交易中的机器学习：理论、模型、实践和算法交易 - 页 1248 1...124112421243124412451246124712481249125012511252125312541255...3399 新评论 Aleksey Vyazmikin 2018.12.29 20:12 #12471 我认为，如果过度训练是由于噪音导致的记忆市场的后果，那么记忆市场需要一定量的记忆，其形式是决策树和提升的森林，而单树和神经元数量少的神经网络等模型应该是较少过度训练。然后，事实证明，有一个关键的数据量不能被描述，比如说，一张--这个1%或10%的量是什么--整个样本（训练、测试、对照）的问题。那么，也许我们应该根据记忆这些数据所需的内存量来评估数据，并尝试使模型的数量级小于这个临界量？如何做到这一点--我不知道，也许归档应该有类似的东西--如果归档器将一个10mb的样本压缩成1mb，那么模型必须不超过102.4kb。然后，知道模型不只是记住了样本，而是发现了其中的规律性，我们就可以对独立样本的测试不那么挑剔，得出的结论不是过度训练，而是缺乏用于训练的样本数据，因为没有描述当前市场状态的情况，所以根本不可能用现有的预测器找到这种模式。 Aleksey Vyazmikin 2018.12.29 20:51 #12472 现在根据收到的床单做一个手工模型，结果发现，从2014年到2018年，每年大约有20张床单要买，5张床单作为过滤器可以产生，这里我想，不可能是过度训练，也不可能有足够的床单用于拟合，不知为何...那么，这是一个将在2019年失去效力的模式吗？ Aleksey Vyazmikin 2018.12.29 21:00 #12473 马克西姆-德米特里耶夫斯基。一个模式必须有一些基本的前提条件，例如，市场上的一些周期是基本的，或者对新闻的反应，日内波动......诸如此类的东西。 而如果规律性的东西不清楚从何而来，那么就不清楚接下来会发生什么。关于树的模型和处理识别模式的问题，一个预测器讲述一个事件，一组特定的事件给出一个模式。只是这是一个不是来自物理现象领域的规律性，它不可能是恒定的，因为它可能受到未知因素的影响（现有预测器无法描述的现象）。 总的来说，重点是统计学上经常发生的事件是通过MO的分类方法检测出来的，这比仅仅用优化器指标来拟合市场要好一些，还是不行？ Aleksey Vyazmikin 2018.12.29 21:11 #12474 马克西姆-德米特里耶夫斯基。夏天的短裙数量与公民的财务状况之间的相关性可能是90%，但这并不意味着有关联，更不意味着有模式好吧，让我们把 "模式 "这个词换成 "预兆"，作为一个不可知的事件的关联。 马克西姆-德米特里耶夫斯基。优化器也是一个MO。 所以你把这两种方法等同起来？ Aleksey Vyazmikin 2018.12.29 21:32 #12475 马克西姆-德米特里耶夫斯基。不是我，是这样的......优化器最小化任何F函数，神经网络优化器优化权重F函数。如果我们只讨论TC滤波器的优化，那么我们可以部分同意相同的行动，但如果输入/输出点也被优化，那么情况就与通常的MO略有不同。 Aleksey Vyazmikin 2018.12.29 21:34 #12476 马克西姆-德米特里耶夫斯基。在这种情况下，有必要研究数据挖掘和应用于市场，如果有可能的话，因为数据挖掘1的曲线也是那种最笨的，但可以提取一些信息 ) 学习是为了在另一个领域应用？ Aleksey Vyazmikin 2018.12.29 21:43 #12477 马克西姆-德米特里耶夫斯基。了解如何从数据中提取有用的东西所以我早些时候指出，我提取了一些有用的东西--也许是一粒金子，也许是一种侥幸......谁知道呢......没有办法确切地知道。 Aleksey Vyazmikin 2018.12.29 21:46 #12478 假设市场都是一样的，价格行为也有类似的模式，为什么不把十几种工具合并到一个样本中，在所有市场中寻找共同的 "迹象 "呢？ Aleksey Vyazmikin 2018.12.29 22:03 #12479 Vizard_。这就是它的做法--它是泛化的。"模式 "是指从不同的样本中发现的模式...所以你刚刚在趋势样本中进行了匹配，现在你给我们一个头疼的)))))。但你仍然需要仔细准备数据，因为这个想法...虽然你可能是万无一失，但不太可能...我有2016-2017年的培训，然后只是检查了2014-2018年的单子，并选择了那些每年都盈利并符合其他一些标准（整体增长/没有重大缩水）的。所以我在想，这样的模式是否可以使用。 至于结合不同的工具，这里的许多预测器是在不同的时间间隔内的点数收益，它不会对不同的工具起作用......。 Aleksey Vyazmikin 2018.12.29 22:06 #12480 马克西姆-德米特里耶夫斯基。当然，所有的市场都是不同的，模式也是不同的，对一个人有效的东西，对另一个人来说就是一种损失。 要假设什么，就需要假设什么，作为这种粗略假设的基础因此，我假设任何地方的主体都是一样的--一个交易员，那么他为什么要根据工具的不同而改变自己的行为呢？如果他使用技术分析或任何其他方法，但他在任何地方都使用这种方法，这是不一样的，他可以在不同的时间使用一套方法，在一个工具上适合一种方法比较容易，当交易员（集体形象）切换到另一种方法时，模型就会被打破。 1...124112421243124412451246124712481249125012511252125312541255...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
我认为，如果过度训练是由于噪音导致的记忆市场的后果，那么记忆市场需要一定量的记忆，其形式是决策树和提升的森林，而单树和神经元数量少的神经网络等模型应该是较少过度训练。然后，事实证明，有一个关键的数据量不能被描述，比如说，一张--这个1%或10%的量是什么--整个样本（训练、测试、对照）的问题。那么，也许我们应该根据记忆这些数据所需的内存量来评估数据，并尝试使模型的数量级小于这个临界量？如何做到这一点--我不知道，也许归档应该有类似的东西--如果归档器将一个10mb的样本压缩成1mb，那么模型必须不超过102.4kb。然后，知道模型不只是记住了样本，而是发现了其中的规律性，我们就可以对独立样本的测试不那么挑剔，得出的结论不是过度训练，而是缺乏用于训练的样本数据，因为没有描述当前市场状态的情况，所以根本不可能用现有的预测器找到这种模式。
一个模式必须有一些基本的前提条件，例如，市场上的一些周期是基本的，或者对新闻的反应，日内波动......诸如此类的东西。
而如果规律性的东西不清楚从何而来，那么就不清楚接下来会发生什么。
关于树的模型和处理识别模式的问题，一个预测器讲述一个事件，一组特定的事件给出一个模式。只是这是一个不是来自物理现象领域的规律性，它不可能是恒定的，因为它可能受到未知因素的影响（现有预测器无法描述的现象）。
总的来说，重点是统计学上经常发生的事件是通过MO的分类方法检测出来的，这比仅仅用优化器指标来拟合市场要好一些，还是不行？夏天的短裙数量与公民的财务状况之间的相关性可能是90%，但这并不意味着有关联，更不意味着有模式
好吧，让我们把 "模式 "这个词换成 "预兆"，作为一个不可知的事件的关联。
优化器也是一个MO。
所以你把这两种方法等同起来？
不是我，是这样的......优化器最小化任何F函数，神经网络优化器优化权重F函数。
如果我们只讨论TC滤波器的优化，那么我们可以部分同意相同的行动，但如果输入/输出点也被优化，那么情况就与通常的MO略有不同。
在这种情况下，有必要研究数据挖掘和应用于市场，如果有可能的话，因为数据挖掘1的曲线也是那种最笨的，但可以提取一些信息 )
学习是为了在另一个领域应用？
了解如何从数据中提取有用的东西
所以我早些时候指出，我提取了一些有用的东西--也许是一粒金子，也许是一种侥幸......谁知道呢......没有办法确切地知道。
这就是它的做法--它是泛化的。"模式 "是指从不同的样本中发现的模式...所以你刚刚在趋势样本中进行了匹配，现在你给我们一个头疼的)))))。但你仍然需要仔细准备数据，因为这个想法...虽然你可能是万无一失，但不太可能...
我有2016-2017年的培训，然后只是检查了2014-2018年的单子，并选择了那些每年都盈利并符合其他一些标准（整体增长/没有重大缩水）的。所以我在想，这样的模式是否可以使用。
至于结合不同的工具，这里的许多预测器是在不同的时间间隔内的点数收益，它不会对不同的工具起作用......。
当然，所有的市场都是不同的，模式也是不同的，对一个人有效的东西，对另一个人来说就是一种损失。
要假设什么，就需要假设什么，作为这种粗略假设的基础因此，我假设任何地方的主体都是一样的--一个交易员，那么他为什么要根据工具的不同而改变自己的行为呢？如果他使用技术分析或任何其他方法，但他在任何地方都使用这种方法，这是不一样的，他可以在不同的时间使用一套方法，在一个工具上适合一种方法比较容易，当交易员（集体形象）切换到另一种方法时，模型就会被打破。