交易中的机器学习:理论、模型、实践和算法交易 - 页 227 1...220221222223224225226227228229230231232233234...3399 新评论 toxic 2016.11.25 17:59 #2261 标签 Konow:嗯,要点可以用一组句子来概括。这就是我所要求的。 现在的任务不是研究这个专题,而是初步估计其范围。这就是为什么我说制定它(如果你理解的话)。 至少要看到第一个讲座。你不可能用两句话就说清楚,这个领域太广泛了。 СанСаныч Фоменко 2016.11.25 18:02 #2262 移至 "有趣和幽默 "主题。 Реter Konow 2016.11.25 18:08 #2263 我想知道 它是什么。 至少要看到第一个讲座。你不可能用两句话就把它说清楚,这个领域太广了。你看,我在等你阐明观点,因为我想了解你对机器学习这个概念到底想要什么。讲座会告诉你的是其他人的理解。也许算法交易界需要的是具体的机器学习。 我想了解algotraders在机器学习的广泛领域到底需要什么,从而减少学习不相关领域的时间,限制代码绕过不必要的任务,最终实现正确的执行目标。 mytarmailS 2016.11.25 18:37 #2264 ReTeg Konow:你看,我在等你阐明观点,因为我想了解你在 "机器学习 "方面到底想要什么。讲座会告诉你的是其他人的理解。也许阿尔戈特交易社区需要特定的机器学习。 我想了解在机器学习的广泛领域中,algotraders具体需要什么,从而减少学习不相关领域的时间,限制代码绕过不必要的任务,最终实现目标的正确实施。这里有两个目标,非常普遍1)定性的特征选择其特点是:例如,你喜欢技术分析,支持,阻力,反弹,分解等。你通过这些特征看到市场,我们不提供价格,只提供支撑、阻力、反弹、崩溃等迹象。进入算法重点来了 2)决定的产生"玩弄 "这些标志的算法开始创建一些最佳的交易规则--决策,并选择那些有价值的标志和那些对做出良好决策不重要的标志。=====================因此,正确的数据处理是工作的98%。训练的MO是2%。 Реter Konow 2016.11.25 18:46 #2265 mytarmailS:这里有两个目标,非常普遍1)定性选择特征这些标志是: 。例如,你喜欢技术分析,支持,阻力,反弹,分解等。你通过这些特征看到市场,我们不提供价格,只提供支撑、阻力、反弹、破位等特征。进入算法重点来了 2)决定的产生"玩弄 "这些标志的算法开始创建一些最佳的交易规则--决策,并选择那些有价值的标志和那些对做出良好决策不重要的标志。谢谢你。我开始有了一个想法。一种一般的签名收集和分析当前时期的各种数据变化,这些数据被送入一个特殊的算法,在那里进行分析,收集数据签名的统计数据,调查签名的模式和重复,并产生关于系统行为的决定。大概是这样的? toxic 2016.11.25 18:46 #2266 ReTeg Konow:你看,我在等你阐述本质,因为我想了解你对 "机器学习 "这个词到底想要什么。讲座上要讲的是其他人的理解。也许阿尔戈特交易社区需要特定的机器学习。 我想了解algotraders在机器学习的广泛领域到底需要什么,从而减少学习无关领域的时间,限制代码绕过不必要的任务,最终实现正确的实施目标。机器学习的本质是对数据集进行近似,以获得生成数据集的准模型。在分类的情况下,它是一个标记点的云,以获得分离它们的掩码。 Реter Konow 2016.11.25 18:53 #2267 关键 是要得到将他们分开的面具。MO的本质是对一个数据集进行近似,以得到一个生成它的准模型。在分类的情况下,它是一个标记点的云,以获得分离它们的掩码。近似值是对数值的概括。也就是说,它是为了在一个选定的范围内封装不同的数据值吗?此外,还可以建立一个数字模型,概括出一个数值在一段时间内的变化。通过收集这些模型,有可能创建统计数据,在此基础上进行决策和行动选择。 我的方向正确吗? Реter Konow 2016.11.25 19:10 #2268 简而言之,-1.创建一个算法,收集我们需要的任何参数(数据)的值流,并通过环形缓冲器 运行它们。2.我们将存储在环形缓冲器中的数值流通过一个特殊的过滤器,该过滤器将它们概括为这些数值的范围。3.对环形缓冲器中每个参数的值的性质建立一个概括的(通过范围)数字模型,并以适当的格式写下来。4.这个模型被发送到收集这些模型的统计算法中。5.我们循环浏览包含我们参数值变化性质的模型(签名)的数据库,并找到最适合当前情况的模型。6.对系统在该签名(模型)中所捕捉到的情况下的行为做出决定。我将在以后更精确地表述它。 mytarmailS 2016.11.25 19:16 #2269 毒物 所显示的是一种聚类,但有一个老师,开始时的点是标志,或者说是它们的数字参数,你有一个买入和卖出的目标,所以在训练之前,你标记了向上(买入)和向下(卖出),算法开始用目标划分标志的参数,如蓝色区域是买入,红色是卖出......但现在,最新的嗡嗡声是这样的https://www.youtube.com/watch?v=05rEefXlmhIhttps://www.youtube.com/watch?v=qv6UVOQ0F44https://www.youtube.com/watch?v=xcIBoPuNIiw但我是个十足的书呆子。而这个人是搞笑的))))。https://www.youtube.com/watch?v=pgaEE27nsQw Super Mario Bros. - Neural Network with Genetic Algorithm 2015.07.04www.youtube.com Download code here: http://pastebin.com/0RJrwspT This is a demonstration of a neural network learning to play an NES game using a genetic algorithm to adapt.... Реter Konow 2016.11.25 19:27 #2270 mytarmailS:毒物 所显示的是一种聚类,但有一个老师,开始时的点是标志,或者说是它们的数字参数,你有一个买入和卖出的目标,所以在训练之前,你标记了向上(买入)和向下(卖出),算法开始用目标划分标志的参数,如蓝色区域是买入,红色是卖出......但现在,最新的嗡嗡声是这样的https://www.youtube.com/watch?v=05rEefXlmhIhttps://www.youtube.com/watch?v=qv6UVOQ0F44https://www.youtube.com/watch?v=xcIBoPuNIiw但我是个十足的书呆子。我明天会看一下这一切。两年前,我有一些想法,结果发现在某些方面与机器学习相似。我把它称为 "收集参数值变化的数字签名"。我想出了这项技术的基础,并把它写下来。我从未着手实施它,因为我总是被其他事情分心。明天我将描述这些 "签名 "的整个概念,你告诉我它与机器学习有多相似。 如果它们是接近的东西,那么创造算法的技术对我来说已经很清楚了。 1...220221222223224225226227228229230231232233234...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
嗯,要点可以用一组句子来概括。这就是我所要求的。
现在的任务不是研究这个专题,而是初步估计其范围。这就是为什么我说制定它(如果你理解的话)。
至少要看到第一个讲座。你不可能用两句话就把它说清楚,这个领域太广了。
你看,我在等你阐明观点,因为我想了解你对机器学习这个概念到底想要什么。
讲座会告诉你的是其他人的理解。也许算法交易界需要的是具体的机器学习。
我想了解algotraders在机器学习的广泛领域到底需要什么,从而减少学习不相关领域的时间,限制代码绕过不必要的任务,最终实现正确的执行目标。
你看,我在等你阐明观点,因为我想了解你在 "机器学习 "方面到底想要什么。
讲座会告诉你的是其他人的理解。也许阿尔戈特交易社区需要特定的机器学习。
我想了解在机器学习的广泛领域中,algotraders具体需要什么,从而减少学习不相关领域的时间,限制代码绕过不必要的任务,最终实现目标的正确实施。
这里有两个目标,非常普遍
1)定性的特征选择
其特点是:
例如,你喜欢技术分析,支持,阻力,反弹,分解等。
你通过这些特征看到市场,我们不提供价格,只提供支撑、阻力、反弹、崩溃等迹象。进入算法
重点来了
2)决定的产生
"玩弄 "这些标志的算法开始创建一些最佳的交易规则--决策,并选择那些有价值的标志和那些对做出良好决策不重要的标志。
=====================
因此,正确的数据处理是工作的98%。
训练的MO是2%。
这里有两个目标,非常普遍
1)定性选择特征
这些标志是: 。
例如,你喜欢技术分析,支持,阻力,反弹,分解等。
你通过这些特征看到市场,我们不提供价格,只提供支撑、阻力、反弹、破位等特征。进入算法
重点来了
2)决定的产生
"玩弄 "这些标志的算法开始创建一些最佳的交易规则--决策,并选择那些有价值的标志和那些对做出良好决策不重要的标志。
谢谢你。我开始有了一个想法。
一种一般的签名收集和分析当前时期的各种数据变化,这些数据被送入一个特殊的算法,在那里进行分析,收集数据签名的统计数据,调查签名的模式和重复,并产生关于系统行为的决定。
大概是这样的?
你看,我在等你阐述本质,因为我想了解你对 "机器学习 "这个词到底想要什么。
讲座上要讲的是其他人的理解。也许阿尔戈特交易社区需要特定的机器学习。
我想了解algotraders在机器学习的广泛领域到底需要什么,从而减少学习无关领域的时间,限制代码绕过不必要的任务,最终实现正确的实施目标。
机器学习的本质是对数据集进行近似,以获得生成数据集的准模型。在分类的情况下,它是一个标记点的云,以获得分离它们的掩码。
MO的本质是对一个数据集进行近似,以得到一个生成它的准模型。在分类的情况下,它是一个标记点的云,以获得分离它们的掩码。
近似值是对数值的概括。也就是说,它是为了在一个选定的范围内封装不同的数据值吗?此外,还可以建立一个数字模型,概括出一个数值在一段时间内的变化。通过收集这些模型,有可能创建统计数据,在此基础上进行决策和行动选择。
我的方向正确吗?
简而言之,-
1.创建一个算法,收集我们需要的任何参数(数据)的值流,并通过环形缓冲器 运行它们。
2.我们将存储在环形缓冲器中的数值流通过一个特殊的过滤器,该过滤器将它们概括为这些数值的范围。
3.对环形缓冲器中每个参数的值的性质建立一个概括的(通过范围)数字模型,并以适当的格式写下来。
4.这个模型被发送到收集这些模型的统计算法中。
5.我们循环浏览包含我们参数值变化性质的模型(签名)的数据库,并找到最适合当前情况的模型。
6.对系统在该签名(模型)中所捕捉到的情况下的行为做出决定。
我将在以后更精确地表述它。
毒物 所显示的是一种聚类,但有一个老师,开始时的点是标志,或者说是它们的数字参数,你有一个买入和卖出的目标,所以在训练之前,你标记了向上(买入)和向下(卖出),算法开始用目标划分标志的参数,如蓝色区域是买入,红色是卖出......
但现在,最新的嗡嗡声是这样的
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
但我是个十足的书呆子。
而这个人是搞笑的))))。
https://www.youtube.com/watch?v=pgaEE27nsQw
毒物 所显示的是一种聚类,但有一个老师,开始时的点是标志,或者说是它们的数字参数,你有一个买入和卖出的目标,所以在训练之前,你标记了向上(买入)和向下(卖出),算法开始用目标划分标志的参数,如蓝色区域是买入,红色是卖出......
但现在,最新的嗡嗡声是这样的
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
但我是个十足的书呆子。
我明天会看一下这一切。
两年前,我有一些想法,结果发现在某些方面与机器学习相似。我把它称为 "收集参数值变化的数字签名"。我想出了这项技术的基础,并把它写下来。我从未着手实施它,因为我总是被其他事情分心。
明天我将描述这些 "签名 "的整个概念,你告诉我它与机器学习有多相似。
如果它们是接近的东西,那么创造算法的技术对我来说已经很清楚了。