交易中的机器学习:理论、模型、实践和算法交易 - 页 1738 1...173117321733173417351736173717381739174017411742174317441745...3399 新评论 mytarmailS 2020.04.22 17:29 #17371 马克西姆-德米特里耶夫斯基。 那么,该如何处理呢? 我还不太擅长聚类。 对新的集群数据进行预测 在R中,这是通过Python中的预测函数完成的,我不知道。 Maxim Dmitrievsky 2020.04.22 17:31 #17372 mytarmailS: 对新的集群数据进行预测 在R中,这是用Python中的预测函数完成的,我不知道。 如何用这个矩阵和取值来获得群集号? mytarmailS 2020.04.22 17:33 #17373 马克西姆-德米特里耶夫斯基。 如何用这个矩阵和特征值得到聚类编号 或者如果你想在另一个程序中进行。 如果你想在一个新的程序中得到中心点矩阵,那么当新的数据进入程序时,你应该通过矩阵运行(逐行)来检查接近度(欧几里得,最有可能),哪个中心点将最接近新的数据,这将是集群编号 Maxim Dmitrievsky 2020.04.22 17:37 #17374 mytarmailS: 或者如果你想在另一个程序中进行操作 如果你想把带有中心点的矩阵保存到一个新的程序中,那么当新的数据进入程序时,你应该通过矩阵运行数据(逐行检查)以检查接近度(欧氏,很可能),哪个中心点将最接近新的数据,它将是聚类编号 谢谢,我会读的。 在其他算法中,聚类是相同的方案,还是更复杂? mytarmailS 2020.04.22 17:40 #17375 马克西姆-德米特里耶夫斯基。 谢谢,我会读的。 在其他算法中,聚类是相同的模式,还是更复杂? 大多数情况下都是如此。 mytarmailS 2020.04.22 17:49 #17376 马克西姆-德米特里耶夫斯基。 听,问题)))) 如果你不知道如何通过聚类来识别新的数据,那么你从哪里得到测试的 "聚类测试 "的? 这些是参与培训的同一组人吗? Maxim Dmitrievsky 2020.04.22 17:51 #17377 mytarmailS: 看,问题)))) 如果你不知道如何通过聚类来识别新的数据,那么你从哪里得到 "聚类测试 "的测试? 这些是参与培训的同一组人吗? 有一个前提条件。我只是懒得去看代码,解读它是怎么算的。 mytarmailS 2020.04.22 17:51 #17378 马克西姆-德米特里耶夫斯基。 那里有一个前缀......我只是懒得去看代码并解读它是怎么算的。 那些来自测试的群组没有参与训练? 因为如果他们参与了,你就会明白))。 Maxim Dmitrievsky 2020.04.22 17:55 #17379 mytarmailS: 那些来自测试的群组没有参与训练? 因为如果他们是,你知道))。 不,当然不是。 Mihail Marchukajtes 2020.04.22 17:56 #17380 罗夏。 现在,当我们在期货的末端得到一个完美的圆时,整个依靠频率变换的交易策略的讽刺性就发生了,在那里,任何傻瓜都可以建立它。你只是在最后一周得到了一个工作良好的TS,在开始时你几乎必须在上午做,然后在下午也要做。这是工作,好吧,如果我有机会至少跑去寻找这些数字。我很高兴。 当你得到比第一个数字质量更低的数字时,你应该做以下工作,我把作者的身份留给自己。 基于这样的概念,人们应该忽略第一个信号,当你在第一个信号上有两个箭头向上和向下时,应该建立两个截然相反的策略。薛定谔的猫,量子的概念或一个愚蠢的状态 "我不知道",好吧,他妈的,但你发现现在到底是什么周期,它的方向,因此第一个信号将被指导,你知道为什么我把它???? 因为在缩进的信号上,我是一个狡猾的人,不像有些人,如果我试过了,我就不可能得到一个更好的回合。现在的市场就是这样。而没有压痕的那一圈,实在是比前一个信号的那一圈更酷。我愚蠢地等待着第二个和第三个信号,理论上这两个信号会起作用。 我清楚地知道第一个的方向,但我不知道我找到的循环在原则上是否正确。而在建设的过程中,它也在不断变化。然而,我们不是在专门讨论周期,我们是在讨论周期在综援范围内的基本应用。 来自故事:在遥远的过去,商人们感到无聊,来到实验室的无线电爱好者那里,问道:你对频率振荡了解多少?蓬头垢面的那个留着小胡子、一脸野性的工程师回答说,我什么都知道。这里看一下躺在角落里的示波器:-)这就是数字滤波器 在股票交易中的出现。著名的FATL-SATL。我知道SSA是这些过滤器的后代,其远景是以CSSA的形式出现的。目前没有人想出一个更好的办法。比毛毛虫略微差一点。 所以,获得的圈子质量直接取决于期货到期的时间和当前的波动性。也就是说,在得到一个圆之后,我们需要确定它相对于指定变量的质量。质量标准只能根据经验来确定。这就是我在这里所说的。如果你有关于所进行的研究的官方数据,请告诉我。我不需要失败者的冒犯的眼神。 如果我们要做这项研究,并最终实现 "I "和 "T "的交叉,那就是这样。 因为如果你为当前的愿望和波动性参数得到定性的圈子,你会稳定地赚钱,也可能不会。 嗯,这只是一种说法。我从中得到了乐趣%-) 1...173117321733173417351736173717381739174017411742174317441745...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
那么,该如何处理呢? 我还不太擅长聚类。
对新的集群数据进行预测
在R中,这是通过Python中的预测函数完成的,我不知道。
对新的集群数据进行预测
在R中,这是用Python中的预测函数完成的,我不知道。
如何用这个矩阵和取值来获得群集号?
如何用这个矩阵和特征值得到聚类编号
或者如果你想在另一个程序中进行。
如果你想在一个新的程序中得到中心点矩阵,那么当新的数据进入程序时,你应该通过矩阵运行(逐行)来检查接近度(欧几里得,最有可能),哪个中心点将最接近新的数据,这将是集群编号
或者如果你想在另一个程序中进行操作
如果你想把带有中心点的矩阵保存到一个新的程序中,那么当新的数据进入程序时,你应该通过矩阵运行数据(逐行检查)以检查接近度(欧氏,很可能),哪个中心点将最接近新的数据,它将是聚类编号
谢谢,我会读的。
在其他算法中,聚类是相同的方案,还是更复杂?
谢谢,我会读的。
在其他算法中,聚类是相同的模式,还是更复杂?
大多数情况下都是如此。
听,问题))))
如果你不知道如何通过聚类来识别新的数据,那么你从哪里得到测试的 "聚类测试 "的?
这些是参与培训的同一组人吗?
看,问题))))
如果你不知道如何通过聚类来识别新的数据,那么你从哪里得到 "聚类测试 "的测试?
这些是参与培训的同一组人吗?
有一个前提条件。我只是懒得去看代码,解读它是怎么算的。
那里有一个前缀......我只是懒得去看代码并解读它是怎么算的。
那些来自测试的群组没有参与训练?
因为如果他们参与了,你就会明白))。那些来自测试的群组没有参与训练?
因为如果他们是,你知道))。不,当然不是。
现在,当我们在期货的末端得到一个完美的圆时,整个依靠频率变换的交易策略的讽刺性就发生了,在那里,任何傻瓜都可以建立它。你只是在最后一周得到了一个工作良好的TS,在开始时你几乎必须在上午做,然后在下午也要做。这是工作,好吧,如果我有机会至少跑去寻找这些数字。我很高兴。
当你得到比第一个数字质量更低的数字时,你应该做以下工作,我把作者的身份留给自己。
基于这样的概念,人们应该忽略第一个信号,当你在第一个信号上有两个箭头向上和向下时,应该建立两个截然相反的策略。薛定谔的猫,量子的概念或一个愚蠢的状态 "我不知道",好吧,他妈的,但你发现现在到底是什么周期,它的方向,因此第一个信号将被指导,你知道为什么我把它????
因为在缩进的信号上,我是一个狡猾的人,不像有些人,如果我试过了,我就不可能得到一个更好的回合。现在的市场就是这样。而没有压痕的那一圈,实在是比前一个信号的那一圈更酷。我愚蠢地等待着第二个和第三个信号,理论上这两个信号会起作用。 我清楚地知道第一个的方向,但我不知道我找到的循环在原则上是否正确。而在建设的过程中,它也在不断变化。然而,我们不是在专门讨论周期,我们是在讨论周期在综援范围内的基本应用。
来自故事:在遥远的过去,商人们感到无聊,来到实验室的无线电爱好者那里,问道:你对频率振荡了解多少?蓬头垢面的那个留着小胡子、一脸野性的工程师回答说,我什么都知道。这里看一下躺在角落里的示波器:-)这就是数字滤波器 在股票交易中的出现。著名的FATL-SATL。我知道SSA是这些过滤器的后代,其远景是以CSSA的形式出现的。目前没有人想出一个更好的办法。比毛毛虫略微差一点。
所以,获得的圈子质量直接取决于期货到期的时间和当前的波动性。也就是说,在得到一个圆之后,我们需要确定它相对于指定变量的质量。质量标准只能根据经验来确定。这就是我在这里所说的。如果你有关于所进行的研究的官方数据,请告诉我。我不需要失败者的冒犯的眼神。
如果我们要做这项研究,并最终实现 "I "和 "T "的交叉,那就是这样。
因为如果你为当前的愿望和波动性参数得到定性的圈子,你会稳定地赚钱,也可能不会。
嗯,这只是一种说法。我从中得到了乐趣%-)