交易中的机器学习:理论、模型、实践和算法交易 - 页 2647 1...264026412642264326442645264626472648264926502651265226532654...3399 新评论 Maxim Dmitrievsky 2022.05.22 15:11 #26461 Maxim Kuznetsov #:威 !我理解您,您受过特殊教育,有特殊经验,与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验?)但你能嘲笑他们多少次? 我只是在嘲笑他们,我写的就是事实。 Aleksey Nikolayev 2022.05.22 15:19 #26462 Maxim Kuznetsov #:威 !我理解您,您受过特殊教育,有特殊经验,与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验?)但你能取笑他们多少次? 哦,施特尔利茨们/反施特尔利茨们在这里)。 Valeriy Yastremskiy 2022.05.22 15:33 #26463 没事...正常渠道有弯曲和异物,但渠道稳定)))) Maxim Dmitrievsky 2022.05.23 11:59 #26464 Valeriy Yastremskiy #: 没事...正常通道有弯曲和外来夹杂物,但通道是稳定的))))。 这是 runet 中最有用、最专业的讨论,您可以对其进行慕课。 Aleksey Vyazmikin 2022.05.25 07:17 #26465 Aleksey Nikolayev #:在我看来,一个简单的算法只对预测因子集合中的有限部分起作用是很正常的。 你可以从样本中逐步去除 "好 "的样本,然后将算法应用于剩余的样本。从本质上讲,这类似于 "剔除"(bousting)。或许,你也可以采用类似于随机森林的方法--获取一大组预测因子,然后为每个子集找到几个方框。 如果我没理解错的话,组合预测因子的目的是以不相互重叠的方式排列已识别的方框,即使重叠,也不会明显恶化结果,对吗? Renat Akhtyamov 2022.05.25 07:24 #26466 Maxim Dmitrievsky #: 我跟你开玩笑的,我说的都是实话 你只是没看到幕后花絮而已。 ;) Maxim Dmitrievsky 2022.05.25 10:35 #26467 Renat Akhtyamov #:你只是没有看到幕后的故事。;) 我当然看到了,不久前我们还在嘲笑你的猴子呢。 Aleksey Nikolayev 2022.05.25 11:11 #26468 Aleksey Vyazmikin #:如果我没理解错的话,组合预测因子的目的是以不相互重叠的方式排列已识别的方框,即使重叠也不会明显恶化结果,对吗? 我认为,如何处理检测到的方框是一个复杂的问题,几乎没有针对所有可能情况的明确规则。一个好的、经过深思熟虑的算法可能是相当隐秘的 "诀窍")。 如果案例是根据同一组预测因子得到的,那么它们之间没有交集就足够了。如果有交集,则可以将其分配到一个单独的盒子中,其补集也可以分成几个盒子。但是,盒子数量过多会使样本过于分散。因此,我们可以概括方框的概念--在规则语言中,这意味着在 AND 的基础上增加否定和 OR。 如果方框是在完全不同的预测因子上得到的(例如,通过随机森林方法),那么它们只能在样本中属于它们的部分的意义上重叠。这里可能需要一些近似组合的想法。 如果预测集有部分重叠,那么很可能是多种方法的混合,但目前还很难确定。 我还不清楚如何将其纳入一个统一的方案。构建决策树的标准方法简单而 "漂亮 "地规避了这些问题,因此不太适合我们的目的。也许可以通过选择一种剪枝算法来改进它,但我认为最好还是创造性地重新设计规则构建算法。 Aleksey Nikolayev 2022.05.25 11:13 #26469 Maxim Dmitrievsky #: 我们不久前还嘲笑你的猴子呢。 有道理,即使是木偶剧院也有后台)。 Maxim Dmitrievsky 2022.05.25 11:14 #26470 Aleksey Nikolayev #:有道理,即使是木偶戏也有后台) :D 1...264026412642264326442645264626472648264926502651265226532654...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
威 !
我理解您,您受过特殊教育,有特殊经验,与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验?)
但你能嘲笑他们多少次?
威 !
我理解您,您受过特殊教育,有特殊经验,与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验?)
但你能取笑他们多少次?
哦,施特尔利茨们/反施特尔利茨们在这里)。
没事...正常通道有弯曲和外来夹杂物,但通道是稳定的))))。
在我看来,一个简单的算法只对预测因子集合中的有限部分起作用是很正常的。
你可以从样本中逐步去除 "好 "的样本,然后将算法应用于剩余的样本。从本质上讲,这类似于 "剔除"(bousting)。或许,你也可以采用类似于随机森林的方法--获取一大组预测因子,然后为每个子集找到几个方框。
如果我没理解错的话,组合预测因子的目的是以不相互重叠的方式排列已识别的方框,即使重叠,也不会明显恶化结果,对吗?
我跟你开玩笑的,我说的都是实话
你只是没看到幕后花絮而已。
;)
你只是没有看到幕后的故事。
;)
如果我没理解错的话,组合预测因子的目的是以不相互重叠的方式排列已识别的方框,即使重叠也不会明显恶化结果,对吗?
我认为,如何处理检测到的方框是一个复杂的问题,几乎没有针对所有可能情况的明确规则。一个好的、经过深思熟虑的算法可能是相当隐秘的 "诀窍")。
如果案例是根据同一组预测因子得到的,那么它们之间没有交集就足够了。如果有交集,则可以将其分配到一个单独的盒子中,其补集也可以分成几个盒子。但是,盒子数量过多会使样本过于分散。因此,我们可以概括方框的概念--在规则语言中,这意味着在 AND 的基础上增加否定和 OR。
如果方框是在完全不同的预测因子上得到的(例如,通过随机森林方法),那么它们只能在样本中属于它们的部分的意义上重叠。这里可能需要一些近似组合的想法。
如果预测集有部分重叠,那么很可能是多种方法的混合,但目前还很难确定。
我还不清楚如何将其纳入一个统一的方案。构建决策树的标准方法简单而 "漂亮 "地规避了这些问题,因此不太适合我们的目的。也许可以通过选择一种剪枝算法来改进它,但我认为最好还是创造性地重新设计规则构建算法。
我们不久前还嘲笑你的猴子呢。
有道理,即使是木偶剧院也有后台)。
有道理,即使是木偶戏也有后台)
:D