交易中的机器学习：理论、模型、实践和算法交易 - 页 1329 1...132213231324132513261327132813291330133113321333133413351336...3399 新评论 Maxim Dmitrievsky 2019.02.13 16:38 #13281 尤里-阿索连科。没有老师，你也可以这样做。我不认为这有什么不同。 想象一下，一群神经元在学习和解决一个问题，而这个问题是由几个或三个if语句来解决的......NS的大脑只是充满了这些废话，而不是想到了美丽的....))我明白了，这叫先验知识，内在的专业知识，但你不会用模型来交叉检查，因为你100%确定 我对随机过程没有任何认识，除了它是随机的，还有其他一些小的信念 Yuriy Asaulenko 2019.02.13 16:43 #13282 马克西姆-德米特里耶夫斯基。我明白了，这叫先验知识，内在的专家判断，但你不会用模型来重复检查，因为你是100%确定的是的，这完全正确。这实际上是不言而喻的--为什么要检查它。我们先验地知道解决方案的一部分--我们不是白白在市场上打坐吗）。 Yuriy Asaulenko 2019.02.13 17:00 #13283 马克西姆-德米特里耶夫斯基。同样，我们正在谈论不同的方法 你和老师一起教书，因为你从头开始，我教书没有老师。我记得。当然，不同的方法。同样，在这一点上（与老师），我不认为有任何禁忌。一切都是可行的，如果有这个愿望，当然要出现。 除非你有RNN没有老师，这里一切都比较复杂，只是不知道，我没有用。顺便问一下，你用什么？可能会说，但挖到了这个问题...... Maxim Dmitrievsky 2019.02.13 17:10 #13284 尤里-阿索连科。我记得。当然，不同的方法。再一次，我不认为这其中有任何矛盾（与老师）。一切都是可行的，当然，如果你有意愿的话。 除非你有RNN没有老师，这里一切都比较复杂，只是不知道，我没有用。顺便问一下，你用什么？可能会说，但挖到了这个问题......很多东西，还没有足够的RNN )) 我以后会做的 有一些关于基础知识的文章，但已经自然而然地转移到了其他方面。 Yuriy Asaulenko 2019.02.13 17:44 #13285 马克西姆-德米特里耶夫斯基。我有很多东西，我还不够））我以后再做。 有一些关于基础知识的文章，但当然我已经比这更进一步了。在一个十字路口--你会向右走......等等。Tensorflow，功能非常好，但他们说非常麻烦。到目前为止只读了文档。没有使用？ Maxim Dmitrievsky 2019.02.13 17:47 #13286 尤里-阿索连科。在一个十字路口，你向右走......等等。Tensorflow，功能非常好，但据说非常麻烦。到目前为止，我只看过文档。你没有使用它？tf是低级别的，它被放在theano之上，使用tf.theano，它更简单。 我已经看到了不同的例子，但我还没有做任何开发。 第二版即将推出，已经可以在网站上找到，它简化了模型的创建。 Yuriy Asaulenko 2019.02.13 17:51 #13287 马克西姆-德米特里耶夫斯基。tf是一个低级别的，在theano之上，使用tf.theano，那么一切都会更容易。 我看了不同的例子，但还没有开发任何东西。在速度方面。我想我可能会暂时停留在scikit-learn上，CHEZ。MLPs在那里并不差。 Maxim Dmitrievsky 2019.02.13 17:57 #13288 尤里-阿索连科。在速度方面。我想我现在会坚持使用scikit-learn，CHEZ。MLPs在那里并不差。我不知道，我不认为如此。 外面有很多软件包，我尽量只学习最流行的和不断发展的。 sklearn是一个大杂烩的东西。 tf更像是一个你自己的架构的建造者。 Aleksey Vyazmikin 2019.02.13 22:19 #13289 尤里-阿索连科。NS真的不喜欢缩放。它是在100-120的价格范围内训练的，如果价格超出范围，那就是了，中止。我只是简单地将与价格有关的一切除以价格本身，减去1，然后用系数来驱动变量进入所需的动态范围。所以在这两种情况下，我们都需要对数据进行预处理，以达到可接受的尺度。我使用我的ATR从上层TF和价格定位中获得多米诺骨牌的缺口，价格被分配了一个斐波那契水平号。 Aleksey Vyazmikin 2019.02.14 01:42 #13290 完成了加工模型，种子201到401--其他一切都没有改变。 平衡估计结果表 带有计量指标的表格 独立样本中符合选择标准的模型数量表 表中列出了所有三个样本中符合选择标准的模型数量 模型的图表（主要是gif）。 30% 40% 50% 60% 所有指标的趋势似乎基本没有变化，以下是delta表--按原样，以比较变化情况 对于度量衡指标来说，差别根本上是最小的 从收集的数据中，我们可以得出结论，趋势总体上保持不变。 最让我困惑的是另一个问题--为什么不同的模型在不同的样本上的图表非常相似？ 似乎模型设法抓住了一些明显的模式，这些模式以频繁的周期性和不同的样本量出现（至少这一块不断地出现在窗口中），而模型正是操作这种模式。 就我自己而言，我得出的结论是，从所有数据中分配30%到70%的样本到验证图中寻找有趣的模式是很有可能的，但似乎最佳的还是30%。 1...132213231324132513261327132813291330133113321333133413351336...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
没有老师，你也可以这样做。我不认为这有什么不同。
想象一下，一群神经元在学习和解决一个问题，而这个问题是由几个或三个if语句来解决的......NS的大脑只是充满了这些废话，而不是想到了美丽的....))
我明白了，这叫先验知识，内在的专业知识，但你不会用模型来交叉检查，因为你100%确定
我对随机过程没有任何认识，除了它是随机的，还有其他一些小的信念我明白了，这叫先验知识，内在的专家判断，但你不会用模型来重复检查，因为你是100%确定的
是的，这完全正确。这实际上是不言而喻的--为什么要检查它。我们先验地知道解决方案的一部分--我们不是白白在市场上打坐吗）。
同样，我们正在谈论不同的方法
你和老师一起教书，因为你从头开始，我教书没有老师。
我记得。当然，不同的方法。同样，在这一点上（与老师），我不认为有任何禁忌。一切都是可行的，如果有这个愿望，当然要出现。
除非你有RNN没有老师，这里一切都比较复杂，只是不知道，我没有用。顺便问一下，你用什么？可能会说，但挖到了这个问题......
我记得。当然，不同的方法。再一次，我不认为这其中有任何矛盾（与老师）。一切都是可行的，当然，如果你有意愿的话。
除非你有RNN没有老师，这里一切都比较复杂，只是不知道，我没有用。顺便问一下，你用什么？可能会说，但挖到了这个问题......
很多东西，还没有足够的RNN )) 我以后会做的
有一些关于基础知识的文章，但已经自然而然地转移到了其他方面。
我有很多东西，我还不够））我以后再做。
有一些关于基础知识的文章，但当然我已经比这更进一步了。
在一个十字路口--你会向右走......等等。Tensorflow，功能非常好，但他们说非常麻烦。到目前为止只读了文档。没有使用？
在一个十字路口，你向右走......等等。Tensorflow，功能非常好，但据说非常麻烦。到目前为止，我只看过文档。你没有使用它？
tf是低级别的，它被放在theano之上，使用tf.theano，它更简单。
我已经看到了不同的例子，但我还没有做任何开发。
第二版即将推出，已经可以在网站上找到，它简化了模型的创建。tf是一个低级别的，在theano之上，使用tf.theano，那么一切都会更容易。
我看了不同的例子，但还没有开发任何东西。
在速度方面。我想我可能会暂时停留在scikit-learn上，CHEZ。MLPs在那里并不差。
在速度方面。我想我现在会坚持使用scikit-learn，CHEZ。MLPs在那里并不差。
我不知道，我不认为如此。
外面有很多软件包，我尽量只学习最流行的和不断发展的。
sklearn是一个大杂烩的东西。
tf更像是一个你自己的架构的建造者。
NS真的不喜欢缩放。它是在100-120的价格范围内训练的，如果价格超出范围，那就是了，中止。我只是简单地将与价格有关的一切除以价格本身，减去1，然后用系数来驱动变量进入所需的动态范围。
所以在这两种情况下，我们都需要对数据进行预处理，以达到可接受的尺度。我使用我的ATR从上层TF和价格定位中获得多米诺骨牌的缺口，价格被分配了一个斐波那契水平号。
完成了加工模型，种子201到401--其他一切都没有改变。
平衡估计结果表
带有计量指标的表格
独立样本中符合选择标准的模型数量表
表中列出了所有三个样本中符合选择标准的模型数量
模型的图表（主要是gif）。
30%
40%
50%
60%
所有指标的趋势似乎基本没有变化，以下是delta表--按原样，以比较变化情况
对于度量衡指标来说，差别根本上是最小的
从收集的数据中，我们可以得出结论，趋势总体上保持不变。
最让我困惑的是另一个问题--为什么不同的模型在不同的样本上的图表非常相似？ 似乎模型设法抓住了一些明显的模式，这些模式以频繁的周期性和不同的样本量出现（至少这一块不断地出现在窗口中），而模型正是操作这种模式。
就我自己而言，我得出的结论是，从所有数据中分配30%到70%的样本到验证图中寻找有趣的模式是很有可能的，但似乎最佳的还是30%。