交易中的机器学习：理论、模型、实践和算法交易 - 页 227

[toxic]

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]

移至 "有趣和幽默 "主题。

[Реter Konow]

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]

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]

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]

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]

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]

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]

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

[Реter Konow]

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=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。