Машинное обучение (англ. ) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных. Различают два типа обучения: Обучение по прецедентам, или индуктивное обучение, основано...
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的参数值如何变化的模型（签名）的数据库，找到最适合当前情况的模型。
6.对系统在该签名（模型）所捕获的情况下的行为做出决定。
我将在以后更精确地表述它。
7.测试和失去存款。因为我们不能只是收集任何价值流并在其上创建一个专家顾问。这些线程需要被分析，你需要自己写自行车，以确定它们中的每一个或它们的一些组合是否可以被信任。
例如，你可以采取两个MovingAverage指标，并对它们进行第2-6步的操作。错误只有在第七步才会被发现。
因此，在1和6之间还有一个步骤（每个人都决定在哪里和如何做），抛弃不适合的数据流。这个论坛的很大一部分主题都是在分析不同的方法。
近似是对数值的一种概括。也就是说，它是要在一个选定的范围内封装不同的数据值吗？此外，你可以创建一个数字模型，总结一段时间内的数值变化。通过收集这些模型，你可以创建统计数据，作为决策和行动选择的基础。
我的方向正确吗？
简而言之。
1.我们创建一个算法，收集我们需要的任何参数（数据）的值流，并通过一个环形缓冲器运行它们。
2.让存储在环形缓冲器中的数值流通过一个特殊的过滤器，该过滤器将它们汇总到这些数值的范围。
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。
不幸的是，你的思考方向不对:（。
你要求简明扼要地说明本质，我白做了，尽管我知道这没有意义，而你立即在你的知识基础上从事这种 "形象化 "的设想的投射，不幸的是，这不会导致任何好结果。这就好比你让我用两句话来说明数学分析的本质，我以时间序列 为例说，导数只是序列中两个相邻值的差，而积分是累积的总和，你就会马上急于求成水动力学的纳维-斯托克斯方程。情况大致相同。IO是人工智能，它是一门令人印象深刻的科学，由于IO搜索引擎比我们希望的更好地找到我们需要的东西，由于IO机器比医生更好地进行医疗诊断，由于IO在强子对撞机中发现了新的基本粒子，IO可以更好地下棋，GO和很快任何一般的游戏都会被玩得更好。要理解MO的精髓至少需要5年时间，20人中有1人具有技术思维。
非常值得赞扬的是，你不怕犯错，敢于战斗，这是一个非常好的心态，不要失去它，但同时要尽量客观地评估掌握这个基本上是最难的知识领域所需的工作量，看讲座，我给你的建议是入门。
你 所展示的是一种聚类，但有一个老师
分类
是的，没错，这是个错字)
不幸的是，你的思考方向并不正确 :(
让他试试吧，为什么不呢，他的大脑没有被教条和陈规所玷污，突然他就会发现一些有趣的东西？
让他试试吧，为什么不呢，他的大脑没有被教条和既定的定型观念所污染，如果他发现了有趣的东西呢？
这不是由我和你来决定他能不能尝试什么，这是关于这个领域的基本知识，如果没有这些知识，甚至谈论这一切也没有意义。
致所有真正研究IR的人。
请不要和那些不知道也不想知道这个知识领域的人进行无用 的讨论。宣布："给我看，证明...... "的 "先锋"。然后也许我会开始学习"，在这个论坛上，大海中充满了这些人。他们对这一主题没有丝毫了解，就会以青春期的极端主义批评并证明其无用性。如果人们没有长大，就不可能也不需要说服他们相信任何知识的重要性和有用性。
这种讨论不仅是无用的，而且是有害的。你满足了他们的自负，提升了他们的批评，鼓励他们进一步发表垃圾言论。我们不能禁止不相关的、愚蠢的帖子，但我们可以而且应该忽略它们。
对于想了解机器学习 而又不会使用互联网搜索的人来说，这里有一个提示：从这里开始。
https://ru.wikipedia.org/wiki/Машинное_обучение
http://www.r2d3.us/Наглядное-Введение-в-Теорию-Машинного-Обучения/
http://www.machinelearning.ru/wiki/index.php?title=Machine_Learning
http://datareview.info/article/vse-modeli-mashinnogo-obucheniya-imeyut-svoi-nedostatki/
===============================
这条线变得太大，无法阅读。我建议建立一个新的 "RUserGroup "主题，只讨论机器学习模型 在MT4/5终端的具体应用，在语言上允许它没有问题。我知道两个（R，Python）。将与提供的代码进行讨论。也欢迎有其他语言经验的专家。
我们可以从以前的帖子中的卷积网络的例子开始。
祝好运
谢谢大家对我无疑是业余的观点进行评论。我不否认，这个话题对我来说是陌生的。也许昨天所说的想法与机器学习无关，但论坛并不禁止做一个书呆子，编织伪科学的废话，试图理解一个复杂而重要的主题。)我并不害怕显得愚蠢和无知。
我相信，如果讨论能让人们思考，超越陈规陋习，考虑新的方法，那么任何讨论都是无用的。它对初学者和有经验的专业人士都同样有用。我唯一表现出最大限度的东西是我对这一立场的厌恶。
"我们将坐在MQL论坛上，宣传其他语言更先进，并敦促使用拐杖方法来解决MQL未能应对的问题。我们不会在MQL中实施新功能，帮助它成长--我们宁愿责备它，批评它。我们擅长机器学习，但我们无法在MQL中实现它，而那些想尝试的人只是无知者。
我认为这是一个死胡同的位置。既无助于个人成长，也无助于语言或平台的发展，而且对喜欢MQL的人也没有帮助。如果你只对别人的执行情况感兴趣，为什么要在这里讨论？有一个R论坛。如果那些自认为是专家的人不打算在其中实施什么，这样的讨论对MQL的发展有什么好处？此外，他们还劝阻其他人不要这样做。
我很清楚，一个庞大而复杂的主题不可能受到 "一锤定音 "的影响，但本着与其他语言的本地宣传者相抵触的精神，我将宣传MQL以及在其中实现新的 "不可用 "功能的可能性。
因此，稍后我将发表我对机器学习的概念，无论如何。
愿我被烂西红柿砸死）。
为什么有一些爱好者在改写mql的轮子？
顺便说一下，最近有人要求提供一个关于NS的简单例子，由于某些原因，没有人记得雷舍托夫的旧工作方法。顺便说一下，据我所知，雷舍托夫本人现在根本没有在µl上开发他的项目。
https://www.mql5.com/ru/code/10289
https://www.mql5.com/ru/code/16727
https://www.mql5.com/ru/code/1104
如果有人已经为在MQL中实现机器学习奠定了一定的基础，那么有些人想推广其他语言的愿望就更让人难以理解了。我们只需要继续发展这个基础。
上述所有代码都是对雷舍托夫作品的翻拍，关于这一点，100500年前就有争论--它是NS还是自制的垃圾。
这方面的证据是市场上几乎完全没有这种专家顾问。
所以在公共领域没有基于mql的ns的例子。
而这是在经过6年的平台和语言发展之后。
你可以成为先驱者））欢迎你