交易中的机器学习:理论、模型、实践和算法交易 - 页 1168 1...116111621163116411651166116711681169117011711172117311741175...3399 新评论 Maxim Dmitrievsky 2018.11.24 21:22 #11671 伊戈尔-马卡努。检查了alglib中关于乘法表的MLP,以便进行归一化,嗯......。不需要正常化,奇怪...很奇怪,就这么简单! 来自alglib的网格是相当好的,当然没有奇迹,但即使是向前看,它显示的数值也几乎没有逻辑性....,非常奇怪,它是如此简单!))) HH: #define k 1 你可以扭曲,但没有注意到任何变化,因为输入要从0.1开始,从1.100开始,无论如何都是很好的工作。好吧,和森林差不多的也算,我也扔了乘法表,只是在大数据集上会有区别--神经网络的训练比较慢 Aleksey Vyazmikin 2018.11.25 00:38 #11672 事实证明,Excel中的公式是不同的(((TP+TN)-(FN+FP))/(TP+TN+FN+FP))*100/(TP/(TP+TN))*100。 Aleksey Nikolayev 2018.11.25 07:18 #11673 马克西姆-德米特里耶夫斯基。我想知道您对国防部使用卡基图 的看法。在你看来,它的使用频率如何,意义有多大? Maxim Dmitrievsky 2018.11.25 07:50 #11674 阿列克谢-尼古拉耶夫。我想知道您对国防部使用卡吉计划的看法。在你看来,它的使用频率如何,意义有多大?我认为这是一个常见的价格变化指标,就像Renko......在什么情况下可以使用:例如,过滤掉 "噪音",但也可以通过muving,例如,完全相同的滞后。因此,如果有必要获得具有滞后性的过滤数据--那么也许有意义,但在实践中很可能不存在获得强烈滞后的市场信息这样一个任务。 Aleksey Nikolayev 2018.11.25 08:31 #11675 马克西姆-德米特里耶夫斯基。我认为它是价格变化 的一个常见指标,就像Renko一样......在什么情况下可以使用:例如,过滤掉 "噪音",但它也可以通过muving来完成,例如,完全相同的滞后。因此,如果有必要获得滞后的过滤数据,那么它可能是有意义的,但在实践中,可能没有这样的任务来获得强滞后的市场信息。这与实践无关。这样的图表在市场和 "投币运动 "之间建立了某种联系。 分片稳态的SB并不能很好地模拟出一个平面。该模型的明显发展是一个片状同质马尔科夫链。用MO来训练它是很有可能的。肯定有人做过类似的事情,但我没有找到任何东西。 Aleksey Nikolayev 2018.11.25 09:15 #11676 Igor Makanu 2018.11.25 10:20 #11677 阿列克谢-尼古拉耶夫。我想知道您对国防部使用卡吉计划的看法。在你看来,它的使用频率如何,意义有多大?嗯,我想我今天会在这个主题中发布一个森林训练的renko图表。 我在某处读到,有些人有同样的想法:))) Maxim Dmitrievsky 2018.11.25 10:22 #11678 伊戈尔-马卡努。嗯,我想我今天会在这个主题中发布一个森林训练的Renko图表。 我在某处读到,有些人的想法是一样的 )))))i>通常情况下,在你的实例中加入优化rengo设置的能力,这就是你会看到的。 而在一般情况下,你可以用我的例子,用Weierstrass图的bandit,把logit改为forest Aleksey Nikolayev 2018.11.25 10:31 #11679 马克西姆-德米特里耶夫斯基。要想不费吹灰之力地转换到Python,并解决实例问题,我推荐谷歌实验室。 据我所知,你可以采取条件概率(连续性痕迹),在极限情况下,这将收敛到50/50,但当下可能有变化。这正是贝叶斯方法的内容,与频率方法相反(区分先验分布和后验分布)。这算是我目前对这本书的拙见,因为我对贝叶斯统计学不是很熟悉,虽然本质上有一个方程和所有 :) 但有一种怀疑是,这可以用来寻找条件性的规律性,如果你可以这么说的话。而神经网络只是为了归纳总结至少这是我试图添加到我的RL强盗的方法。 如果我说错了,请纠正我。我有Sagemath,它是基于python的。 我同意关于50/50的限制,尽管它可以以不同的方式正式化。我想找到一些简单的模型,将我们的图形与短时间隔的对称SB区分开来。在我看来,匪徒似乎足够复杂,就像隐马尔科夫模型一样,会导致过度学习。 忽略频率方法与贝叶斯方法的对立--它们在一个理论家那里是相当共存的) 在我看来,寻找规律性的问题,都是一样的非平稳性。 Alexander_K2 2018.11.25 12:00 #11680 Maxim Dmitrievsky: 你可以每个月赚取100%的利润。厉害了,麦克斯!"。谢文东是圣杯,它就藏在增量中。它只是不那么容易看到--但它就在那里,100%。 1...116111621163116411651166116711681169117011711172117311741175...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
检查了alglib中关于乘法表的MLP,以便进行归一化,嗯......。不需要正常化,奇怪...很奇怪,就这么简单!
来自alglib的网格是相当好的,当然没有奇迹,但即使是向前看,它显示的数值也几乎没有逻辑性....,非常奇怪,它是如此简单!)))
HH: #define k 1 你可以扭曲,但没有注意到任何变化,因为输入要从0.1开始,从1.100开始,无论如何都是很好的工作。
好吧,和森林差不多的也算,我也扔了乘法表,只是在大数据集上会有区别--神经网络的训练比较慢
我想知道您对国防部使用卡基图 的看法。在你看来,它的使用频率如何,意义有多大?
我想知道您对国防部使用卡吉计划的看法。在你看来,它的使用频率如何,意义有多大?
我认为这是一个常见的价格变化指标,就像Renko......在什么情况下可以使用:例如,过滤掉 "噪音",但也可以通过muving,例如,完全相同的滞后。因此,如果有必要获得具有滞后性的过滤数据--那么也许有意义,但在实践中很可能不存在获得强烈滞后的市场信息这样一个任务。
我认为它是价格变化 的一个常见指标,就像Renko一样......在什么情况下可以使用:例如,过滤掉 "噪音",但它也可以通过muving来完成,例如,完全相同的滞后。因此,如果有必要获得滞后的过滤数据,那么它可能是有意义的,但在实践中,可能没有这样的任务来获得强滞后的市场信息。
这与实践无关。这样的图表在市场和 "投币运动 "之间建立了某种联系。
分片稳态的SB并不能很好地模拟出一个平面。该模型的明显发展是一个片状同质马尔科夫链。用MO来训练它是很有可能的。肯定有人做过类似的事情,但我没有找到任何东西。
我想知道您对国防部使用卡吉计划的看法。在你看来,它的使用频率如何,意义有多大?
嗯,我想我今天会在这个主题中发布一个森林训练的renko图表。
我在某处读到,有些人有同样的想法:)))
嗯,我想我今天会在这个主题中发布一个森林训练的Renko图表。
我在某处读到,有些人的想法是一样的 )))))
i>通常情况下,在你的实例中加入优化rengo设置的能力,这就是你会看到的。
而在一般情况下,你可以用我的例子,用Weierstrass图的bandit,把logit改为forest要想不费吹灰之力地转换到Python,并解决实例问题,我推荐谷歌实验室。
据我所知,你可以采取条件概率(连续性痕迹),在极限情况下,这将收敛到50/50,但当下可能有变化。这正是贝叶斯方法的内容,与频率方法相反(区分先验分布和后验分布)。这算是我目前对这本书的拙见,因为我对贝叶斯统计学不是很熟悉,虽然本质上有一个方程和所有 :)
但有一种怀疑是,这可以用来寻找条件性的规律性,如果你可以这么说的话。而神经网络只是为了归纳总结
至少这是我试图添加到我的RL强盗的方法。
如果我说错了,请纠正我。
我有Sagemath,它是基于python的。
我同意关于50/50的限制,尽管它可以以不同的方式正式化。我想找到一些简单的模型,将我们的图形与短时间隔的对称SB区分开来。在我看来,匪徒似乎足够复杂,就像隐马尔科夫模型一样,会导致过度学习。
忽略频率方法与贝叶斯方法的对立--它们在一个理论家那里是相当共存的)
在我看来,寻找规律性的问题,都是一样的非平稳性。
你可以每个月赚取100%的利润。
厉害了,麦克斯!"。谢文东是圣杯,它就藏在增量中。它只是不那么容易看到--但它就在那里,100%。