交易中的机器学习：理论、模型、实践和算法交易 - 页 1883

新评论
 
Rorschach:

不会有什么打击，我们分头行动吧。博克斯和詹金斯欢欣鼓舞

这项研究的结果表明，简单的经典方法，如线性方法和指数平滑法，优于复杂和精密的方法，如决策树、多层感知器（MLP）和长短时记忆（LSTM）网络模型。

低能者为低能者撰写的文章

 
Evgeny Dyuka:
顺便说一下，也许专家可以帮助。这里有一个问题：

例如，任务是通过一张照片来区分猫和狗。什么是正确的学习方法？
1.只展示猫和狗的图片，即二元分类。
2.分别只教猫和 "非猫"（protos chaos）+分别也教狗和 "非狗"，即两个训练周期和输出的两个模式。
3.做一个三类的分类--猫、狗和混乱。也就是说，会有一个模型，但答案是三个选项的分类。

现在我有第一个选项，而且显然是歪的。问题是，神经只能很好地学习其中一个变体，按照惯例只能很好地看到 "猫"，而对狗的识别能力很差。例如，在回测中，模型善于检测价格的上升运动，而忽略了下降运动。如果向上的猜测高达67%，同一个模型只向下猜测了55%。"向上 "和 "向下 "从模型到模型可以改变位置。

通常他们会说把它们都试一试，然后选择最好的一个。我认为，2个网格，每个网格都有自己的任务（猫或狗），再加上对输出设置一个阈值。然后你需要以某种方式确定哪些例子被识别得最差，它们需要被处理或额外的训练。在输入端为那些将在实践中使用的例子服务，如果房子不会出现在测试中，那么在训练中展示它就没有意义。另外，受训者身上的照片和测试上的照片也应该被平等对待。

 
Evgeny Dyuka:
顺便说一下，如果有资源，不一定是物质资源--推广的受众或在你已经拥有的基础上组织进一步研究的机会，我对伙伴关系持开放态度。仅仅靠手工就能把这个话题提高到一个好的水平是不可能的。你需要不同领域的真正专家。

在你的个人资料中加入telegram-channel的链接。这将是有趣的事情。

 
Rorschach:

他们通常说尝试一切，并选择最佳方案。我认为，2个网格，每个网格处理不同的任务（猫或狗），另外在输出上设置一个阈值。然后你需要以某种方式确定哪些例子是公认的最糟糕的，他们需要被处理或需要做额外的培训。在输入端为那些将在实践中使用的例子服务，在培训中展示房子是没有意义的，如果它不会出现在测试中。另外，托盘上的图片和测试上的图片也应该被平等对待。

如果有准确的坐标，为什么要通过图片的棱镜来看价格。价格和时间。剩下的就是描述感兴趣的模型。而且因为有很多，所以有选择地进行。即使没有经过培训，机器也能100%识别它们。

 
Uladzimir Izerski:

在你的个人资料中抛出一个 电报频道的链接。这将是有趣的观察。

我上传了
暂停到星期一的指标信号，去 "历史 "按钮看看它们的样子和神经信号。
 
Rorschach:

他们通常会说：1.全部尝试，选择最佳方案。我认为，2.2.每项工作都有不同的任务（猫或狗），另外在输出上设置一个阈值。然后你需要以某种方式确定哪些例子被识别得最差，它们需要被处理或额外的训练。在输入3.提供那些将在实践中使用的例子，在培训中展示房子是没有意义的，如果它不会出现在测试中。另外，受训者身上的照片和测试上的照片也应该被平等对待。

1.这是正确的，你必须通过所有的选项。问题是，这太耗费时间了。
2.试了一下，情况变得更糟。
3.你怎么知道她在用哪些？这是一个黑匣子，所以我什么都喂。
 
Uladzimir Izerski:

既然有精确的坐标，为什么还要通过图片的棱镜来看价格。价格和时间。剩下的就是描述感兴趣的模型。而且因为有很多，所以有选择地进行。即使没有经过培训，机器也能100%识别它们。

这个问题是关于猫和狗的。而且你可以尝试教网络进行图形分析。

 
Uladzimir Izerski:

既然有精确的坐标，为什么还要通过图片的棱镜来看价格。价格和时间。剩下的就是描述感兴趣的模型。而且因为有很多，所以有选择地进行。即使没有经过培训，机器也能100%识别它们。

当然不是图片，只是直接比喻为图片。一个烛台由三个值来描述。
 
Rorschach:

这个问题是关于猫和狗的。并且可以教给大家网络图形分析的方法

也许你可以向网络展示截图，但经过优化后，你将会看到开盘、收盘、高位、低位。

1...187618771878187918801881188218831884188518861887188818891890...3399
新评论