交易中的机器学习：理论、模型、实践和算法交易 - 页 2210

新评论
 
马克西姆-德米特里夫斯基：
，这是一个开放式的对话。每个案件都是独一无二的。简单的答案是向后'教'，并进行比较

转动一个行，大致上就像让水往上流。你可以试试，但从直觉上讲，我还没有成长到理解它。

 
fxsaber:

转动一个行，大致上就像让水往上流。你可以试试，但从直觉上讲，我还没有成长到理解它。

不是行，而是受训者和OOS的交换
 
马克西姆-德米特里耶夫斯基：
不是一个行，而是一个trein和oos

你不能这样做，因为右边的2年是在任何粪便上发芽的。

大致上就像在塞舌尔找到一个需要羽绒服的图案，以防冰川。

 
fxsaber:

不能这样做，因为右边的2岁孩子在任何粪便上都在发芽。

大致上就像在塞舌尔找到一个需要羽绒服的模式，以备冰川的发生。

所以，那就不是一般的模式，而是发现了一个局部的模式。然后改变设置，把它拿起来，这样它就可以双向工作了
 
马克西姆-德米特里夫斯基：
所以这不是一个普遍的模式，而是一个局部的模式。然后我需要改变设置，使其在两个方向都能工作。

谢谢，我会考虑的。显然，这不是一个典型的情况。

 
fxsaber:

谢谢你，我会考虑的。显然，这不是一个典型的情况。

如果我们对普通人群一无所知，我们能做什么？只是根据TC的性质，以不同的方式来炫耀。在MO，这样的问题比较少，因为有可能把所有的样品都混在一起。混入其他样本，那么就不会在某个特定的切片上过度学习了。按照惯例，每年抽出一个月时间，对其进行训练。其余的是OOS。
 
fxsaber:

问题是要确定这个集合。当然，接下来我们要找到有利可图的设置子集的权力。如果它相对于原始集合来说是大的，我们就找到了它。

但要确定初始集--必须是某种遗传学。不是在这个主题中，一般来说。

经典的逻辑方法--按重要性和影响的力量来分解设置（类如），并按逻辑进行组合，如有意义的和强的。有意义的和弱的，没有意义的和强的，没有意义的和弱的。这是如果2类设置，如果更多的话几何 或更差的维度的数字和值指数）的诅咒。通过明智的选择来治愈。

 
Maxim Dmitrievsky:

我已经想明白了，你可以从几乎任何软件包中训练 "最小 "的神经网络，这些软件包是为分类或回归设计的。

最主要的是，该软件包允许你访问和修改神经网络的权重。


配方如下。

1）训练神经网络，无论如何，最主要的是要获得一个具有权重的模型

2）选择优化的方法（遗传学、Muravi、蜂群、退火模拟等）。

3）写一个健身函数

4）获取神经元的权重，并将其作为优化的参数。

所有！！！)))

你可以训练neuronka以获取利润，或者让它创造某种巨型指标或其他什么。

 
mytarmailS:

我想出了如何从几乎所有为分类或回归设计的软件包中训练一个 "最小 "神经元。

最主要的是，该软件包允许你访问和修改神经量表。


配方如下。

1）训练神经网络，无论如何，最主要的是要获得一个具有权重的模型

2）选择优化的方法（遗传学、Muravi、蜂群、退火模拟等）。

3）写一个健身函数

4）获取神经元的权重，并将其作为优化的参数。

所有！！！)))

你可以训练neuronka来赚取利润，或者让它创造某种巨型指标或其他什么。

mytarmailS: MytarmailS: MytarmailS: MytarmailS: MytarmailS: MytarmailS: MytarmailS: 你可以训练一个神经元来赚取利润，你需要教它不要失去))))，但有一个问题：网格停止开仓以 保存存款。 我已经试过了，用不同的方法，有无停止，结果都一样，网格最终决定最好的盈利方式是保存存款

 
Maxim Dmitrievsky:

文章中的神经元是在真实的事物上发射的。


进展如何？

1...220322042205220622072208220922102211221222132214221522162217...3399
新评论