交易中的机器学习:理论、模型、实践和算法交易 - 页 1951 1...194419451946194719481949195019511952195319541955195619571958...3399 新评论 Forester 2020.08.02 09:11 #19501 Maxim Dmitrievsky: 我今天做了一个艰难的决定--我放弃了聚类,因为它是d :)即使是季节性模式,用手拉出来也比用它拉出来好(就新数据的稳定性而言)。因为合众监管几乎是不可能控制的,所以它自己生活。可能只适用于快速数据分区我打算给umap一个尝试,看看它是什么。任何人都有兴趣去探究,一个产生机器人的东西。 然后就去山里或海里。在夏天结束之前。 Maxim Dmitrievsky 2020.08.02 09:21 #19502 elibrarius: 然后到山里或到海边。在夏天结束之前 我有一个另一种方法的想法)我还不想去海里,到处都是鳕鱼。 Maxim Dmitrievsky 2020.08.02 09:42 #19503 Rorschach: 对于一个有1个神经元和100个输入的网络。左边是所有输入,中间是最后10个。右边是10个神经元100个输入。网格的权重,左边是ma(100)100的输入,右边是ma(50)100的输入,相交。 这提供了什么信息? mytarmailS 2020.08.02 09:57 #19504 Maxim Dmitrievsky: 我今天做了一个艰难的决定--我放弃了聚类,因为它是D :) 哇!!多么出乎意料))记得有人告诉过你,D)这个,好像很多次))聪明的家伙可能,我不记得名字了......。 马克西姆-德米特里耶夫斯基。 我已经计划给umap一个旋转,看看它是怎么回事。 只要确保 学习理论,甚至不是关于算法本身,而是关于降维,它是什么,有什么用,你应该如何正确使用它,什么不应该,等等。 否则,输出将是一个垃圾,我几乎可以保证这一点。 Maxim Dmitrievsky 2020.08.02 09:58 #19505 mytarmailS: 呜呼!!多么出乎意料))记得有人告诉过我,D.)这个,好像甚至很多时候))。只要确保 你研究过理论,甚至不是算法本身,而是降维,它是什么,有什么用,你应该如何正确使用它,什么不应该,等等。否则,产出将是一个垃圾,我几乎可以保证这一点。 直到你亲自尝试,正如他们所说的... Rorschach 2020.08.02 10:00 #19506 Maxim Dmitrievsky: 这提供了什么信息? 上面的图表显示,网格使用了最近的1.2个输入(也就是1.2个以前的价格值)。 在较低的图表上,它使用尽可能多的价格来计算MA,如果ma(50),这正是网络使用的输入数量。 上层网的训练很差,它有大约60%的准确率,下层网给出了99%。 上方试图通过之前的条形图的增量来确定下一个条形图的方向(预测)。 下网只是确定价格的方向和当前条形图上的Ma交叉点,增量输入(不做预测)。 Maxim Dmitrievsky 2020.08.02 10:03 #19507 Rorschach: 上面的图表显示,网格使用了最近的1.2个条目(也就是1.2个以前的价格值)。在较低的图表上,它使用尽可能多的价格来计算MA,如果ma(50),这正是网络使用的输入数量。上层网络训练不足,其准确率约为60%,下层网络则为99%。 а.你可以简单地看一下 Forester 2020.08.02 10:05 #19508 mytarmailS: 但一定 要研究理论,甚至不是关于算法本身,而是关于降维,它是什么,它的作用是什么,你应该如何正确使用它,如何不应该,等等。 我有一种感觉,这对你没有什么帮助。这就是信息压缩。如果你压缩垃圾,它将是压缩的垃圾。 如果你在2500中加入1个好的垃圾芯片,算法不会注意到它,它对最终结果的影响如果不超过1/2500,那么就不会太大。即使是1/100,你也不会在图表上注意到它。 我唯一期望的是,高度相关的特征将某种程度上合并成一个。 Maxim Dmitrievsky 2020.08.02 10:09 #19509 检查一下MT5市场顶部的机器人,它的交易是季节性的。 名字以 "P "开头 并思考如何做一个反面教材。对我来说,它的工作并不顺利,但该主题是有效的。 Rorschach 2020.08.02 10:09 #19510 Maxim Dmitrievsky: а.你可以简单地看一下 它在哪里? 1...194419451946194719481949195019511952195319541955195619571958...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
我今天做了一个艰难的决定--我放弃了聚类,因为它是d :)
即使是季节性模式,用手拉出来也比用它拉出来好(就新数据的稳定性而言)。
因为合众监管几乎是不可能控制的,所以它自己生活。可能只适用于快速数据分区
我打算给umap一个尝试,看看它是什么。
任何人都有兴趣去探究,一个产生机器人的东西。
然后就去山里或海里。在夏天结束之前。
然后到山里或到海边。在夏天结束之前
我有一个另一种方法的想法)我还不想去海里,到处都是鳕鱼。
对于一个有1个神经元和100个输入的网络。左边是所有输入,中间是最后10个。右边是10个神经元100个输入。
网格的权重,左边是ma(100)100的输入,右边是ma(50)100的输入,相交。
这提供了什么信息?
我今天做了一个艰难的决定--我放弃了聚类,因为它是D :)
哇!!多么出乎意料))记得有人告诉过你,D)这个,好像很多次))聪明的家伙可能,我不记得名字了......。
我已经计划给umap一个旋转,看看它是怎么回事。
只要确保 学习理论,甚至不是关于算法本身,而是关于降维,它是什么,有什么用,你应该如何正确使用它,什么不应该,等等。
否则,输出将是一个垃圾,我几乎可以保证这一点。
呜呼!!多么出乎意料))记得有人告诉过我,D.)这个,好像甚至很多时候))。
只要确保 你研究过理论,甚至不是算法本身,而是降维,它是什么,有什么用,你应该如何正确使用它,什么不应该,等等。
否则,产出将是一个垃圾,我几乎可以保证这一点。
直到你亲自尝试,正如他们所说的...
这提供了什么信息?
上面的图表显示,网格使用了最近的1.2个输入(也就是1.2个以前的价格值)。
在较低的图表上,它使用尽可能多的价格来计算MA,如果ma(50),这正是网络使用的输入数量。
上层网的训练很差,它有大约60%的准确率,下层网给出了99%。
上方试图通过之前的条形图的增量来确定下一个条形图的方向(预测)。
下网只是确定价格的方向和当前条形图上的Ma交叉点,增量输入(不做预测)。
上面的图表显示,网格使用了最近的1.2个条目(也就是1.2个以前的价格值)。
在较低的图表上,它使用尽可能多的价格来计算MA,如果ma(50),这正是网络使用的输入数量。
上层网络训练不足,其准确率约为60%,下层网络则为99%。
а.你可以简单地看一下
但一定 要研究理论,甚至不是关于算法本身,而是关于降维,它是什么,它的作用是什么,你应该如何正确使用它,如何不应该,等等。
我有一种感觉,这对你没有什么帮助。这就是信息压缩。如果你压缩垃圾,它将是压缩的垃圾。
如果你在2500中加入1个好的垃圾芯片,算法不会注意到它,它对最终结果的影响如果不超过1/2500,那么就不会太大。即使是1/100,你也不会在图表上注意到它。
我唯一期望的是,高度相关的特征将某种程度上合并成一个。
检查一下MT5市场顶部的机器人,它的交易是季节性的。
名字以 "P "开头
并思考如何做一个反面教材。对我来说,它的工作并不顺利,但该主题是有效的。
а.你可以简单地看一下