交易中的机器学习:理论、模型、实践和算法交易 - 页 1761 1...175417551756175717581759176017611762176317641765176617671768...3399 新评论 Rorschach 2020.05.02 18:32 #17601 罗夏。 出现了一个想法,存档者可以作为一个随机性的测试。随机将不会被存档者压缩。 我们应该测试小床,不同的尺寸,几个样品。试着做一个组件分解,看看压缩是否有改善。 flac的压缩效果更差,尽管它似乎更适合于此。Rorschach:flac的压缩效果更差,虽然它似乎更适合这种压缩方式。 按容积率计算,价格与分形相似 Valeriy Yastremskiy 2020.05.02 18:47 #17602 罗夏。 按成交量比,价格看起来像一个分形图 好的开始。如果价格类似于分形的变化,其中的模式肯定是有的)))具有随机性的P也是正确的)))) 我不明白的一点是,为什么压缩比在随机范围和P中是最高的? Rorschach 2020.05.02 20:14 #17603 瓦列里-亚斯特雷姆斯基。 我不明白的一点是,为什么压缩比在随机范围和Pi中是最高的? 恰恰相反,它们的压缩比最低。 Valeriy Yastremskiy 2020.05.02 20:41 #17604 罗夏。 恰恰相反,它们的压缩比是最小的。 知道了,程度很混乱。剩下的是拉出图案,拆开包装,看看与原来的区别。 bilbo_b 2020.05.03 07:59 #17605 罗夏。 出现了一个想法,存档者可以作为一个随机性的测试。随机将不会被存档者压缩。 我们应该检查小床,不同的尺寸,一些样品。试着将其分解为各个组成部分,看看压缩效果是否有所改善。 flac的压缩效果更差,尽管它似乎更适合于此。Rorschach: flac在压缩方面更糟糕,尽管它似乎更适合于此。 我以前见过这个想法。由于第三方资源的链接是不允许的,我就用图片来粘贴。 Aleksey Vyazmikin 2020.05.03 10:39 #17606 一个有趣的想法 是将图像表现为一个波浪,确切地说,是50个波浪。 每个波都可以被送入NS输入。 只是一个想法。 Бэтмен, Ведьмак и Макс Пэйн в минимализме — всего 50 линий и 2 цвета kanobu.ru Говорят, лучшие образы — это те, которые не теряют силы при минимальных средствах выражения. Мы нашли способ, как это проверить. В интернете появился... mytarmailS 2020.05.03 11:37 #17607 阿列克谢-维亚兹米 金。 一个有趣的想法 是将图像表现为一个波浪,确切地说,是50个波浪。 每个波都可以被送入NS输入。 只是一个想法。 有趣,但毫无意义)。 Aleksey Vyazmikin 2020.05.03 12:09 #17608 mytarmailS: 有趣,但毫无意义 ) 我有实验性的 "卷积 "预测器,其原理是将图表分解成网格,并告知条形的累积,事实上是对比。而且,令人惊讶的是,这些图案在一些树叶中是有效的。我还没有进一步发展这个想法,而是专注于数据结构 和聚合能力。我的观点是,数据压缩的原理在这里基本上是相似的。 顺便说一下,用一个开放的数据集进行实验工作的建议很有意思。然而,如果没有具有分区功能和保存预测器的开源EA,你如何想象它是可能的? mytarmailS 2020.05.03 12:31 #17609 阿列克谢-维亚兹米 金。 我有实验性的 "卷积 "预测器,其原理是将图表分解成网格,并告知条形的累积,事实上是对比。而且,令人惊讶的是,在一些叶子中,这些模式是有效的。我还没有进一步发展这个想法,而是专注于数据结构 和聚合能力。我的观点是,在本质上有一个类似的数据压缩原理。 我也做过类似的事情,不过是以分布的形式,或者用更多交易者的术语--类似于成交量曲线的东西,而不是图表,这是一个有趣的事情......有一个点在挖掘+水平的表示+方便的算法 阿列克谢-维亚兹米 金。 顺便说一下,用一个开放的数据集进行实验性工作的建议很有意思。然而,如果没有具有标记和保存预测器功能的开源EA,你如何想象它是可能的? 我可以想象这一切都在一个txt或csv文件中,其中各列是特征/预测器/属性,最后一个是目标文件。 我们同意目标之一,它应该是什么,有什么参数,并继续...... 每个参与者在软件中打开一个数据集,并试图减少分类错误,如果成功的话,就把那些已经生成的特征添加到数据集中,并把改进后的数据集发回给公众,如此反复,这就成了人类的特征生成和选择的遗传算法。 当达到可接受的错误时,我们可以考虑将所有的东西移植到mql代码中去 我是这样认为的 我认为可接受的误差是95%+,到目前为止,最大的误差是77-83%+-。 另外,为了避免产生 "垃圾签名",他们可以设定限制,例如签名应该至少改善1%的误差,否则他们会扔掉15000个袋子,然后说:我改善了2%的误差))我是个英雄))。 Aleksey Vyazmikin 2020.05.03 12:56 #17610 mytarmailS: 我也做了类似的事情,但是是以分布的形式,或者用更多交易员的术语来说,我建立了某种成交量曲线而不是图表,这是一件很有趣的事情...挖掘是有意义的 + 水平的表示 + 方便的算法 我有16个4x4单元格,动态窗口,我计算每个单元格中关闭了多少条,以原始的方式。 mytarmailS: 我将其全部显示为.txt或csv文件,其中各栏是特征/保护器/签名,最后一个是目标栏。 我们直接同意目标之一,它应该是什么,有什么参数,然后继续......。 目标应该由专家顾问生成,否则不清楚如何获得新的预测器--使用数据。 然后,目标可以被加载很多,这将允许揭示预测器的预测能力,因为一个好的预测器将在不同的目标上取得成功。 仪器应该对所有人都是一样的--Moex期货或胶水更好。我喜欢斯。 1...175417551756175717581759176017611762176317641765176617671768...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
出现了一个想法,存档者可以作为一个随机性的测试。随机将不会被存档者压缩。
我们应该测试小床,不同的尺寸,几个样品。试着做一个组件分解,看看压缩是否有改善。
flac的压缩效果更差,尽管它似乎更适合于此。Rorschach:flac的压缩效果更差,虽然它似乎更适合这种压缩方式。按容积率计算,价格与分形相似
按成交量比,价格看起来像一个分形图
好的开始。如果价格类似于分形的变化,其中的模式肯定是有的)))具有随机性的P也是正确的))))
我不明白的一点是,为什么压缩比在随机范围和P中是最高的?我不明白的一点是,为什么压缩比在随机范围和Pi中是最高的?
恰恰相反,它们的压缩比最低。
恰恰相反,它们的压缩比是最小的。
知道了,程度很混乱。剩下的是拉出图案,拆开包装,看看与原来的区别。
出现了一个想法,存档者可以作为一个随机性的测试。随机将不会被存档者压缩。
我们应该检查小床,不同的尺寸,一些样品。试着将其分解为各个组成部分,看看压缩效果是否有所改善。
flac的压缩效果更差,尽管它似乎更适合于此。Rorschach: flac在压缩方面更糟糕,尽管它似乎更适合于此。我以前见过这个想法。由于第三方资源的链接是不允许的,我就用图片来粘贴。
一个有趣的想法 是将图像表现为一个波浪,确切地说,是50个波浪。
每个波都可以被送入NS输入。
只是一个想法。
一个有趣的想法 是将图像表现为一个波浪,确切地说,是50个波浪。
每个波都可以被送入NS输入。
只是一个想法。
有趣,但毫无意义)。
有趣,但毫无意义 )
我有实验性的 "卷积 "预测器,其原理是将图表分解成网格,并告知条形的累积,事实上是对比。而且,令人惊讶的是,这些图案在一些树叶中是有效的。我还没有进一步发展这个想法,而是专注于数据结构 和聚合能力。我的观点是,数据压缩的原理在这里基本上是相似的。
顺便说一下,用一个开放的数据集进行实验工作的建议很有意思。然而,如果没有具有分区功能和保存预测器的开源EA,你如何想象它是可能的?
我有实验性的 "卷积 "预测器,其原理是将图表分解成网格,并告知条形的累积,事实上是对比。而且,令人惊讶的是,在一些叶子中,这些模式是有效的。我还没有进一步发展这个想法,而是专注于数据结构 和聚合能力。我的观点是,在本质上有一个类似的数据压缩原理。
我也做过类似的事情,不过是以分布的形式,或者用更多交易者的术语--类似于成交量曲线的东西,而不是图表,这是一个有趣的事情......有一个点在挖掘+水平的表示+方便的算法
顺便说一下,用一个开放的数据集进行实验性工作的建议很有意思。然而,如果没有具有标记和保存预测器功能的开源EA,你如何想象它是可能的?
我可以想象这一切都在一个txt或csv文件中,其中各列是特征/预测器/属性,最后一个是目标文件。
我们同意目标之一,它应该是什么,有什么参数,并继续......
每个参与者在软件中打开一个数据集,并试图减少分类错误,如果成功的话,就把那些已经生成的特征添加到数据集中,并把改进后的数据集发回给公众,如此反复,这就成了人类的特征生成和选择的遗传算法。
当达到可接受的错误时,我们可以考虑将所有的东西移植到mql代码中去
我是这样认为的
我认为可接受的误差是95%+,到目前为止,最大的误差是77-83%+-。
另外,为了避免产生 "垃圾签名",他们可以设定限制,例如签名应该至少改善1%的误差,否则他们会扔掉15000个袋子,然后说:我改善了2%的误差))我是个英雄))。
我也做了类似的事情,但是是以分布的形式,或者用更多交易员的术语来说,我建立了某种成交量曲线而不是图表,这是一件很有趣的事情...挖掘是有意义的 + 水平的表示 + 方便的算法
我有16个4x4单元格,动态窗口,我计算每个单元格中关闭了多少条,以原始的方式。
我将其全部显示为.txt或csv文件,其中各栏是特征/保护器/签名,最后一个是目标栏。
我们直接同意目标之一,它应该是什么,有什么参数,然后继续......。
目标应该由专家顾问生成,否则不清楚如何获得新的预测器--使用数据。
然后,目标可以被加载很多,这将允许揭示预测器的预测能力,因为一个好的预测器将在不同的目标上取得成功。
仪器应该对所有人都是一样的--Moex期货或胶水更好。我喜欢斯。