交易中的机器学习:理论、模型、实践和算法交易 - 页 2585 1...257825792580258125822583258425852586258725882589259025912592...3399 新评论 Aleksey Nikolayev 2022.02.17 06:50 #25841 Maxim Dmitrievsky#: 有意思,但不清楚该从哪里开始。损失应该是基于一些关于市场模式的概念,显然。好吧,例如,人们可以对波动性进行修正。 我认为开始时很简单--通过逻辑回归分类为两个类别(进入/退出),并有少量的属性。只是想看看为什么这个话题不是很受欢迎。 mytarmailS 2022.02.17 07:13 #25842 Maxim Dmitrievsky#: 自定义指标被用来选择模型,但学习仍然是通过标准指标(例如分类的logloss)。因为你的指标与特征/目标关系无关,而标准的指标则与之有关。而这里有点不清楚的是,接下来是通过夏普比率或R2来选择模型,还是在最大化它们时立即停止学习。你也许可以用两种方式来做。 一个完全的谬论,我有点为你感到尴尬...... Aleksey Nikolayev#: 不过,如果能尝试完全摒弃标准指标,用类似于metatrader优化中使用的指标来取代它们,那将是非常有趣的)我可能要到一个较低的层次,直接与优化包合作。 这是我半年多来一直告诉你的,最好是通过健身功能来训练AMO! Maxim Dmitrievsky 2022.02.17 07:16 #25843 mytarmailS#: 完全的错觉,我有点为你感到尴尬...... 你刚刚表达了日本人对整个世界社区的耻辱)有一大套自定义指标,但主要的学习是关于最小化logloss的。停止由定制的人做的学习。与定制的底座相匹配是很好的,没有必要大惊小怪。学习,学生 mytarmailS 2022.02.17 07:35 #25844 Maxim Dmitrievsky#: 你刚刚表达了日本人对整个世界社会的耻辱。 ) 有一大套自定义指标,但主要的训练是使logloss最小化。停止通过定制的学习确实如此。与定制的底座相匹配是很好的,没有必要大惊小怪。学习,学生。 我是一个终生的学生。 Maxim Dmitrievsky 2022.02.17 07:39 #25845 mytarmailS#: 学习,终生的学生 根据我的理解,Logloss显示了特征和目标之间的相互信息量。这是最客观的f-i,没有描述依赖的形式。模型的训练是为了最大限度地减少这种信息的损失,特别是提升的工作方式。你在自定义的基础上添加的东西将在训练中停止。 mytarmailS 2022.02.17 07:48 #25846 Maxim Dmitrievsky#: Logloss显示了特征和目标之间的相互信息量,就我的理解而言。这是最客观的f值,没有描述依赖性的类型。模型的训练是为了最大限度地减少这种信息的损失,特别是提升的工作方式。 例如... 有一个 特征数据帧"X" 有一个模型 "M" 有5个时间序列 "tc5"。 任务是。 模型 "M "将 "X "作为输入(一切如常)。 和 "M "输出的两个向量应该是 1)最大限度地保持稳定 2)尽可能不与所有 "Мc5 "向量相关联 你没有一个通常形式的目标设定,你有对模型输出的要求...我们不是在预测价格、ZZ、回报等,那完全是另一首歌。 你将如何用你的助推器来解决这个问题? Maxim Dmitrievsky 2022.02.17 08:01 #25847 mytarmailS#: 例如...有一个 特征数据帧"X"有一个模式 "M"有5个时间序列 "tc5"任务是。模型 "M "将 "X "作为输入(一切如常)。和 "M "输出的两个向量应该是1)最大限度地保持稳定2)尽可能不与所有 "Мc5 "向量相关联你没有一个通常形式的目标设定,你有对模型输出的要求...我们不是在预测价格、ZZ、回报和PR,那完全是另一首歌。你将如何用你的助推器来解决这样的事情? 通过重写目标,任务被逆转了 mytarmailS 2022.02.17 08:03 #25848 Maxim Dmitrievsky#: 通过列举目标,任务是相反的 1)训练数百万次的模型,看看会发生什么?2) 你从哪里获得列举的目标?3) 如果助推器开箱即有一个输出,我们如何从模型中获得两个(或22个)输出? Maxim Dmitrievsky 2022.02.17 08:09 #25849 mytarmailS#: 1)你把这个模型教了几百万次,看看会发生什么?2)你从哪里得到重建的目标输出?3) 如果助推器开箱就有一个输出,我怎么能从模型中获得两个(或22个)输出? 是的,好的目标是从天花板上取,或者是F-U。据我从描述中了解,你是在倒着做训练。与经典相比,它有什么优势,这是我想找到答案的问题。 mytarmailS 2022.02.17 08:22 #25850 马克西姆-德米特里耶夫斯基#: 是的,好的,目标从天花板上取下,或F-U。据我从描述中了解,你是在倒着做训练。与经典的相比,它有什么优势,这个问题需要回答 )))) 我不干了) 1...257825792580258125822583258425852586258725882589259025912592...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
有意思,但不清楚该从哪里开始。损失应该是基于一些关于市场模式的概念,显然。好吧,例如,人们可以对波动性进行修正。
我认为开始时很简单--通过逻辑回归分类为两个类别(进入/退出),并有少量的属性。只是想看看为什么这个话题不是很受欢迎。
自定义指标被用来选择模型,但学习仍然是通过标准指标(例如分类的logloss)。因为你的指标与特征/目标关系无关,而标准的指标则与之有关。而这里有点不清楚的是,接下来是通过夏普比率或R2来选择模型,还是在最大化它们时立即停止学习。你也许可以用两种方式来做。
一个完全的谬论,我有点为你感到尴尬......
不过,如果能尝试完全摒弃标准指标,用类似于metatrader优化中使用的指标来取代它们,那将是非常有趣的)我可能要到一个较低的层次,直接与优化包合作。
这是我半年多来一直告诉你的,最好是通过健身功能来训练AMO!
完全的错觉,我有点为你感到尴尬......
你刚刚表达了日本人对整个世界社会的耻辱。 ) 有一大套自定义指标,但主要的训练是使logloss最小化。停止通过定制的学习确实如此。与定制的底座相匹配是很好的,没有必要大惊小怪。学习,学生。
我是一个终生的学生。
学习,终生的学生
Logloss显示了特征和目标之间的相互信息量,就我的理解而言。这是最客观的f值,没有描述依赖性的类型。模型的训练是为了最大限度地减少这种信息的损失,特别是提升的工作方式。
例如...
有一个 特征数据帧"X"
有一个模型 "M"
有5个时间序列 "tc5"。
任务是。
模型 "M "将 "X "作为输入(一切如常)。
和 "M "输出的两个向量应该是
1)最大限度地保持稳定
2)尽可能不与所有 "Мc5 "向量相关联
你没有一个通常形式的目标设定,你有对模型输出的要求...
我们不是在预测价格、ZZ、回报等,那完全是另一首歌。
你将如何用你的助推器来解决这个问题?
例如...
有一个 特征数据帧"X"
有一个模式 "M"
有5个时间序列 "tc5"
任务是。
模型 "M "将 "X "作为输入(一切如常)。
和 "M "输出的两个向量应该是
1)最大限度地保持稳定
2)尽可能不与所有 "Мc5 "向量相关联
你没有一个通常形式的目标设定,你有对模型输出的要求...
我们不是在预测价格、ZZ、回报和PR,那完全是另一首歌。
你将如何用你的助推器来解决这样的事情?
通过列举目标,任务是相反的
1)你把这个模型教了几百万次,看看会发生什么?
是的,好的,目标从天花板上取下,或F-U。据我从描述中了解,你是在倒着做训练。与经典的相比,它有什么优势,这个问题需要回答
))))
我不干了)