交易中的机器学习:理论、模型、实践和算法交易 - 页 2207

 
Maxim Dmitrievsky:

它还说,做充分的标记是很昂贵的,而且一般来说是未知的......所以半监督学习在许多情况下可能效果更好。

它在海豹突击队和其他许多人身上进行了测试,效果良好。

但对我们来说,做充分的标记并不昂贵(在我们的案例中),我们不能通过类标签来做,但我们可以通过搜索最小值来描述它。

而且它应该能更好地工作...明白我的意思吗?

 
mytarmailS:

但对我们来说,做充分的标记并不昂贵(在我们的案例中),我们不能用类标签来做,但我们可以用搜索最小值来描述它...

而且它应该能更好地工作...你知道我的意思吗?

比方说,你最大限度地减少了跌幅,得到了一个很好的利润系数或其他东西,但这并不意味着你的F-F-F-F-最小,在崇拜能力方面。

此外,你根本不知道你的数据是如何分布的,以及新数据中的内容。
 
Maxim Dmitrievsky:

让我们说,你最大限度地减少了缩减,并获得了一个良好的利润系数或其他东西,但这并不意味着你的FF是在最低限度,在崇拜能力方面。

那么就像你的经典做法一样,就像50年前的Ivakhnenka一样))

三个样本,一个用来合成模型,另外两个用来检查。

Maxim Dmitrievsky:
此外,你不知道你的数据是如何分布的,也不知道新的数据里有什么。

我们不需要知道它,因为我们知道标签(我们已经描述了什么是最小的)。

 
mytarmailS:

好吧,我应该像你和Ivakhnenka在50年前那样做))。

三个样本,一个用于合成模型,另外两个用于检查

我们其实不需要知道这些,因为我们知道标签(我们已经描述了最低限度是什么)。

我的标签也在变化,它们是随机的。如果我知道这个模式,我就不会痛苦了 )

 
但没有任何包可以让你添加自己的健身函数((())。
 
Maxim Dmitrievsky:

我的标签也在变化,它们是随机的。如果我知道这个模式,我就不会受苦了)。

你是什么意思?

你不自己在托盘上做标记吗?"之 "字形或其他东西,你只是随意地戳一下标签?

 
mytarmailS:

你是什么意思?

你不在托盘上做你自己的标记?

我是随机做的。这一切都在文章中。伪随机,或者说。标签总是好的(就盈利能力而言),你可以在其中制造噪音,让它们变得更糟

 
Maxim Dmitrievsky:

随机地做。这一切都在文章中。伪随机,或者说。标签总是好的(就盈利能力而言),你可以在其中制造噪音,让它们变得更糟

那里(文章中)的标签似乎是有意义的,甚至是由人做的。而你有一个随机的好的样本,所以伪?

充分的标记意味着完整的标记?

 
Valeriy Yastremskiy:

那里(文章中)的标签似乎是有意义的,甚至是由人做的。而你有一个随机的好的样本,所以伪?

足够的标记有充分的隐含?

什么文章,我是说我的

我不太明白这个问题。

我从一开始就明白,基于之字形等的标记是没有意义的。

我从一开始就明白,用之字形或其他方式做标记其实是没有意义的。最主要的是训练他们赚钱,而不是让他们沉沦。

 
Maxim Dmitrievsky:

什么文章,我是说我的。

我不太明白这个问题。

出于某种原因,我从一开始就明白,人字形和其他标记实际上是没有意义的。

我从一开始就明白,用之字形或其他方式做标记实际上没有多大意义。最主要的是训练他们赚钱,而不是抛弃他们。

我在维基上给你的那个关于半点击的链接......训练。我理解的痕迹是稳定区的边缘。

我不能进ZZ,因为打分就是进去了,没有任何章节的差异,教学内容也是一样的,如果按ZZ的打分进去,那么有太多的例子,标志不一样,结果不可能好。