交易中的机器学习:理论、模型、实践和算法交易 - 页 2155 1...214821492150215121522153215421552156215721582159216021612162...3399 新评论 Aleksey Vyazmikin 2020.11.21 19:40 #21541 mytarmailS: 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。因此,我们得到归一化的系列,在振幅和时间(频率)上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 所有的TFs 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。 几乎做了同样的事,只是我有时间和100%的点数。但我不明白这里是如何建议将时间正常化的--通过最小距离? Aleksey Vyazmikin 2020.11.21 19:42 #21542 Maxim Dmitrievsky: 很快就猜到了)只是没有人......。 我一定是错过了什么? Maxim Dmitrievsky 2020.11.21 19:43 #21543 Aleksey Vyazmikin: 我一定是错过了什么? 是的,代词中的连字符。 Valeriy Yastremskiy 2020.11.21 19:46 #21544 Maxim Dmitrievsky: 我再说一遍,给那些蠢货听的。在特征空间中有一些点。有些是为了买,有些是为了卖。假设这些点可以以这样的方式移动,即买入-卖出序列不被尊重,也就是说,关于数据集中的价差信息被丢失。分布可以等同于各点之间或两类点之间的欧几里德距离如何添加这些信息。FNF,加速和其他可以塞进你的H的东西。可以这么说,这是为了让人有清晰的认识。 交易中的价差在价格上总是负面的。 zy 恶化的条款 mytarmailS 2020.11.21 19:48 #21545 马克西姆-德米特里耶夫斯基。 Karoch阅读,阅读,阅读,阅读.... 我还是不明白你想用这种传播方式做什么(我的大脑今天显然不正常,或者你没说什么......)。 我甚至不明白你想做什么,为什么... Maxim Dmitrievsky 2020.11.21 19:49 #21546 mytarmailS: 我读,我读,我读,我读,我读 ....我还是不明白你想用传播做什么(我的大脑今天显然不在状态,或者你没有说什么......)。我甚至不明白你想做什么,为了什么......。问问瓦列里吧,他正在开窍......。 我觉得很难想到其他的措辞来形容它 mytarmailS 2020.11.21 19:49 #21547 Aleksey Vyazmikin: 几乎在做同样的事情,只是我有100%的时间和分数。但我不明白这里是如何提出时间正常化的--通过最小距离? 正常化 0-1 正常化 Aleksey Vyazmikin 2020.11.21 19:50 #21548 Maxim Dmitrievsky: 如果在一个已经有标签的数据集中,根据标签的不同,从特征中减去或增加一个散点,这将产生什么影响?特征空间的可分离性看起来会更好吗? 很明显,这样做只是为了培训的目的。 这就是我在文章中使用的方法--将标签分散到一个有意义的距离,这大大提高了学习效果。通常我们的标签在本质上取代了回归,所以与零(平均?)的偏差越大,潜在的特征差异越大--通过不考虑小三通来减少噪音。但这在进/出分类和买入/卖出/预期的三重分类中是有用的。该方法的成功可能也取决于基本战略(已形成或正在形成)。有待进一步研究。 Maxim Dmitrievsky 2020.11.21 19:55 #21549 Aleksey Vyazmikin: 这就是我在论文中使用的方法--将分数分散到一个有意义的距离,这大大改善了学习效果。通常我们的标签在本质上取代了回归,所以与零(平均?)的偏差越大,标志的差异可能越大--通过不考虑小三通来减少噪音。但这在进/出分类和买入/卖出/预期的三重分类中是有用的。该方法的成功可能也取决于基本战略(已形成或正在形成)。有待进一步研究。 到目前为止,我只考虑到了类分离的硬重采样,但我认为还有更简单的方法 你是怎么做的,我应该读哪封信? Aleksey Vyazmikin 2020.11.21 19:56 #21550 Maxim Dmitrievsky: 是的,将代词连在一起 已添加 :) 1...214821492150215121522153215421552156215721582159216021612162...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
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。
因此,我们得到归一化的系列,在振幅和时间(频率)上都是如此
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 所有的TFs 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
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。
几乎做了同样的事,只是我有时间和100%的点数。但我不明白这里是如何建议将时间正常化的--通过最小距离?
很快就猜到了)只是没有人......。
我一定是错过了什么?
我一定是错过了什么?
是的,代词中的连字符。
我再说一遍,给那些蠢货听的。
在特征空间中有一些点。有些是为了买,有些是为了卖。
假设这些点可以以这样的方式移动,即买入-卖出序列不被尊重,也就是说,关于数据集中的价差信息被丢失。
分布可以等同于各点之间或两类点之间的欧几里德距离
如何添加这些信息。FNF,加速和其他可以塞进你的H的东西。可以这么说,这是为了让人有清晰的认识。
交易中的价差在价格上总是负面的。
zy 恶化的条款
Karoch阅读,阅读,阅读,阅读....
我还是不明白你想用这种传播方式做什么(我的大脑今天显然不正常,或者你没说什么......)。
我甚至不明白你想做什么,为什么...
我读,我读,我读,我读,我读 ....
我还是不明白你想用传播做什么(我的大脑今天显然不在状态,或者你没有说什么......)。
我甚至不明白你想做什么,为了什么......。
问问瓦列里吧,他正在开窍......。
我觉得很难想到其他的措辞来形容它几乎在做同样的事情,只是我有100%的时间和分数。但我不明白这里是如何提出时间正常化的--通过最小距离?
正常化 0-1 正常化
如果在一个已经有标签的数据集中,根据标签的不同,从特征中减去或增加一个散点,这将产生什么影响?
特征空间的可分离性看起来会更好吗?
很明显,这样做只是为了培训的目的。
这就是我在文章中使用的方法--将标签分散到一个有意义的距离,这大大提高了学习效果。通常我们的标签在本质上取代了回归,所以与零(平均?)的偏差越大,潜在的特征差异越大--通过不考虑小三通来减少噪音。但这在进/出分类和买入/卖出/预期的三重分类中是有用的。该方法的成功可能也取决于基本战略(已形成或正在形成)。有待进一步研究。
这就是我在论文中使用的方法--将分数分散到一个有意义的距离,这大大改善了学习效果。通常我们的标签在本质上取代了回归,所以与零(平均?)的偏差越大,标志的差异可能越大--通过不考虑小三通来减少噪音。但这在进/出分类和买入/卖出/预期的三重分类中是有用的。该方法的成功可能也取决于基本战略(已形成或正在形成)。有待进一步研究。
到目前为止,我只考虑到了类分离的硬重采样,但我认为还有更简单的方法
你是怎么做的,我应该读哪封信?
是的,将代词连在一起
已添加 :)