不，要找到它的根源，因为我们在做什么？我们把输入的东西分出来，对吗？因此，当它知道 "NO "的状态比 "YES "更好时，建立一个模型就不会有任何偏见，反之亦然。NS在建立模型时得到了不明确性，没有偏斜性。这时，零的数量等于一的数量。而最重要的不是分裂的事实本身，而是它应该是持续的。如果你开始亏损，就把信号倒过来，走上坡路。）
Mihail Marchukajtes: 不，要找到它的根源，因为我们在做什么？我们把输入的数据分割开来，对吗？因此，当它知道 "NO "的状态比 "YES "更好时，建立一个模型就不会有任何偏见，反之亦然。NS在建立模型时得到了不明确性，没有偏斜性。这时，零的数量等于一的数量。而最重要的不是分裂的事实本身，而是它应该是持续的。如果你开始亏损，就把信号倒过来，走上坡路。）
对如何优化一个变量使另一个变量达到0有什么建议吗 ????或倾向于零.....
基本上，根据另一个变量来优化一个变量....。
F(-fabs(y(x))
对吗？
请更准确地说明你的问题。
alglib库最近被添加到mql中，这个问题应该可以用它来解决。
第1步：写一个函数来计算第二个变量的值
return(MathSin(inp)); //для примера новая переменная будет вычисляться как синус из первой переменной
}
你的第一个变量是p，第二个变量将通过函数Qwe()计算。在你的情况下，Qwe()函数需要一些代码来查看价格的历史，并根据你的方法在那里计算一些东西。
进一步说，我们将面临通常的优化问题：我们将不得不改变变量inp，以计算Qwe()函数的值。通过改变inp，我们希望达到一个更小的函数结果。这可以在Alglib中完成，这里有一个工具列表 - http://www.alglib.net/optimization/ 。在我看来，Levenberg-Marquardt算法 应该是可行的。我在mql中没有看到任何例子，但函数的名称似乎是一样的，你可以在c++中寻找例子，很可能mql的代码几乎是一样的。
一个想法已经存在了很久，有人尝试过吗？
我们谈论的是 "前生活 "模式。
它被用在医学上。
你采取了很多关于病人的信息，而模型预测了这个病人将活多久。
在这种情况下。
我们采取一堆数据，预测价格将达到什么TR/SL。
Mihail Marchukajtes:
考虑到输出变量是由TC的利润额调节的，通过改变这个参数，你至少可以找出我们的输入数据的质量...
榜样已经摆出来了，理论也应该以它为基础。而安德鲁在这之后表达了正确的短语。至于在
至于eqi上的参考点，网子等是不需要的，只要去ga和擦...
一个想法已经存在了很久，有人尝试过吗？
我们谈论的是 "前生活 "模式。
它被用在医学上。
你采取了很多关于病人的信息，而模型预测了这个病人将活多久。
在这种情况下。
我们采取一堆数据，预测价格将达到什么TR/SL。
最有趣的是，在大多数情况下，它会 "到达那里"，而且是那里，这往往被不设止损的交易的过度者所利用。它必须在存款不足以止损的罕见情况下才能达成。换句话说，它达到什么数值并不重要，重要的是这些点将以什么顺序达到。
那是如果我们在头脑中没有国王的情况下坐稳了。
而如果我们有一个具有一定概率的TP预测，那么等待缩减是有意义的，如果预测是亏损的，那么我们需要立即解决，而不是坐等存款被清空。
这就是观望模式的意义所在。
不，你只知道你与另一个目标从相同的投入中得到多少滴。你正在改变它））））。一切都必须正规化。
例子已经摆出来了，理论应该以它为基础。而安德鲁在这之后表达了正确的短语。至于在
至于eqi上的定位，网等是不需要的，只要去ga和擦...
这里你错了，或者说是对的，但没有说到底，确实会给出信号的进场水平，但最重要的不是信号所赚取的点数，而是这个信号没有错误。这很重要!!!!
总之，我现在已经将输出调整到0.00008点的利润水平。其中零和一的数量是相等的:-)所以我有一堆这样的技巧。还不是所有的人。它的作用是什么 告诉我????
这里你错了，或者说是对的，但没有说到底，确实会给出信号的进场水平，但最重要的不是信号获得的点数，而是这个信号不是错误的。这很重要!!!!
总之，我现在已经将输出调整到0.00008点的利润水平。其中零和一的数量是相等的:-)所以我有一堆这样的技巧。还不是所有的人。为什么要这样做 告诉我????
这不是 "使这个信号不是错误"，而是为什么 "这个信号不是错误"，最重要的是
即 "这个信号不是一个错误"，在未来...等。你有一个关于历史的配件，其中有一个隐含的企图
的预测波动性。当然，这都是我的看法...
我不需要它。而且它也不会正常工作。
不是 "这个信号不会出错"，而是为什么 "这个信号不会出错"，最重要的是
"这个信号不会是错误的"，在未来...等。你有一个关于历史的配件，其中有一个隐含的企图
的预测波动性。当然，这都是我的看法...
不，要找到它的根源，因为我们在做什么？我们把输入的数据分割开来，对吗？因此，当它知道 "NO "的状态比 "YES "更好时，建立一个模型就不会有任何偏见，反之亦然。NS在建立模型时得到了不明确性，没有偏斜性。这时，零的数量等于一的数量。而最重要的不是分裂的事实本身，而是它应该是持续的。如果你开始亏损，就把信号倒过来，走上坡路。）
米哈，又来了？"））搞笑......我不知道你的情况，但我们分享，我们有一个政权，我们会把你撕成一个新的))))。