交易中的机器学习:理论、模型、实践和算法交易 - 页 2388 1...238123822383238423852386238723882389239023912392239323942395...3399 新评论 Maxim Dmitrievsky 2021.04.09 13:42 #23871 通过多次重新训练同一模型,可以获得1-2%的改进 ) 但不是512次 )) Forester 2021.04.09 13:44 #23872 Maxim Dmitrievsky: 它不是这样工作的从模型中删除低重要性 的特征并打破它,然后将你的屁股与你的手指(其他特征)进行比较,以此类推 也试过按1删除。移除。当有大量的垃圾模型时,几乎没有注意到战斗机的损失) Forester 2021.04.09 13:46 #23873 然而,在过去,我只与酒吧合作。自然,邻居们都在替换掉那个退学的人。 现在我不得不处理与MA 等的很多功能。 Maxim Dmitrievsky 2021.04.09 13:48 #23874 elibrarius: 也试过用1来删除。它确实如此。当有大量的碎片时,模型几乎没有注意到失去了一架战斗机) 这都是调整,而不是寻找某种模式的方法,因此,尾巴不应该摇晃。 Aleksey Vyazmikin 2021.04.09 14:15 #23875 elibrarius: 在选择了第一个最佳特征后,第二个特征将是与第一个特征有最佳互动的特征,以此类推。一旦你达到10个,下一个特征将是与之前选择的10个中的任何一个有最佳互动的特征,但很可能是与所有的特征。 我不喜欢一下子否定所有的可能性,也许这种方法也可能产生一个有趣的变体。 问题是,我就是不能自动进行多次停止/启动循环,考虑到在每次迭代中筛选出一些特征。 我可以为一次迭代准备数据,然后我需要再次准备它--这就是我需要Python的原因。 顺便说一句,如果有现成的自动机,我也不介意用你的方法试试我的预测器。 Forester 2021.04.09 14:22 #23876 Aleksey Vyazmikin: 我不喜欢立即抛弃所有可能的选择,也许这种方法可以提供一个有趣的选择。问题是,我不能自动做大量的停止/启动循环,考虑到每次迭代时对任何功能的消除。我可以为一次迭代准备数据,然后我需要再次准备它--这就是我需要Python的原因。顺便说一句,如果有现成的自动机,我也不介意用你的方法试试我的预测器。 如果你一路走来,将有近1000000个模型为1000个特征进行训练。 该自动机很简单--2个嵌套循环。你有一个关于自动开始训练的问题。解决了这个问题,其他一切都将是小事一桩。 Aleksey Vyazmikin 2021.04.09 14:26 #23877 elibrarius: 如果你一直走到最后,将有近1000000个模型为1000个特征训练。 这是一个很大的数字--现在,1000个模型需要大约一天的时间来训练。 如果你把它并行化,在随机森林 上可能会更快。 elibrarius: 该自动机很简单--2个嵌套循环。你有一个自动学习的问题。解决了这个问题,其他一切都将变得微不足道。 这就是问题所在,我无法将这个过程自动化。 Aleksey Vyazmikin 2021.04.09 14:35 #23878 Maxim Dmitrievsky: 这都是调音,不是寻找模式的方法,所以尾巴不应该摇晃。 你只是没有理解我想表达的意思--就分类统计而言,最好的模式并不意味着在盈利方面是最好的。只有在固定SL和TP的情况下才会这样做。 我正在寻找一种方法来影响收入和支出曲线--绿色和红色曲线。 这就是模型对样本反应的概率分布在训练时的样子。 这就是独立样本被喂养时的情况。 可以看出,曲线几乎合并了,而图案却没有恶化得那么厉害--水蓝色的曲线是零,磁铁色的曲线是一--它们的间隔相当可以接受,图案也算是全局保留了下来,但这些图案的成本在收入/支出方面没有得到某种程度的权衡。 Forester 2021.04.09 15:01 #23879 Aleksey Vyazmikin: 这就是问题所在,我无法将这个过程自动化。 2-3天的Python学习,一些简单的事情,比如启动catbust,就可以完成。更有甚者,马克西姆的文章中也有例子。 Evgeni Gavrilovi 2021.04.09 15:02 #23880 Maxim Dmitrievsky 在下一篇文章中,请在Python代码中加入止损和获利。 1...238123822383238423852386238723882389239023912392239323942395...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
通过多次重新训练同一模型,可以获得1-2%的改进 )
但不是512次 ))
它不是这样工作的
从模型中删除低重要性 的特征并打破它,然后将你的屁股与你的手指(其他特征)进行比较,以此类推
现在我不得不处理与MA 等的很多功能。
也试过用1来删除。它确实如此。当有大量的碎片时,模型几乎没有注意到失去了一架战斗机)
这都是调整,而不是寻找某种模式的方法,因此,尾巴不应该摇晃。
在选择了第一个最佳特征后,第二个特征将是与第一个特征有最佳互动的特征,以此类推。一旦你达到10个,下一个特征将是与之前选择的10个中的任何一个有最佳互动的特征,但很可能是与所有的特征。
我不喜欢一下子否定所有的可能性,也许这种方法也可能产生一个有趣的变体。
问题是,我就是不能自动进行多次停止/启动循环,考虑到在每次迭代中筛选出一些特征。
我可以为一次迭代准备数据,然后我需要再次准备它--这就是我需要Python的原因。
顺便说一句,如果有现成的自动机,我也不介意用你的方法试试我的预测器。
我不喜欢立即抛弃所有可能的选择,也许这种方法可以提供一个有趣的选择。
问题是,我不能自动做大量的停止/启动循环,考虑到每次迭代时对任何功能的消除。
我可以为一次迭代准备数据,然后我需要再次准备它--这就是我需要Python的原因。
顺便说一句,如果有现成的自动机,我也不介意用你的方法试试我的预测器。
如果你一路走来,将有近1000000个模型为1000个特征进行训练。
该自动机很简单--2个嵌套循环。你有一个关于自动开始训练的问题。解决了这个问题,其他一切都将是小事一桩。
如果你一直走到最后,将有近1000000个模型为1000个特征训练。
这是一个很大的数字--现在,1000个模型需要大约一天的时间来训练。
如果你把它并行化,在随机森林 上可能会更快。
该自动机很简单--2个嵌套循环。你有一个自动学习的问题。解决了这个问题,其他一切都将变得微不足道。
这就是问题所在,我无法将这个过程自动化。
这都是调音,不是寻找模式的方法,所以尾巴不应该摇晃。
你只是没有理解我想表达的意思--就分类统计而言,最好的模式并不意味着在盈利方面是最好的。只有在固定SL和TP的情况下才会这样做。
我正在寻找一种方法来影响收入和支出曲线--绿色和红色曲线。
这就是模型对样本反应的概率分布在训练时的样子。
这就是独立样本被喂养时的情况。
可以看出,曲线几乎合并了,而图案却没有恶化得那么厉害--水蓝色的曲线是零,磁铁色的曲线是一--它们的间隔相当可以接受,图案也算是全局保留了下来,但这些图案的成本在收入/支出方面没有得到某种程度的权衡。
这就是问题所在,我无法将这个过程自动化。
在下一篇文章中,请在Python代码中加入止损和获利。