交易中的机器学习：理论、模型、实践和算法交易 - 页 2291

新评论
 
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？

 
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

 

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？

 
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

 
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。
 
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。

 
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。

 
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。

 
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？

 
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