交易中的机器学习：理论、模型、实践和算法交易 - 页 2278

新评论
 
mytarmailS:

在我的印象中，TC已经工作了一段时间，并死了...

通常意义上的过滤（魔法师、过滤器等）总是一种延迟，市场上的延迟是一种排水....。

你应该建立另一个范式（没有延迟），例如，水平...

延迟与否有什么关系呢？ 同样是超负荷工作，有什么区别呢？

你需要先寻找一个模式

 
mytarmailS:

你还在等什么？

我有这些想法，一辆马车和一辆马车，排在一起。

该文件给出了一个2个麦克风的例子，还有一个想法是为同一目的使用多种货币。

我还需要研究盲目适应的问题。



损失函数的可视化

 
Maxim Dmitrievsky:

这和延迟有什么关系？ 都是一样的过度装备，怎么教有什么区别？

你必须寻找一种模式，即Furst的模式。

什么是万向节中的过度喂食？ 你到底有没有读懂我说的话？

 
elibrarius:

Alglibe中是否有压缩和解压图形的内容？

关于插值，我看到有几个。哪一个对我们来说是最有效的？而哪一个更快？

我们已经放弃了这个想法...

我们找到了可以压缩和解压图形的东西。下一步是什么？我们如何使用它？

1）认识一打压缩的、未压缩的电流情况？然后呢？到平均水平？毕竟，也许50%的人说买，50%的人说卖。

2）在训练中，有什么办法可以使用吗？减少训练用阵列的大小？

 
elibrarius:

这个想法已经被放弃了...

对我来说，这并不奏效...

扩大并缩小了10倍的范围。

垃圾


还有一个办法......不要对抗不变性，而是缩小维度

或者直接忽略它)

 
mytarmailS:

马什卡有什么过人之处？ 你到底有没有看我写的东西？

使用你的大脑 )

你的神经网络经过一段时间的方法是一个简单的过拟合
 
mytarmailS:

这对我来说并不奏效...

扩大--缩小到X10倍

垃圾


还有一个办法......不要对抗不变性，而是缩小维度

或跳过它)

10次是太多了。

我认为你需要不超过50%。例如，尝试1.1、1.3、1.5倍。


如果你有现成的代码，而且你只需要改变乘数，请检查这些选项

 
mytarmailS:

这对我来说并不奏效...

扩大--缩小到X10倍

垃圾


还有一个办法......不要对抗不变性，而是缩小维度

或忘记它)

你试过第1项吗？也就是说，在预测时，你是否将按比例计算的当前情况的几个变体输入模型？
 
Maxim Dmitrievsky:

把你的大脑打开）。

你的神经网络覆盖MA期的方法是一个简单的过拟合

我没有把它关掉...

网络控制挥舞的周期，周期从2到500，我想...

2至500 的周期等于2至500的 滞后期

网络是否过拟合并不是问题的关键...关键是它控制了周期和周期==滞后

elibrarius:
你试过步骤1吗？也就是说，在预测时，你是否将当前情况的几个按比例的变体输入模型？

是

 

我对这个SPADE算法 非常感兴趣，但我还不知道怎么去做，它已经在我脑子里转了半年了......

如何为它预处理数据不是很明显，目标也是如此+它非常耗费资源，它绝对不是一个 "大数据 "算法...

但在我看来，这是数据挖掘市场的最佳算法。

1...227122722273227422752276227722782279228022812282228322842285...3399
新评论