交易中的机器学习：理论、模型、实践和算法交易 - 页 2813

[[删除]]

mytarmailS #:

如果我想因无利可图的交易而惩罚代理商。

我们的目标是 "做你想做的交易，但不做亏本的交易，并参与市场"。

您如何用标签来描述这一点？

历史上的一系列无损标记，不是吗？) 标签

如果你愿意，Rl 是关于寻找最佳路径的，或者说是优化。你可以自己做，也可以通过他来做。这并不是要找到一些超级模式。

阅读萨顿，巴托，"强化学习"，俄语。从基元到其他一切。然后你就能进入 DQN

在那里，你会发现与遗传优化和编程的类比，就我记忆所及。

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:
代理状态或行动。我建议你花几个月时间读读书，了解你所写的内容，并得出同样的结论）如果没有环境对代理行为的反应，就没有什么可优化的，它是一次性完成的。

有环境状态、代理状态、代理从状态到状态的转换矩阵（策略），同时考虑到环境的变化。环境是静态的，不会因为代理的行动而改变。也就是说，您只需定义代理在静态环境中的行动矩阵，即目标。目标的标记可以一次性完成。

对于手动描述行的状态，我还是很笨。))))))

[[删除]]

Valeriy Yastremskiy #:
我仍然无法手动描述行的状态。))))))

徒劳

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:
徒劳无益。

没有争议，但令人着迷)))))。

[[删除]]

Valeriy Yastremskiy #:
没有争论，但令人着迷)))))

那里有两种状态--向上或向下移动平均增量

[mytarmailS]

没有人看到我设定的日期？

[Roman]

Valeriy Yastremskiy #:
我仍然对手动描述系列的状态感到困惑。))))))

我最近看到了一段视频，解释了状态转换的马尔可夫方法。
我并不是说应该使用这些状态。
只是看起来你可以将这一概念应用于任何你认为必要的状态。
也许它会给你带来一些其他的想法。

Maxim 别再取笑我是印度教徒了 ))
我还没遇到过其他人 )

[[删除]]

Roman #:

我最近看到一段视频，解释了状态转换的马尔可夫方法。
，我并不是说应该使用这些特定的状态。
，只是觉得你可以把这个概念应用到你认为合适的任何状态。
，也许它会给你带来一些其他的想法。

Maxim 别再取笑我是印度教徒了 ))
我还没遇到过其他的 )

你也可以找到关于时间序列分割的文章。你可以用聚类代替聚群。对每种状态训练不同的模型可能是有意义的，因为会有不同的特征。基本上，这是平均增量的移动，在其变化时模型就会崩溃。

[mytarmailS]

Maxim Dmitrievsky #:
它可用于细分。可以取代聚类。

不能，这是不同的。

Hmm 预测的是你现在所在的聚类，而聚类显示的是你过去所在的聚类。

简单来说

[[删除]]

mytarmailS #:

你不能这样做，这是不一样的。

Hmm 预测的是你现在所在的群组，而聚类显示的是你过去所在的群组。

简单来说

如果你仔细想想