交易中的机器学习:理论、模型、实践和算法交易 - 页 1994 1...198719881989199019911992199319941995199619971998199920002001...3399 新评论 Valeriy Yastremskiy 2020.09.05 00:08 #19931 马克西姆-德米特里夫斯基: 那里没有任何层次,它是一个树的助推器 人,在来源和预测之间的功能不是线性和复杂的。但最初,目标是一致性和正确的预测。这就是为什么相关性通常是正的。不是线性的。而且这对预测算法没有任何区别。数据的准备是为了正确的预测。但所有这些还不足以做出可靠的预测。)))) Maxim Dmitrievsky 2020.09.05 00:15 #19932 Valeriy Yastremskiy: 他说,在来源和预测之间的功能不是线性和复杂的。但最初,目标是匹配和正确预测。因此,相关关系通常是正的。不是线性的。而且这对预测算法没有任何区别。数据的准备是为了正确的预测。但所有这些还不足以做出可靠的预测。)))) F-y简单线性,p平方误差。正如Elibrarius指出的那样--我们就把它称为一个系数吧。但对于提问的人来说可能无法理解,所以我把它转换成了百分比。我们可以继续讨论这个对大家来说非常重要的话题 🤣🤣🤣🤣 Valeriy Yastremskiy 2020.09.05 00:26 #19933 Maxim Dmitrievsky: F-squared是简单的线性,P-squared误差 好吧,我们谈论的是不同的事情。P平方误差是对预测的估计,而不是依赖--原始数据对预测的函数。在估计是简单的,数据是真实的和预测的,但对预测原始数据的依赖是复杂的。而且通常不是这样。这很复杂。估计结果比较容易。 Maxim Dmitrievsky 2020.09.05 00:33 #19934 Valeriy Yastremskiy: 我们谈论的是不同的事情。p平方误差是对预测的估计,而不是依赖性--原始数据对预测的函数。在估计中是简单的,数据是真实的和预测的,但对预测原始数据的依赖性是复杂的。而且通常不是这样。这很复杂。估计结果比较容易。 那么他问的是结果,模型是否显示了依赖性。古典的则没有。也许有一个更复杂的人会这样做。 Valeriy Yastremskiy 2020.09.05 00:47 #19935 Maxim Dmitrievsky: 那么他要求的是一个结果,无论模型是否显示出依赖性。经典的则没有。也许一些花哨的人会。 伙计,我开始有点不舒服了......我似乎根本不是在教训你。)))) 让我问你一个问题。正确理解了Python教程的内容。名称的全球定位是由名称的位置决定的,但如果在别人的名称空间中,与它们的行动是由全球定位前缀决定的。而如果没有前缀,名称空间的名称优先考虑。有趣的命名空间逻辑,特别是在BASIC)))) 之后。 Evgeniy Chumakov 2020.09.05 07:59 #19936 Maxim Dmitrievsky: 比前五次的数值要高。60%的准确性在之前的10个数值上,准确度下降了50第三次的精确度是57蓝色基线,橙色预测。最后300个值 谢谢Maxim! 实际上,我忘了说,模型预测了系列的下一个符号(+-),目标+加值,这就足够了。准确的精确度并不重要。 样本长度n=54,涵盖所有可能的值。 Maxim Dmitrievsky 2020.09.05 11:08 #19937 Valeriy Yastremskiy: 伙计,我开始有点不舒服了......我还真没必要教训你。)))),让我问你一个问题。正确理解了Python教程的内容。名称的全球定位是由名称的位置决定的,但如果在别人的名称空间中,与它们的行动是由全球定位前缀决定的。而如果没有前缀,名称空间的名称优先。有趣的命名空间逻辑,特别是在BASIC)))) 之后。是 Maxim Dmitrievsky 2020.09.05 11:21 #19938 Evgeniy Chumakov: 谢谢你,马克西姆! 实际上,我忘了说,只要模型预测了系列的下一个符号(+-),目标+加值就足够了。而准确的精确度并不重要。 样本长度n=54,涵盖所有可能的值。 如果我有时间的话,我今天晚些时候会去做。 Valeriy Yastremskiy 2020.09.05 16:17 #19939 Maxim Dmitrievsky: 是 cp.一切都有价值。变量类型中的明确自由变成了明确的类型指示。虽然,如果没有相同的名字,它应该不需要前缀就能工作。 Maxim Dmitrievsky 2020.09.05 16:49 #19940 Valeriy Yastremskiy: cp.一切都有价值。变量类型中明显的自由原来是类型的明确指示。虽然,如果没有相同的名字,它应该不需要前缀就可以工作。 使用大量的globals并不是好的做法,也没有任何意义。有必要看一下编程模式。明确指示类型没有影响,它仍然可以在任何时候被改变 1...198719881989199019911992199319941995199619971998199920002001...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
那里没有任何层次,它是一个树的助推器
人,在来源和预测之间的功能不是线性和复杂的。但最初,目标是一致性和正确的预测。这就是为什么相关性通常是正的。不是线性的。而且这对预测算法没有任何区别。数据的准备是为了正确的预测。但所有这些还不足以做出可靠的预测。))))
他说,在来源和预测之间的功能不是线性和复杂的。但最初,目标是匹配和正确预测。因此,相关关系通常是正的。不是线性的。而且这对预测算法没有任何区别。数据的准备是为了正确的预测。但所有这些还不足以做出可靠的预测。))))
F-squared是简单的线性,P-squared误差
好吧,我们谈论的是不同的事情。P平方误差是对预测的估计,而不是依赖--原始数据对预测的函数。在估计是简单的,数据是真实的和预测的,但对预测原始数据的依赖是复杂的。而且通常不是这样。这很复杂。估计结果比较容易。
我们谈论的是不同的事情。p平方误差是对预测的估计,而不是依赖性--原始数据对预测的函数。在估计中是简单的,数据是真实的和预测的,但对预测原始数据的依赖性是复杂的。而且通常不是这样。这很复杂。估计结果比较容易。
那么他要求的是一个结果,无论模型是否显示出依赖性。经典的则没有。也许一些花哨的人会。
伙计,我开始有点不舒服了......我似乎根本不是在教训你。)))) 让我问你一个问题。正确理解了Python教程的内容。名称的全球定位是由名称的位置决定的,但如果在别人的名称空间中,与它们的行动是由全球定位前缀决定的。而如果没有前缀,名称空间的名称优先考虑。有趣的命名空间逻辑,特别是在BASIC)))) 之后。
比前五次的数值要高。
60%的准确性
在之前的10个数值上,准确度下降了50
第三次的精确度是57
蓝色基线,橙色预测。最后300个值
谢谢Maxim!
实际上,我忘了说,模型预测了系列的下一个符号(+-),目标+加值,这就足够了。准确的精确度并不重要。
样本长度n=54,涵盖所有可能的值。
伙计,我开始有点不舒服了......我还真没必要教训你。)))),让我问你一个问题。正确理解了Python教程的内容。名称的全球定位是由名称的位置决定的,但如果在别人的名称空间中,与它们的行动是由全球定位前缀决定的。而如果没有前缀,名称空间的名称优先。有趣的命名空间逻辑,特别是在BASIC)))) 之后。
谢谢你,马克西姆!
实际上,我忘了说,只要模型预测了系列的下一个符号(+-),目标+加值就足够了。而准确的精确度并不重要。
样本长度n=54,涵盖所有可能的值。
如果我有时间的话,我今天晚些时候会去做。
是
cp.一切都有价值。变量类型中的明确自由变成了明确的类型指示。虽然,如果没有相同的名字,它应该不需要前缀就能工作。
cp.一切都有价值。变量类型中明显的自由原来是类型的明确指示。虽然,如果没有相同的名字,它应该不需要前缀就可以工作。