交易中的机器学习:理论、模型、实践和算法交易 - 页 1291 1...128412851286128712881289129012911292129312941295129612971298...3399 新评论 Yuriy Asaulenko 2019.01.31 20:23 #12901 马克西姆-德米特里耶夫斯基。还有很酷的软件KNIME,可以提升各种数据分析和可视化的能力 免费且无需编程你不可能研究所有的软件)。你可以用一种东西做--R、Python或其他东西。停在某处。而这就够了。除非你不得不这样做)。 植物学专家,各种树木和森林可能会建立一些,嗯,至少是对角线或斜线?在所有标本上,我只看到水平-垂直划分的组合。 Maxim Dmitrievsky 2019.01.31 20:25 #12902 尤里-阿索连科。你不可能学会所有的软件)。你可以用一种东西来做 - R、Python或其他东西。这就够了。嗯,除非你不得不这样做)。 植物学专家,各种树木和森林可以建造任何东西,嗯,至少是对角线或斜着的?在所有标本上,我只看到水平-垂直划分的组合。他们不能......他从小就不喜欢椭圆跑道,他从小就在画角度。有二元分裂,而不是二元分裂。 提升似乎是可以的,但我不确定 Yuriy Asaulenko 2019.01.31 20:32 #12903 马克西姆-德米特里耶夫斯基。他们似乎不能......他从小就不喜欢椭圆,他从小就在画角度。它们是二元分裂,而不是西格玛。我不想要一个平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一个斜面。我怎么能事先知道这样的部门是最好的。 Aleksey Vyazmikin 2019.01.31 20:37 #12904 尤里-阿索连科。我不想要一个正方形-平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一架飞机。我怎么能确定这样的划分是正确的。很明显,用现成的特征来喂养分类树会更好,但提取这些特征,也就是创建预测器,对神经网络来说是一项可行的任务。 顺便说一下,当任务是在从其他简单的样本上找到更复杂的特征时,也许有神经网络用于聚类? Maxim Dmitrievsky 2019.01.31 20:38 #12905 尤里-阿索连科。我不想要一个正方形-平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一架飞机。我怎么能确定这样的划分是正确的。它在已知的线性分离点上效果不好,否则他们说它没有区别。听说森林更多用于搜索未知的 "模式",而NS则用于处理已知信号。 Yuriy Asaulenko 2019.01.31 20:50 #12906 阿列克谢-维亚兹米 金。顺便说一下,也许有用于聚类的神经网络,其任务是找到一个由样本中其他简单特征转化而来的更复杂的特征?对NS来说,这是一个相当可实现的任务。问题是在数据准备方面,是否有什么可以搜索和转化的东西?否则,NS将发现一些并不真正存在的东西,因为任何数据总是有一些规律性的东西)。它将完美地学习并稳定地找到它们,但只是在这个BP上)。在其他的VR中,这只是不存在的,而NS会胡说八道。有些人将其与再培训混淆。 Aleksey Vyazmikin 2019.01.31 21:03 #12907 尤里-阿索连科。对国家安全局来说,这是一个相当可实现的任务。问题是关于数据准备,以及是否有任何东西需要寻找和转化。否则,NS会发现一些并不真正存在的东西,因为任何数据中都会有一些规律性的东西)。它将完美地学习并稳定地找到它们,但只是在这个BP上)。在其他的VR中,这只是不存在的,而NS会胡说八道。有些人把这与过度训练混淆起来。相反,我说的是预测器的转化和泛化,例如,为了简化,我们有2个预测器,在它们之间进行任何不复杂的数学运算都会导致相同的答案,这是它们在一个群组中定义的共同特征,以及绝对原始的 - 零度的数字,但由于神经元和NS原则的公式,可以有一些这样的转化。 这样的集群,作为额外的特征,可以提高已经树木/森林/火灾的分类。 Aleksey Vyazmikin 2019.01.31 21:14 #12908 顺便说一下,自动建树的另一个问题是预测器组内逻辑关系的损失。这是当你有,比如说,10个预测器来测量,比如说,空间中的一个点,而且你知道,在增加其他预测器组的关系之前,是这些预测器的组合将揭示出组内的任何关系。 Renat Akhtyamov 2019.01.31 21:25 #12909 尤里-阿索连科。如果你知道这一点,而且它确实存在(让我们称它为:现象的发展周期,这又是一个定期重复发生的事件),那么你就可以轻松地使用它。 我只能在历史上看到这样的事情,当事情已经发生。关于实时性,我就不说了)。顺便说一下,我们通常是在一个信号完成后才识别它。在信号处理中,情况往往是这样的。为什么只谈历史? 我们关注的是数量 最大数量的蜱虫总是在同一时间出现 我们可以很容易地预测和设定趋势或平坦策略的工作时间。 : Грааль 2019.01.31 21:56 #12910 雷纳特-阿赫蒂亚莫夫。为什么只谈历史? 看体积 始终在同一时间内的最大蜱虫数量 我们可以很容易地预测和确定时间,无论是趋势还是平坦的策略都将发挥作用。 :体积有助于预测从趋势到平坦的状态变化,但不是 "没有困难",一般来说,预测 "趋势/平坦 "的状态并不比下一个增量的方向更准确,在单位时间内,大约有57%的准确率,什么是谈论一些不可思议的数字,显然是错误的结果。 1...128412851286128712881289129012911292129312941295129612971298...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
还有很酷的软件KNIME,可以提升各种数据分析和可视化的能力
免费且无需编程
你不可能研究所有的软件)。你可以用一种东西做--R、Python或其他东西。停在某处。而这就够了。除非你不得不这样做)。
植物学专家,各种树木和森林可能会建立一些,嗯,至少是对角线或斜线?在所有标本上,我只看到水平-垂直划分的组合。
你不可能学会所有的软件)。你可以用一种东西来做 - R、Python或其他东西。这就够了。嗯,除非你不得不这样做)。
植物学专家,各种树木和森林可以建造任何东西,嗯,至少是对角线或斜着的?在所有标本上,我只看到水平-垂直划分的组合。
他们不能......他从小就不喜欢椭圆跑道,他从小就在画角度。有二元分裂,而不是二元分裂。
提升似乎是可以的,但我不确定他们似乎不能......他从小就不喜欢椭圆,他从小就在画角度。它们是二元分裂,而不是西格玛。
我不想要一个平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一个斜面。我怎么能事先知道这样的部门是最好的。
我不想要一个正方形-平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一架飞机。我怎么能确定这样的划分是正确的。
很明显,用现成的特征来喂养分类树会更好,但提取这些特征,也就是创建预测器,对神经网络来说是一项可行的任务。
顺便说一下,当任务是在从其他简单的样本上找到更复杂的特征时,也许有神经网络用于聚类?
我不想要一个正方形-平行四边形,但至少是一个多边形。难道2x+3u-7z不可能>N吗?这只是一架飞机。我怎么能确定这样的划分是正确的。
它在已知的线性分离点上效果不好,否则他们说它没有区别。听说森林更多用于搜索未知的 "模式",而NS则用于处理已知信号。
顺便说一下,也许有用于聚类的神经网络,其任务是找到一个由样本中其他简单特征转化而来的更复杂的特征?
对NS来说,这是一个相当可实现的任务。问题是在数据准备方面,是否有什么可以搜索和转化的东西?否则,NS将发现一些并不真正存在的东西,因为任何数据总是有一些规律性的东西)。它将完美地学习并稳定地找到它们,但只是在这个BP上)。在其他的VR中,这只是不存在的,而NS会胡说八道。有些人将其与再培训混淆。
对国家安全局来说,这是一个相当可实现的任务。问题是关于数据准备,以及是否有任何东西需要寻找和转化。否则,NS会发现一些并不真正存在的东西,因为任何数据中都会有一些规律性的东西)。它将完美地学习并稳定地找到它们,但只是在这个BP上)。在其他的VR中,这只是不存在的,而NS会胡说八道。有些人把这与过度训练混淆起来。
相反,我说的是预测器的转化和泛化,例如,为了简化,我们有2个预测器,在它们之间进行任何不复杂的数学运算都会导致相同的答案,这是它们在一个群组中定义的共同特征,以及绝对原始的 - 零度的数字,但由于神经元和NS原则的公式,可以有一些这样的转化。
这样的集群,作为额外的特征,可以提高已经树木/森林/火灾的分类。如果你知道这一点,而且它确实存在(让我们称它为:现象的发展周期,这又是一个定期重复发生的事件),那么你就可以轻松地使用它。
我只能在历史上看到这样的事情,当事情已经发生。关于实时性,我就不说了)。顺便说一下,我们通常是在一个信号完成后才识别它。在信号处理中,情况往往是这样的。
为什么只谈历史?
我们关注的是数量
最大数量的蜱虫总是在同一时间出现
我们可以很容易地预测和设定趋势或平坦策略的工作时间。
为什么只谈历史?
看体积
始终在同一时间内的最大蜱虫数量
我们可以很容易地预测和确定时间,无论是趋势还是平坦的策略都将发挥作用。
:
体积有助于预测从趋势到平坦的状态变化,但不是 "没有困难",一般来说,预测 "趋势/平坦 "的状态并不比下一个增量的方向更准确,在单位时间内,大约有57%的准确率,什么是谈论一些不可思议的数字,显然是错误的结果。