交易中的机器学习:理论、模型、实践和算法交易 - 页 1545 1...153815391540154115421543154415451546154715481549155015511552...3399 新评论 Грааль 2019.09.28 13:23 #15441 mytarmailS: 尽量不要预测增长的迹象,而是预测例如下一个人字形膝盖的价格或更好的东西。 我想你会感到惊喜的。 唉,奇迹从来没有发生过,像价格(极值等)这样的总变量根本无法预测,嗯,比用魔杖(即什么都没有)好不了多少,相对的(价格偏离极值)就像增量一样糟糕。 mytarmailS 2019.09.28 14:38 #15442 圣杯》。 唉,奇迹永远不会发生,价格(极值等)等总体变量根本无法预测,嗯,比用魔杖(即什么都没有)好不了多少,而相对变量(价格偏离极值)的表现和增量一样糟糕。 我要告诉你的是,比如说,在接下来的一个小时里,将是最重要的一个极值,这比追踪蜡烛的数值,或蜡烛的颜色,或人字形的方向,或更容易预测。 至少对我来说是这样,而且有一个合理的解释。 Aleksey Vyazmikin 2019.09.28 19:29 #15443 Maxim Dmitrievsky: python测试器,liba - 有很多不同的测试器至于其他方面--现在我用不同的参数进行比赛,热情消失了,和在森林里一样的过度装备不难看出哪里有轨道,哪里有测试。也就是说,从本质上讲,什么都没有改变,catbust并没有给人带来优势。我稍后将尝试lstm。 如果你认为是过度训练,那就早点停止生成树木,但从交易的数量来看,更可能是训练不足。 对于不同的精度和召回率样本,你会得到什么? 你是否有文件中的样本--尝试将训练动态与我的数据进行比较会很有趣,如果我有一个好的模型,我会把它发给你。 顺便说一下,我已经决定尝试从CatBoost 中取出树叶,我不知道我是否能在其中找到好的树叶,或者说提升的思想本身并不建议这样做,你怎么看? Aleksey Vyazmikin 2019.09.28 19:30 #15444 mytarmailS: 我要告诉你的是,例如,在未来一小时内最重要的极值,比追踪蜡烛的价值,或蜡烛的颜色,或人字形的方向或更容易预测。 至少,对我来说是这样,而且有一个合理的解释。 "最重要的极值 "是什么意思--你以后如何检查它是否重要? 对这一切的合理解释是什么--相当有趣。 Maxim Dmitrievsky 2019.09.28 20:13 #15445 阿列克谢-维亚兹米 金。 如果你认为训练过度,那就早点停止生成树木,但从交易的数量来看,更有可能是训练不足...... 不同样本的精确度和召回率的结果是什么? 你是否有文件中的样本--尝试将训练动态与我的数据进行比较会很有趣,如果我有一个好的模型,我会把它发给你。 顺便说一下,我已经决定尝试从CatBoost中拉出树叶--我不知道我是否能在其中找到好的树叶,或者说提升思想本身并不建议这样做,你怎么看? 在弱泛化的意义上,过度学习。我已经在上面写了如何绕过这个问题,但我相信还有更优雅的方法。 火车的质量没有问题+验证。 Sergey Chalyshev 2019.09.28 20:42 #15446 我看到每个人都在试图在老师的帮助下训练网络。 有没有人尝试过对一个目标函数进行训练,例如恢复因子? Forester 2019.09.28 20:43 #15447 Aleksey Vyazmikin: ,让树叶从CatBoost中出来--我不知道其中是否有好的标本,或者你认为提升的意识形态并不建议这样做? 不,它没有。XGBoost 中的第一棵树是一个粗糙的模型。其余的人以微观系数修正第一个人。你不可能在那里得到任何单独的工作,他们只在整个人群中给出好的结果。 在catbust显然是相同的基本原则,有其自身的特殊性。 Forester 2019.09.28 20:53 #15448 马克西姆-德米特里耶夫斯基。 至于其他方面--现在我用不同的参数进行比赛,热情也没有了,和森林一样的过度装备 很容易看到轨道在哪里,测试在哪里。也就是说,事实上,什么都没有改变,卡特布斯并没有给出优势。 显然,用MQL+Python+Catbust这套系统来复杂化是没有意义的。而我将用阿尔吉布林寻找规律性的东西。 如果有一个模式,那么就让森林按90%的比例来学习,而不是像catbust那样按99%来学习。最主要的是要找到它,然后追寻百分比。目前,两者都是50%左右。 Sergey Chalyshev 2019.09.28 20:57 #15449 似乎有了这些森林,每个人都进入了荒野。 而且没有帮助就不可能离开那里 )))) Maxim Dmitrievsky 2019.09.28 20:59 #15450 elibrarius。 显然,用MQL + Python + Catbust使系统复杂化是没有意义的。并寻找与阿尔吉巴森林的规律性。 如果有关系,让森林在90%的时间里教你,而不是像卡特布斯那样99%。最主要的是要找到它,然后追寻百分比。目前,我们在这两种情况下都得到了约50%的收益。 如果你没有什么可以比较的,你就永远不会明白什么。 1...153815391540154115421543154415451546154715481549155015511552...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
尽量不要预测增长的迹象,而是预测例如下一个人字形膝盖的价格或更好的东西。 我想你会感到惊喜的。
唉,奇迹从来没有发生过,像价格(极值等)这样的总变量根本无法预测,嗯,比用魔杖(即什么都没有)好不了多少,相对的(价格偏离极值)就像增量一样糟糕。
唉,奇迹永远不会发生,价格(极值等)等总体变量根本无法预测,嗯,比用魔杖(即什么都没有)好不了多少,而相对变量(价格偏离极值)的表现和增量一样糟糕。
我要告诉你的是,比如说,在接下来的一个小时里,将是最重要的一个极值,这比追踪蜡烛的数值,或蜡烛的颜色,或人字形的方向,或更容易预测。
至少对我来说是这样,而且有一个合理的解释。
python测试器,liba - 有很多不同的测试器
至于其他方面--现在我用不同的参数进行比赛,热情消失了,和在森林里一样的过度装备
不难看出哪里有轨道,哪里有测试。也就是说,从本质上讲,什么都没有改变,catbust并没有给人带来优势。
我稍后将尝试lstm。
如果你认为是过度训练,那就早点停止生成树木,但从交易的数量来看,更可能是训练不足。
对于不同的精度和召回率样本,你会得到什么?
你是否有文件中的样本--尝试将训练动态与我的数据进行比较会很有趣,如果我有一个好的模型,我会把它发给你。
顺便说一下,我已经决定尝试从CatBoost 中取出树叶,我不知道我是否能在其中找到好的树叶,或者说提升的思想本身并不建议这样做,你怎么看?
我要告诉你的是,例如,在未来一小时内最重要的极值,比追踪蜡烛的价值,或蜡烛的颜色,或人字形的方向或更容易预测。
至少,对我来说是这样,而且有一个合理的解释。
"最重要的极值 "是什么意思--你以后如何检查它是否重要?
对这一切的合理解释是什么--相当有趣。
如果你认为训练过度,那就早点停止生成树木,但从交易的数量来看,更有可能是训练不足......
不同样本的精确度和召回率的结果是什么?
你是否有文件中的样本--尝试将训练动态与我的数据进行比较会很有趣,如果我有一个好的模型,我会把它发给你。
顺便说一下,我已经决定尝试从CatBoost中拉出树叶--我不知道我是否能在其中找到好的树叶,或者说提升思想本身并不建议这样做,你怎么看?
在弱泛化的意义上,过度学习。我已经在上面写了如何绕过这个问题,但我相信还有更优雅的方法。
火车的质量没有问题+验证。
我看到每个人都在试图在老师的帮助下训练网络。
有没有人尝试过对一个目标函数进行训练,例如恢复因子?
,让树叶从CatBoost中出来--我不知道其中是否有好的标本,或者你认为提升的意识形态并不建议这样做?
不,它没有。
XGBoost 中的第一棵树是一个粗糙的模型。其余的人以微观系数修正第一个人。你不可能在那里得到任何单独的工作,他们只在整个人群中给出好的结果。在catbust显然是相同的基本原则,有其自身的特殊性。
至于其他方面--现在我用不同的参数进行比赛,热情也没有了,和森林一样的过度装备
很容易看到轨道在哪里,测试在哪里。也就是说,事实上,什么都没有改变,卡特布斯并没有给出优势。
显然,用MQL+Python+Catbust这套系统来复杂化是没有意义的。而我将用阿尔吉布林寻找规律性的东西。
如果有一个模式,那么就让森林按90%的比例来学习,而不是像catbust那样按99%来学习。最主要的是要找到它,然后追寻百分比。目前,两者都是50%左右。
似乎有了这些森林,每个人都进入了荒野。
而且没有帮助就不可能离开那里 ))))
显然,用MQL + Python + Catbust使系统复杂化是没有意义的。并寻找与阿尔吉巴森林的规律性。
如果有关系,让森林在90%的时间里教你,而不是像卡特布斯那样99%。最主要的是要找到它,然后追寻百分比。目前,我们在这两种情况下都得到了约50%的收益。
如果你没有什么可以比较的,你就永远不会明白什么。