交易中的机器学习:理论、模型、实践和算法交易 - 页 1622 1...161516161617161816191620162116221623162416251626162716281629...3399 新评论 Evgeny Dyuka 2020.03.19 07:17 #16211 法尔哈特-古扎罗夫。 我有....我从测试器的回测中得出结论,你认为如果你的系统被正确训练,你得到的结果是什么? 几乎90%的结果是正确的输入。之前同样的回测并没有得到这样的结果,由此我得出结论,在这种情况下的训练是正确的。 在这种情况下,请尝试同样的方法。 我不太明白这个意思。 我现在可以给你一个顾问,以换取建设性的批评和一个错误报告。请当面写信给我。 Farkhat Guzairov 2020.03.19 07:22 #16212 叶夫根尼-迪尤卡。 我不太明白这个意思。 我已经可以给你一个EA,以换取建设性的批评和错误报告。请在个人专区 给我留言。 我已经试图让它变得非常简单。你还没有一个系统,一旦你有一个系统,你就可以通过历史来运行它,并对它的准备(训练)程度得出结论。 Evgeny Dyuka 2020.03.19 07:25 #16213 法尔哈特-古扎罗夫。 我已经试图让它变得非常简单。你还没有一个系统,但只要你有,你就可以通过历史来运行它,并得出结论,说明它的准备(训练)程度。 我不能通过历史来运行它!每分钟的预报出来,需要12-17秒(最多22秒),一天有1400分钟。一天的回测需要几个小时... Farkhat Guzairov 2020.03.19 07:42 #16214 叶夫根尼-迪尤卡。 在历史中运行是不真实的! 预报每分钟发出一次,需要12-17秒(最多22秒),一天有1400分钟。一天的回测需要几个小时... 嗯...你一般在故事的哪个部分训练神经网络(5/30分钟)? Forester 2020.03.19 07:42 #16215 阿列克谢-维亚兹米 金。 我去看了他们的帮助,但我不明白--这非常令人困惑。我以后会试着在视频中找到这一点,那里比较清楚。 但我看到CB增加了建树的新选项。 --增长政策 树木生长的政策。定义了如何进行贪婪树的构建。 可能的值。 SymmetricTree-逐级建立 树,直到达到指定的深度。在每一次迭代中,所有来自上一层树的叶子都以相同的条件被分割。由此产生的树状结构总是对称的。 深度--树是逐级建立的,直到达到指定的深度。在每一次迭代中,来自上一层树的所有非终端叶子都被分割。每片叶子都是按条件分割的,损失改善得最好。 请注意。 具有这种增长策略的模型不能使用PredictionDiff 特征的重要性进行分析,只能导出为json和cbm。 Lossguide- 一个树被逐叶建立,直到达到指定的最大叶数。在每个迭代中,具有最佳损失改进 的非终端叶被分割。 从一组随机拆分中获取最佳拆分,而不是从一组随机拆分中获取随机拆分(这将产生白噪声而不是训练过的模型)是有意义的。他们就是这样为3种方法中的2种写上"最佳损失改善"。 Farkhat Guzairov 2020.03.19 07:43 #16216 叶夫根尼-迪尤卡。 12-17秒(最长为22秒) 这需要学习吗? Mihail Marchukajtes 2020.03.19 07:49 #16217 红色箭头已经被认为是陈旧的,但这并不意味着它们的表现无效。一句话,到目前为止,如果你没有注意到,交易中没有一个负数。 那么谁是***?:-) Evgeny Dyuka 2020.03.19 07:57 #16218 法尔哈特-古扎罗夫。 嗯...你到底要在故事的哪一部分训练神经网络(5/30分钟)? 不是这样的... 一个模型(一个神经网络)并不能给出正确的结果。它可以学到一些东西,但这是不够的。这就是为什么我做了20-25个具有不同输入的模型。现在我有25个模型同时发出信号,他们的意见在最后的预测中被考虑了一定的权重。一个模型的计算大约需要0.5-0.7秒,总计15-20秒+你还需要准备25个模型的输入日期,每一分钟都是大量的工作 ))如果我在Python中正确使用多线程,答案可以减少到1-3秒,但我还没有这样做。 我分别训练模型,在正常模式下,即从一年的历史时期收集数据集,然后照常训练。 Farkhat Guzairov 2020.03.19 07:57 #16219 Mihail Marchukajtes: 红色箭头已经被认为是陈旧的,但这并不意味着它们的表现无效。一句话,到目前为止,如果你没有注意到,交易中没有一个负数。那么谁是***?:-) 你有一个账户监督员吗? Farkhat Guzairov 2020.03.19 07:59 #16220 叶夫根尼-迪尤卡。 不是这样的... 一个模型(neuronet)并没有给出正确的结果。它可能会学到一些东西,但这是不够的。这就是为什么我用不同的输入建立了20-25个模型。现在我有25个模型同时发出信号,他们的意见在最后的预测中被考虑了一定的权重。 一个模型的计算大约需要0.5-0.7秒,总计15-20秒+你还需要准备25个模型的输入日期,每一分钟都是大量的工作 ))如果我在Python中正确使用多线程,答案可以减少到1-3秒,但我还没有这样做。 我分别训练模型,在正常模式下,即从一年的历史时期收集数据集,然后照常训练。 多么严肃...现在你只需确保你能真正靠它进行交易。 1...161516161617161816191620162116221623162416251626162716281629...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
我有....我从测试器的回测中得出结论,你认为如果你的系统被正确训练,你得到的结果是什么? 几乎90%的结果是正确的输入。之前同样的回测并没有得到这样的结果,由此我得出结论,在这种情况下的训练是正确的。
在这种情况下,请尝试同样的方法。
我现在可以给你一个顾问,以换取建设性的批评和一个错误报告。请当面写信给我。
我不太明白这个意思。
我已经可以给你一个EA,以换取建设性的批评和错误报告。请在个人专区 给我留言。
我已经试图让它变得非常简单。你还没有一个系统,一旦你有一个系统,你就可以通过历史来运行它,并对它的准备(训练)程度得出结论。
我已经试图让它变得非常简单。你还没有一个系统,但只要你有,你就可以通过历史来运行它,并得出结论,说明它的准备(训练)程度。
在历史中运行是不真实的! 预报每分钟发出一次,需要12-17秒(最多22秒),一天有1400分钟。一天的回测需要几个小时...
嗯...你一般在故事的哪个部分训练神经网络(5/30分钟)?
我去看了他们的帮助,但我不明白--这非常令人困惑。我以后会试着在视频中找到这一点,那里比较清楚。
但我看到CB增加了建树的新选项。
树木生长的政策。定义了如何进行贪婪树的构建。
深度--树是逐级建立的,直到达到指定的深度。在每一次迭代中,来自上一层树的所有非终端叶子都被分割。每片叶子都是按条件分割的,损失改善得最好。
Lossguide- 一个树被逐叶建立,直到达到指定的最大叶数。在每个迭代中,具有最佳损失改进 的非终端叶被分割。
12-17秒(最长为22秒)
这需要学习吗?
红色箭头已经被认为是陈旧的,但这并不意味着它们的表现无效。一句话,到目前为止,如果你没有注意到,交易中没有一个负数。 那么谁是***?:-)
嗯...你到底要在故事的哪一部分训练神经网络(5/30分钟)?
一个模型(一个神经网络)并不能给出正确的结果。它可以学到一些东西,但这是不够的。这就是为什么我做了20-25个具有不同输入的模型。现在我有25个模型同时发出信号,他们的意见在最后的预测中被考虑了一定的权重。一个模型的计算大约需要0.5-0.7秒,总计15-20秒+你还需要准备25个模型的输入日期,每一分钟都是大量的工作 ))如果我在Python中正确使用多线程,答案可以减少到1-3秒,但我还没有这样做。
我分别训练模型,在正常模式下,即从一年的历史时期收集数据集,然后照常训练。
红色箭头已经被认为是陈旧的,但这并不意味着它们的表现无效。一句话,到目前为止,如果你没有注意到,交易中没有一个负数。那么谁是***?:-)
你有一个账户监督员吗?
不是这样的...
一个模型(neuronet)并没有给出正确的结果。它可能会学到一些东西,但这是不够的。这就是为什么我用不同的输入建立了20-25个模型。现在我有25个模型同时发出信号,他们的意见在最后的预测中被考虑了一定的权重。 一个模型的计算大约需要0.5-0.7秒,总计15-20秒+你还需要准备25个模型的输入日期,每一分钟都是大量的工作 ))如果我在Python中正确使用多线程,答案可以减少到1-3秒,但我还没有这样做。
我分别训练模型,在正常模式下,即从一年的历史时期收集数据集,然后照常训练。
多么严肃...现在你只需确保你能真正靠它进行交易。