交易中的机器学习：理论、模型、实践和算法交易 - 页 1395

[Forester]

马克西姆-德米特里耶夫斯基。

不是这样的，有一条45克的斜线，而不是一条水平线。

不要计算偏差......甚至建议你不知道什么）)

为了更清楚起见，横线 的实际值为零。
在左边，它下面的所有交易（50个交易）是盈利的，它上面的所有交易（10个交易）是亏损的。右边的情况则相反。

[Maxim Dmitrievsky]

elibrarius。
水平线 是实际结果的零，只是为了更明显。
在左边，所有在它下面的（50个单位）是盈利的，所有在它上面的（10个单位）是亏损的。在右边则是相反的情况。

是当前值与预测值的比率，线以45度穿过云层，只是在零点中心取样。那里的差异是巨大的。

你可以直接给出模型的平均误差

儿童学校。

[Forester]

马克西姆-德米特里耶夫斯基。

是当前值与预测值的比率，线以45度穿过云层，只是在零点中心取样。那里的差异是巨大的

幼儿园更短

在坐标轴上，我看到了 "真实 "和 "预测"。不是比例问题。

[Maxim Dmitrievsky]

elibrarius。
我在轴心的标题上看到了Real和Predict。不是比例问题。

别惹我）用网格连接预测值和实际值，有一条对角线。

或谷歌散点图

[Forester]

马克西姆-德米特里耶夫斯基。

别惹我）连接谓词和实值的网格，有一条对角线

或谷歌散点图

平静)
我不理解你。请画出你的设想，这幅图中的预测哪里正确，哪里不正确。
或者等待朱拉解释他照片中的内容。

[Maxim Dmitrievsky]

elibrarius。
平静)
我不明白你的意思。画出你对这幅图中正确预测的位置和不正确预测的位置的看法。
或者等待朱拉--让他解释他的照片里有什么。

正确的预测在行，其他都是错误的

计算偏离直线的平方，你就可以得到NS误差

误差越小，线条周围的分布越小

[Forester]

马克西姆-德米特里耶夫斯基。

正确的预测位于线上，其他都是错误的。

我并不追求预测的绝对正确性。对我来说，所有获利的交易都是正确的。
例子。

1) 预测-10得到-8 -这是一个很好的利润，根本不是一个错误。
2）他们预测的是-4.8，得到的是-13--比预测的利润多得多。
3）预测-3.5得到+5，会有一个损失--这是一个错误。就像左边和0以上的所有点一样，只有它们才会造成损失，在它们上面交易是一种错误。

[Maxim Dmitrievsky]

elibrarius。

我并不追求预测的绝对正确性。对我来说，正确的是所有那些已经获利的人。
例子。

1) 预测-10得到-8 -这是一个很好的利润，根本不是一个错误。
2）他们预测的是-4.8，得到的是-13--比预测的利润大得多。
3）预测-3.5得到+5，会有一个损失--这是一个错误。像左边的所有点和上面的0

mnde...

把香肠串起来会更有用

例如，一个强大的模型看起来像这样（第一张谷歌图片）。

[Maxim Dmitrievsky]

elibrarius。

让我们把alglib中的perseprtron教成预学习，嗯？

每次运行新的托盘时，权重都是随机的，移除随机化并尝试预学习，就像你在所有普通软件包中可以做的那样

你能想象你能用它做多少有趣的事情吗？

[Forester]

马克西姆-德米特里耶夫斯基。

让我们把alglib中的perseprtron教成预学习，嗯？

每次运行新的托盘时，权重都是随机的，移除随机化并尝试预学习，就像你在所有普通软件包中可以做的那样

看看你能用它做多少有趣的事情？

我很喜欢森林。如果我回到NS，也不会有很长时间了。我已经在他们身上花了一年时间。