交易中的机器学习：理论、模型、实践和算法交易 - 页 27 1...202122232425262728293031323334...3399 新评论 Alexey Burnakov 2016.06.29 10:10 #261 mytarmailS:你好!我有一个想法，我想看看，但我不知道用什么工具来实现它......我需要一种能够预测未来几个点的算法，比如说3或5个点（最好是神经网络）。 ARIMA СанСаныч Фоменко 2016.06.29 11:00 #262 mytarmailS:你好!我有一个想法，我想看看，但我不知道用什么工具来实现它......我需要一种能够预测未来几个点的算法，比如3或5个点（最好是神经网络）。我以前只从事过分类工作，所以我甚至不明白它应该是什么样子的，也不知道该如何建议别人去做，或者推荐一个R的包。p.s. 伟大的文章Alexey 这些是推断现有趋势的软件包，例如预测。不同的花键是非常有趣的。 Alexey Burnakov 2016.06.29 11:49 #263 桑桑尼茨-弗门科。 这些是推断现有趋势的软件包，如预测。不同的花键是非常有趣的。 这是一个比较正确的答案 )我们必须尝试不同的方法。 Dr. Trader 2016.06.29 12:25 #264 桑桑尼茨-弗门科。它看起来相当稳固。那么，没有有用的结果吗？当我第一次运行该算法时，在少量的初始数据上，没有积极的结果，我用y-aware pca和简单的pca都得到了大约50%的错误。现在我从mt5得到了一套更完整的数据--几乎所有的标准指标及其所有的缓冲区，有些指标用不同的参数重复了好几次。我已经为一些指标创建了专家顾问，并使用它们来优化指标参数，以获得更多的交易利润。在这样的数据上，简单的pca仍然有50%的误差，但在前面的测试中，y-aware的误差明显下降到40%。有趣的是，y-aware算法只是简单地接受了原始数据，并做出了一个分类器，在10个案例中，有6个是正确的。结论 - 你需要更多的原始数据。但这是所有优点的止境。你需要73个标准组件才能达到95%的精确度。各部分的预测器负荷从高到低波动，没有明确的领导。也就是说，根本没有任何迹象表明可以通过某些预测因素进行选择。该模型在某种程度上是有效的，但不清楚该如何处理它以改善结果，或如何从中获得预测器的效用。该组件的重要性。前5个组成部分的预测因素的负荷。 mytarmailS 2016.06.29 13:13 #265 阿列克谢-伯纳科夫。 ARIMA 但arima是基于时间序列做出决定的，我需要模型对我的数据集做出决定，即带有谓词的矩阵，并对未来几个条形的输出做出预测。 mytarmailS 2016.06.29 13:20 #266 Dr.Trader- 我真诚地钦佩你的毅力，但在我看来，这是一个死胡同，我们需要向质量而非数量方向发展。 Alexey Burnakov 2016.06.29 13:22 #267 mytarmailS: 但arima是通过时间序列进行决策的，而我需要模型从我的数据集中进行决策，即带有谓词的矩阵，并输出对未来几个条形的预测。 没有人会阻止你训练一个具有多个输出神经元的神经元组--每个神经元用于不同的规划水平。同时，观察结果将是有趣的。 mytarmailS 2016.06.29 13:35 #268 阿列克谢-伯纳科夫。 没有人会阻止你训练一个具有多个输出神经元的神经网络--每个神经元用于不同的规划范围。同时，观察结果将是有趣的。 我已经这样做了，神经网络并没有在更大的范围内学习，我设置的目标是 СанСаныч Фоменко 2016.06.29 13:41 #269 Dr.Trader:当我第一次运行该算法时，在少量的初始数据上，没有积极的结果，我用y-aware pca和简单的pca都得到了大约50%的错误。现在我从mt5得到了一套更完整的数据--几乎所有的标准指标及其所有的缓冲区，有些指标用不同的参数重复了好几次。我已经为一些指标创建了专家顾问，并使用它们来优化指标参数，以获得更多的交易利润。在这样的数据上，简单的pca仍然有50%的误差，但在前面的测试中，y-aware的误差明显下降到40%。有趣的是，y-aware算法只是简单地接受了原始数据，并做出了一个分类器，在10个案例中，有6个是正确的。结论 - 你需要更多的原始数据。但这是所有优点的止境。你需要73个标准组件才能达到95%的精确度。各部分的预测器负荷从高到低波动，没有明确的领导。也就是说，根本没有任何迹象表明可以通过某些预测因素进行选择。该模型在某种程度上是有效的，但不清楚该如何处理它以改善结果，或如何从中获得预测器的效用。组成部分的重要性。预测因素在前5个成分上的负荷。 如果你把前10个（某种程度上）提高一个档次，而把其余的丢掉呢？ СанСаныч Фоменко 2016.06.29 13:44 #270 mytarmailS: 已经这样做了，神经网络不会在更大的范围内学习，我设置的目标是它没有学会是好事，因为你在噪声上学习。但如果有的话，它将是一个圣杯，而且它将在real....。忙着在这里努力消除噪音。这就是为什么我们采取了这么多的预测因素，希望能留下一些东西。 1...202122232425262728293031323334...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
你好!
我有一个想法，我想看看，但我不知道用什么工具来实现它......我需要一种能够预测未来几个点的算法，比如说3或5个点（最好是神经网络）。
你好!
我有一个想法，我想看看，但我不知道用什么工具来实现它......我需要一种能够预测未来几个点的算法，比如3或5个点（最好是神经网络）。
我以前只从事过分类工作，所以我甚至不明白它应该是什么样子的，也不知道该如何建议别人去做，或者推荐一个R的包。
p.s. 伟大的文章Alexey
这些是推断现有趋势的软件包，如预测。不同的花键是非常有趣的。
它看起来相当稳固。
那么，没有有用的结果吗？
当我第一次运行该算法时，在少量的初始数据上，没有积极的结果，我用y-aware pca和简单的pca都得到了大约50%的错误。现在我从mt5得到了一套更完整的数据--几乎所有的标准指标及其所有的缓冲区，有些指标用不同的参数重复了好几次。我已经为一些指标创建了专家顾问，并使用它们来优化指标参数，以获得更多的交易利润。在这样的数据上，简单的pca仍然有50%的误差，但在前面的测试中，y-aware的误差明显下降到40%。有趣的是，y-aware算法只是简单地接受了原始数据，并做出了一个分类器，在10个案例中，有6个是正确的。结论 - 你需要更多的原始数据。
但这是所有优点的止境。你需要73个标准组件才能达到95%的精确度。各部分的预测器负荷从高到低波动，没有明确的领导。也就是说，根本没有任何迹象表明可以通过某些预测因素进行选择。该模型在某种程度上是有效的，但不清楚该如何处理它以改善结果，或如何从中获得预测器的效用。
该组件的重要性。
前5个组成部分的预测因素的负荷。
ARIMA
但arima是通过时间序列进行决策的，而我需要模型从我的数据集中进行决策，即带有谓词的矩阵，并输出对未来几个条形的预测。
没有人会阻止你训练一个具有多个输出神经元的神经网络--每个神经元用于不同的规划范围。同时，观察结果将是有趣的。
当我第一次运行该算法时，在少量的初始数据上，没有积极的结果，我用y-aware pca和简单的pca都得到了大约50%的错误。现在我从mt5得到了一套更完整的数据--几乎所有的标准指标及其所有的缓冲区，有些指标用不同的参数重复了好几次。我已经为一些指标创建了专家顾问，并使用它们来优化指标参数，以获得更多的交易利润。在这样的数据上，简单的pca仍然有50%的误差，但在前面的测试中，y-aware的误差明显下降到40%。有趣的是，y-aware算法只是简单地接受了原始数据，并做出了一个分类器，在10个案例中，有6个是正确的。结论 - 你需要更多的原始数据。
但这是所有优点的止境。你需要73个标准组件才能达到95%的精确度。各部分的预测器负荷从高到低波动，没有明确的领导。也就是说，根本没有任何迹象表明可以通过某些预测因素进行选择。该模型在某种程度上是有效的，但不清楚该如何处理它以改善结果，或如何从中获得预测器的效用。
组成部分的重要性。
预测因素在前5个成分上的负荷。
已经这样做了，神经网络不会在更大的范围内学习，我设置的目标是
它没有学会是好事，因为你在噪声上学习。但如果有的话，它将是一个圣杯，而且它将在real....。
忙着在这里努力消除噪音。这就是为什么我们采取了这么多的预测因素，希望能留下一些东西。