交易中的机器学习:理论、模型、实践和算法交易 - 页 2141 1...213421352136213721382139214021412142214321442145214621472148...3399 新评论 mytarmailS 2020.11.20 08:46 #21401 弗拉基米尔-佩雷文科。 弗拉基米尔,你知道是什么让TTR包的ZZ感到恶心吗?有时会得出这样的不足之处 пример zz <- TTR::ZigZag(HL = cbind(d$X.HIGH.,d$X.LOW.) ,change = 0.0009,percent = F) 而且总的来说,我越看他,他在我看来就越不合适。 Evgeniy Chumakov 2020.11.20 08:49 #21402 这样,在MT中,有一个人字形。 mytarmailS 2020.11.20 09:00 #21403 Evgeniy Chumakov: This and in MT with a zigzag 这对你来说正常吗? Evgeniy Chumakov 2020.11.20 09:07 #21404 mytarmailS: 这对你来说正常吗? 不,不是的。 mytarmailS 2020.11.20 09:17 #21405 Evgeniy Chumakov: 不,当然不是。 那为什么会发生这种情况呢? Evgeniy Chumakov 2020.11.20 09:22 #21406 mytarmailS: 那么为什么会发生这种情况呢? 好吧,显然不是所有的情况都在算法中得到了考虑,还有什么可说的呢? mytarmailS 2020.11.20 09:29 #21407 关于模型的TF不变归一化... 我们采取的系列,我们确定重要的突破点。 只留下极值点,删除其他点 正常化 现在取第一个系列中断点之间的距离,从它们中创建一个新的系列,并将其归一化。 以这样的方式,我们将有一个正常化的系列,在振幅和时间(频率)方面都是如此。 所需要的是保持模式中极值的数量是偶数,其他的都是正常化的。 因此,模型可以被输入数据,即使是一分钟或一个星期的数据,它也会把它看作是同样的东西,它对TF是不变的。 你可以同时为 所有TF 训练一个 模型 ============================================= 对于那些还没有了解它是什么以及它的用途的人来说 对于模型来说,它将是一个相同的模式,因为它是一个相同的模式。 Maxim Dmitrievsky 2020.11.20 09:37 #21408 mytarmailS: 关于模型的TF不变归一化...我们采取的系列,我们选择重要的突破点只留下极值点,删除其他点正常化现在取第一个系列中断点之间的距离,从它们中创建一个新的系列,并将其归一化。以这样的方式,我们将有一个正常化的系列,在振幅和时间(频率)方面都是如此。所需要的是保持模式中极值的数量是偶数,其他的都是正常化的。因此,模型可以被输入数据,即使是一分钟或一个星期的数据,它也会把它看作是同样的东西,它对TF是不变的。你可以同时为 所有TF 训练一个 模型=============================================对于那些还没有理解它是什么以及它的用途的人来说这对模型来说将是一个相同的模式,因为它是一个相同的模式。 不起作用 mytarmailS 2020.11.20 09:43 #21409 Maxim Dmitrievsky: 不起作用 有什么问题吗?"正常化"?"你是睡眠不足还是什么?") mytarmailS 2020.11.20 09:50 #21410 叶夫根尼-丘马科夫。 在NS中运行这个ZZ 它应该在一个滑动窗口中进行,但不是所有的极值,这是第一件事。 第二,我所写的一切是为了预测趋势线,而不是为了好玩...... 所有这些转变都是为了某项任务而进行的。 1...213421352136213721382139214021412142214321442145214621472148...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
弗拉基米尔,你知道是什么让TTR包的ZZ感到恶心吗?
有时会得出这样的不足之处
пример zz <- TTR::ZigZag(HL = cbind(d$X.HIGH.,d$X.LOW.) ,change = 0.0009,percent = F)
而且总的来说,我越看他,他在我看来就越不合适。This and in MT with a zigzag
这对你来说正常吗?
这对你来说正常吗?
不,当然不是。
那为什么会发生这种情况呢?
那么为什么会发生这种情况呢?
好吧,显然不是所有的情况都在算法中得到了考虑,还有什么可说的呢?
关于模型的TF不变归一化...
我们采取的系列,我们确定重要的突破点。
只留下极值点,删除其他点
正常化
现在取第一个系列中断点之间的距离,从它们中创建一个新的系列,并将其归一化。
以这样的方式,我们将有一个正常化的系列,在振幅和时间(频率)方面都是如此。
所需要的是保持模式中极值的数量是偶数,其他的都是正常化的。
因此,模型可以被输入数据,即使是一分钟或一个星期的数据,它也会把它看作是同样的东西,它对TF是不变的。
你可以同时为 所有TF 训练一个 模型
=============================================
对于那些还没有了解它是什么以及它的用途的人来说
对于模型来说,它将是一个相同的模式,因为它是一个相同的模式。
关于模型的TF不变归一化...
我们采取的系列,我们选择重要的突破点
只留下极值点,删除其他点
正常化
现在取第一个系列中断点之间的距离,从它们中创建一个新的系列,并将其归一化。
以这样的方式,我们将有一个正常化的系列,在振幅和时间(频率)方面都是如此。
所需要的是保持模式中极值的数量是偶数,其他的都是正常化的。
因此,模型可以被输入数据,即使是一分钟或一个星期的数据,它也会把它看作是同样的东西,它对TF是不变的。
你可以同时为 所有TF 训练一个 模型
=============================================
对于那些还没有理解它是什么以及它的用途的人来说
这对模型来说将是一个相同的模式,因为它是一个相同的模式。
不起作用
不起作用
有什么问题吗?"正常化"?"你是睡眠不足还是什么?")
在NS中运行这个ZZ
它应该在一个滑动窗口中进行,但不是所有的极值,这是第一件事。
第二,我所写的一切是为了预测趋势线,而不是为了好玩......
所有这些转变都是为了某项任务而进行的。