交易中的机器学习:理论、模型、实践和算法交易 - 页 2819 1...281228132814281528162817281828192820282128222823282428252826...3399 新评论 Valeriy Yastremskiy 2022.11.05 14:48 #28181 Maxim Dmitrievsky #: 任何聚类或分类器都有一个概率、转换或距离矩阵。即所谓的原始值。还有类/聚类标签。这是比较不同的事物。 是的,但并不完全准确。我更喜欢用这种方式来描述当前状态和预测未来。这些任务本质上是一样的。状态的改变是一种预测,尽管是对当前状态的描述))))。 Maxim Dmitrievsky 2022.11.05 14:50 #28182 Valeriy Yastremskiy #:是的,但并不完全准确。我更喜欢用这种方式来描述现状和预测未来。这些任务本质上是一样的。状态的改变是一种预测,尽管是对当前状态的描述))))。 这一点是绝对明确的。只要还有用手指比较欧巴,我就不会再参与对话。而且,对话也不是我开始的。 Valeriy Yastremskiy 2022.11.05 14:52 #28183 Maxim Dmitrievsky #: 这是明确的。只要有人拿欧巴和手指作比较,我就不再参与对话。况且,对话又不是我发起的。 从本质上讲,未来概率和状态聚类是一样的,有什么区别呢? Maxim Dmitrievsky 2022.11.05 15:07 #28184 Valeriy Yastremskiy #:从本质上讲,未来概率和状态聚类是一样的,两者有什么区别呢? 这很难,不是吗?不含阈值的原始概率与已含阈值的聚类 从他的图片中可以看出,他是在比较离散和连续。他凭空画出了阈值。他还用那顶帽子作为证明。 他为什么不在图上画那条线呢?这是一样的 如果第二种方法的临界值计算正确,那么两种方法的数值是相同的。 Valeriy Yastremskiy 2022.11.05 15:26 #28185 Maxim Dmitrievsky #: 进展艰难,不是吗?未设阈值的原始概率与已设阈值的集群对比 从他的图片中可以看出,他是在比较离散型和连续型。他凭空画出了阈值。他还用那顶帽子作为证明。 他为什么不在图上画那条线呢?这是一样的 其实是有相似之处的,一条线是图案的平均值,是的,多就是少,如何表征运动呢? 只能用移动的距离,而距离只能用最小的距离,也就是网格。是的,离散实体比连续实体更复杂,但我们所拥有的就是我们的工作))。 Valeriy Yastremskiy 2022.11.05 16:01 #28186 Maxim Dmitrievsky #:我宁可玩玩具,星期六还能干什么呢?https://www.twitch.tv/gamearbuser 我有个孩子在比赛)))),他兼职做解说员。嗯,现实生活中他也在卡丁车和溜冰鞋上))))))。 Maxim Dmitrievsky 2022.11.05 16:26 #28187 Valeriy Yastremskiy #:我有个孩子在比赛)))),兼职做解说员。嗯,在现实生活中他也玩卡丁车,自己也滑冰)))))。 让他介绍自己是如何滑冰的),他稍后会收集捐款。 Roman 2022.11.07 01:53 #28188 mytarmailS #:确定日期前 10 个股票价格信息,如果要创建新功能,则应将其从培训中删除。最后一行 - 目标将选择内容分成两半,用于训练和测试在没有任何调整的情况下,我在 Forrest 上得到了新数据在使用新功能的 hgbusta 上,我得到了 0.83 的 Akurashi 值。我想知道是否有可能达到 0.9 Akurasi? mytarmailS#: 没有人动过它? 我只是为了好玩才做的。) 使用随机森林。 未使用的变量: X_OI X_PER X_TICKER 按照要求,将树龄减半并进行测试。 我将种植的最大树数限制为 500 棵。 种植 500 棵树的跟踪 MSE 500 棵树的测试 MSE 得出的跟踪(OOB)和测试指标。 在这里,我不知道如何将 随机森林 的精确度 0 ,77 转换为这一指标。 也许您应该从 1减去 MSE , 1- 0,16 = 0,84 然后您就可以得到与 XGBoost 一样的精确度了))。 以及对训练有贡献的变量。 这就是我得到的分析 ) Machine learning in trading: mytarmailS 2022.11.07 07:20 #28189 Roman #:我只是觉得好玩 )使用随机森林。 未使用的变量: X_OI X_PER X_TICKER按照要求,跟踪和测试各占一半。 好吧,OHLC 的绝对价格或许也应该扔掉 ) 就像我写的那样 ) Roman#: 托盘上 500 棵树的 MSE500 棵树的测试 MSE由此得出的森林(OOB)和测试指标。 在这里,我不知道如何将 精度 为 0 .77 的 随机森林 应用到这一指标中。 可能 MSE 应该减去 1、 你在做回归,你在做分类!你完全弄错了。 Roman 2022.11.07 14:53 #28190 mytarmailS #:在我写这篇文章的时候,OHLC 的绝对价格可能也应该被扔掉 )你在做回归,你应该做分类!你完全弄错了 下面是不使用 OHLC 的分类结果。 准确率为 0.79。 ROC 测试。 混淆矩阵。 影响变量 1...281228132814281528162817281828192820282128222823282428252826...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
任何聚类或分类器都有一个概率、转换或距离矩阵。即所谓的原始值。还有类/聚类标签。这是比较不同的事物。
是的,但并不完全准确。我更喜欢用这种方式来描述当前状态和预测未来。这些任务本质上是一样的。状态的改变是一种预测,尽管是对当前状态的描述))))。
是的,但并不完全准确。我更喜欢用这种方式来描述现状和预测未来。这些任务本质上是一样的。状态的改变是一种预测,尽管是对当前状态的描述))))。
这是明确的。只要有人拿欧巴和手指作比较,我就不再参与对话。况且,对话又不是我发起的。
从本质上讲,未来概率和状态聚类是一样的,有什么区别呢?
从本质上讲,未来概率和状态聚类是一样的,两者有什么区别呢?
进展艰难,不是吗?未设阈值的原始概率与已设阈值的集群对比
其实是有相似之处的,一条线是图案的平均值,是的,多就是少,如何表征运动呢? 只能用移动的距离,而距离只能用最小的距离,也就是网格。是的,离散实体比连续实体更复杂,但我们所拥有的就是我们的工作))。
我宁可玩玩具,星期六还能干什么呢?
https://www.twitch.tv/gamearbuser
我有个孩子在比赛)))),他兼职做解说员。嗯,现实生活中他也在卡丁车和溜冰鞋上))))))。
我有个孩子在比赛)))),兼职做解说员。嗯,在现实生活中他也玩卡丁车,自己也滑冰)))))。
让他介绍自己是如何滑冰的),他稍后会收集捐款。
确定日期
前 10 个股票价格信息,如果要创建新功能,则应将其从培训中删除。
最后一行 - 目标
将选择内容分成两半,用于训练和测试
在没有任何调整的情况下,我在 Forrest 上得到了新数据
在使用新功能的 hgbusta 上,我得到了 0.83 的 Akurashi 值。
我想知道是否有可能达到 0.9 Akurasi?
没有人动过它?
我只是为了好玩才做的。)
使用随机森林。
未使用的变量:
X_OI
X_PER
X_TICKER
按照要求,将树龄减半并进行测试。
我将种植的最大树数限制为 500 棵。
种植 500 棵树的跟踪 MSE
500 棵树的测试 MSE
得出的跟踪(OOB)和测试指标。
在这里,我不知道如何将 随机森林 的精确度 0 ,77 转换为这一指标。
也许您应该从 1减去 MSE ,
1- 0,16 = 0,84
然后您就可以得到与 XGBoost 一样的精确度了))。
以及对训练有贡献的变量。
这就是我得到的分析 )
我只是觉得好玩
)使用随机森林。
未使用的变量:
X_OI
X_PER
X_TICKER
按照要求,跟踪和测试各占一半。
好吧,OHLC 的绝对价格或许也应该扔掉 ) 就像我写的那样 )
托盘上 500 棵树的 MSE
500 棵树的测试 MSE
由此得出的森林(OOB)和测试指标。
在这里,我不知道如何将 精度 为 0 .77 的 随机森林 应用到这一指标中。
可能 MSE 应该减去 1、
你在做回归,你在做分类!你完全弄错了。
在我写这篇文章的时候,OHLC 的绝对价格可能也应该被扔掉 )
你在做回归,你应该做分类!你完全弄错了
下面是不使用 OHLC 的分类结果。
准确率为 0.79。
ROC 测试。
混淆矩阵。
影响变量