交易中的机器学习:理论、模型、实践和算法交易 - 页 2291 1...228422852286228722882289229022912292229322942295229622972298...3399 新评论 Rorschach 2021.01.14 09:03 #22901 Maxim Dmitrievsky: 我的研究表明,情况正好相反 在图2 中,置信区间是如何绘制的? Maxim Dmitrievsky 2021.01.14 09:09 #22902 Rorschach: 在图2 中,如何构建置信区间? 从pandas包中的标准akf,不知道具体怎么做。但你可以看到,第一个滞后期显然不在其中 在最后一篇文章中,纯粹通过MO来确认季节性的。 帐户中的最后一笔交易也证实了这一点 Aleksey Mavrin 2021.01.14 09:28 #22903 同事们,你们能根据经验告诉我吗? 我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的意义? 我使用 Dmitriy Gizlyk的库来做实验。 我知道,通过将数据卸载到R或Python中,我可以计算出各种各样的小问题。但我还没有去找他们,而且他在显卡上的解决方案几乎是 "飞 "的,这很方便。 一般来说,为了简单 起见,监测输入的权重是否有意义,或者在任何情况下,你都应该首先对输入数据进行详细分析? Maxim Dmitrievsky 2021.01.14 09:30 #22904 Aleksey Mavrin: 同事们,你们能根据经验告诉我吗?我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的重要性?我使用 Dmitriy Gizlyk的库来做实验。 我知道,通过将数据卸载到R或Python中,我可以计算出各种各样的小问题。但我还没有去找他们,而且他在显卡上的解决方案几乎是 "飞 "的,这很方便。一般来说,为了简单 起见,监测投入的权重是否有意义,或者在任何情况下,我应该首先对投入进行详细的分析? 你可以通过权重来评估标志的影响 Maxim Dmitrievsky 2021.01.14 09:33 #22905 我为什么要写MO martin(网格)--修改策略的可能性 几乎是无限的,这与通常的随意交易不同。其他行业的分布,其他的依赖性。 mytarmailS 2021.01.14 09:36 #22906 Aleksey Mavrin: 同事们,你们能根据经验告诉我吗?我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的意义? 我认为不是,即使在学习过程中,又有什么意义呢? 它更多地是为开发者准备的,或者当你确切地知道你在寻找什么以及你在监测什么,如果你不知道你就不需要它。 Maxim Dmitrievsky: 我为什么要写 "Martin (grid) on MO"--修改策略的可能性 几乎是无限的,这与通常的全权委托交易不同。其他贸易分布,其他依赖性。 在我看来,你似乎正在走向更多的风险。 你必须向入门的准确性迈进,其他一切都在其次。 入场准确率 ,这是最低的风险+你将永远知道系统已经停止工作,资金损失最小。 正如你所看到的,最大的风险是知道出了什么问题,而最大的金钱损失也即将到来。 Maxim Dmitrievsky 2021.01.14 09:54 #22907 mytarmailS: 我认为你正在走向更多的风险...你需要向入门的准确性迈进,其他都是次要的。 入场准确性是最小的风险+你将永远知道系统已经停止工作,资金的损失最小。至于电网,它是最大的风险+你永远不知道什么地方出了问题,而且会有最大的资金损失 我哪里也不去。 可以有很多不同的网。 我想没有人这样做。 Rorschach 2021.01.14 09:56 #22908 Maxim Dmitrievsky: 但你可以看到,第一个滞后期显然不在其中 在pandas中滞后50,大约有相同数量的第一次计数是相关的。 可能存在虚假的相关性,这就是为什么我采取了增量,它几乎类似于协整。 Maxim Dmitrievsky 2021.01.14 09:57 #22909 Rorschach: 在大熊猫中滞后50,大约有相同数量的第一次计数相关。可能存在虚假的相关性,这就是为什么我采取增量,这几乎类似于协整。 增量都是噪音。 如何找到24个以1为增量的周期? Rorschach 2021.01.14 09:59 #22910 Maxim Dmitrievsky: 我为什么要在MO上写martin(grid)--修改策略的可能性 几乎是无限的,与传统的全权交易不同。其他贸易分布,其他依赖性。 使网的第二个输出计算地段。或者把网络的信心作为一个地段的乘数。 1...228422852286228722882289229022912292229322942295229622972298...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
我的研究表明,情况正好相反
在图2 中,置信区间是如何绘制的?
在图2 中,如何构建置信区间?
从pandas包中的标准akf,不知道具体怎么做。但你可以看到,第一个滞后期显然不在其中
在最后一篇文章中,纯粹通过MO来确认季节性的。
帐户中的最后一笔交易也证实了这一点
同事们,你们能根据经验告诉我吗?
我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的意义?
我使用 Dmitriy Gizlyk的库来做实验。
我知道,通过将数据卸载到R或Python中,我可以计算出各种各样的小问题。但我还没有去找他们,而且他在显卡上的解决方案几乎是 "飞 "的,这很方便。
一般来说,为了简单 起见,监测输入的权重是否有意义,或者在任何情况下,你都应该首先对输入数据进行详细分析?
同事们,你们能根据经验告诉我吗?
我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的重要性?
我使用 Dmitriy Gizlyk的库来做实验。
我知道,通过将数据卸载到R或Python中,我可以计算出各种各样的小问题。但我还没有去找他们,而且他在显卡上的解决方案几乎是 "飞 "的,这很方便。
一般来说,为了简单 起见,监测投入的权重是否有意义,或者在任何情况下,我应该首先对投入进行详细的分析?
你可以通过权重来评估标志的影响
同事们,你们能根据经验告诉我吗?
我想知道在训练过程中监控输入层的权重(输入被归一化)是否有意义?它是否给出了一些现实的东西来评估投入的意义?
我认为不是,即使在学习过程中,又有什么意义呢?
它更多地是为开发者准备的,或者当你确切地知道你在寻找什么以及你在监测什么,如果你不知道你就不需要它。
我为什么要写 "Martin (grid) on MO"--修改策略的可能性 几乎是无限的,这与通常的全权委托交易不同。其他贸易分布,其他依赖性。
在我看来,你似乎正在走向更多的风险。
你必须向入门的准确性迈进,其他一切都在其次。
入场准确率 ,这是最低的风险+你将永远知道系统已经停止工作,资金损失最小。
正如你所看到的,最大的风险是知道出了什么问题,而最大的金钱损失也即将到来。
我认为你正在走向更多的风险...
你需要向入门的准确性迈进,其他都是次要的。
入场准确性是最小的风险+你将永远知道系统已经停止工作,资金的损失最小。
至于电网,它是最大的风险+你永远不知道什么地方出了问题,而且会有最大的资金损失
我哪里也不去。
可以有很多不同的网。
我想没有人这样做。
但你可以看到,第一个滞后期显然不在其中
在pandas中滞后50,大约有相同数量的第一次计数是相关的。
可能存在虚假的相关性,这就是为什么我采取了增量,它几乎类似于协整。
在大熊猫中滞后50,大约有相同数量的第一次计数相关。
可能存在虚假的相关性,这就是为什么我采取增量,这几乎类似于协整。
增量都是噪音。
如何找到24个以1为增量的周期?
我为什么要在MO上写martin(grid)--修改策略的可能性 几乎是无限的,与传统的全权交易不同。其他贸易分布,其他依赖性。
使网的第二个输出计算地段。或者把网络的信心作为一个地段的乘数。