是大多数人的一部分，其成员希望未来的结果和今天一样。这就是这个主题的内容。
而艺术家们，艺术的牧师们，他们和混搭在一起。
我们不是coryphaei--我们是大多数人的一部分，其成员希望未来的结果和今天一样。这就是这个主题的内容。
而艺术家们，艺术的祭司们，他们与混搭为伍。
我将向你展示我制作具有自我调整周期的指标的脚本，以及我如何训练这个模型。
脚本分为两部分，第一部分创建一个带有目标期和数据的工作表，第二部分脚本打开这个工作表并训练模型。
我不是程序员，如果有人感兴趣，我会回答这些问题。
1) 脚本中的所有路径都应改为自己的路径...
2）不要试图用通常的方法来检查模型，即用预测的新数据来比较目标，这种方法是行不通的，你需要将数据输入技术分析程序，在那里用止损来模拟交易，到目前为止，我深信这是测试模型的唯一客观方法。
3）我对模型进行了大约15次训练，其中只有3、4次模型在新的数据上出现了小的损失，我认为这是引号中的 "稳定 "结果，值得关注和进一步发展。
我总共有50000个数据，训练是在20000个数据上进行的，30000个是在新数据上的测试。
4）报价和我的一样，你可以从FINAM网站下载https://www.finam.ru/profile/mosbirzha-fyuchersy/rts/export/?market=14&em=17455&code=SPFB.RTS&apply=0&df=18&mf=7&yf=2016&from=18。08.2016&dt=18&mt=7&yt=2016&to=18.08.2016&p=7&f=SPFB.RTS_160818_160818&e=.txt&cn=SPFB.RTS&dtf=1&tmf=1&MSOR=1&mstime=on&mstimever=1&sep=1&sep2=1&datf=1&at=1
由于这个论坛的怪异性，我无法附上我的引文。
因为它看起来http://prntscr.com/c776d3
或者你可以使用你自己在metatrader上的报价
111将创建一个日期。
222已经在这个日期训练一个模型
我想我明白为什么迈克尔的例子可能有效。jPrediction的优势不在于分类（在新数据上50%的准确率就像掷硬币一样），而在于如果委员会中的模型给出不同的答案，它根本不会做出预测。迈克尔的策略之所以有效，只是因为他没有在这种市场不明确的时刻进行交易，因为两种模型都无法给出相同的答案。只要你不在jPrediction拒绝做出预测时进行交易，那么jPrediction做出哪种预测并不重要，反正会有50%的误差。然后它根据顺序选择交易方向（买入/卖出）。事实证明，jPredictor的作用是检测市场中过于混乱的情况，此时最好不要交易，这是一个非常有趣的应用。
我对我的数据尝试了一个类似的方法。我的委员会里有两个以上的模型。我无法从他们那里得到一致的答案，但如果我在至少80%的模型同意答案的时候进行交易，我就会得到更好的结果。
我想我明白为什么迈克尔的例子可能有效。jPrediction的优势不在于分类（在新数据上50%的准确率就像掷硬币一样），而在于如果委员会中的模型给出不同的答案，它根本不会做出预测。迈克尔的策略之所以有效，只是因为他没有在这种市场不明确的时刻进行交易，因为两种模型都无法给出相同的答案。jPrediction做出哪种预测并不重要，反正会有50%的误差，最主要的是不要在jPrediction拒绝做出预测的时候交易。然后它根据顺序选择交易方向（买入/卖出）。事实证明，jPredictor的作用是检测市场中过于混乱的情况，此时最好不要交易，这是一个非常有趣的应用。
我对我的数据尝试了一个类似的方法。我的委员会里有两个以上的模型。我没有从他们那里得到一致的答案，但如果我在至少80%的模型同意答案时进行交易，我就会得到更好的交易结果。