交易中的机器学习:理论、模型、实践和算法交易 - 页 2881

 
Uladzimir Izerski #:

在得出这样的结论之后,我沉默了。)))))

你要是聪明一点,早就闭嘴了
 
来吧。!!!!!!!!!!新年新气象,新年新开始。
 
mytarmailS #:
!!!!!!!!!!新的一年开始了!这是你开始的地方吗?

在新的一年里,我支持机器学习,希望它能为梦想者带来收益,而不是让追随者失望)。

 
Aleksey Nikolayev #:

我知道我们需要更仔细地区分列长和列数。前者等同于行数,后者等同于行长)。

不过,如果行的长度不同,列的概念就会变得模糊--不再是矩形表格(数据帧),而是行列表的概念。

PS.为了简单起见,我还建议只考虑所有符号都只对前一节(不同长度)定价的情况

阿列克谢,我想你知道,但也可能不知道,所以我将向你展示将 长度可变的 表单/向量作为输入的算法是如何工作的。


我们有一张长度可变的向量表,一个向量==一个观测值。

li <- list()
 for(i in 1:10) li[[i]] <- LETTERS[sample(1:26,sample(1:10),replace = F)]
 li
[[1]]
[1] "B" "W" "C"

[[2]]
[1] "J" "F" "C" "M" "Y" "W"

[[3]]
[1] "M" "L" "F" "U" "P" "C" "Q" "A"

[[4]]
[1] "B" "R" "U" "I" "N" "J" "Y"

[[5]]
[1] "P" "Y" "D" "R" "C" "W"

[[6]]
[1] "V" "O" "D"

[[7]]
[1] "Y" "X" "M" "H"

[[8]]
[1] "J" "P" "Y" "Z" "N" "O"

[[9]]
[1] "R" "A" "G" "H" "J" "Y"

[[10]]
[1] "I"

模型、"引擎盖 "下的算法接受这些数据后会做什么呢? 它将其转化为一个矩阵。

library(qdapTools)
 dt <- as.matrix(mtabulate(li))
 dt
      A B C D F G H I J L M N O P Q R U V W X Y Z
 [1,] 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
 [2,] 0 0 1 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0
 [3,] 1 0 1 0 1 0 0 0 0 1 1 0 0 1 1 0 1 0 0 0 0 0
 [4,] 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 1 1 0 0 0 1 0
 [5,] 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 1 0
 [6,] 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0
 [7,] 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 1 1 0
 [8,] 0 0 0 0 0 0 0 0 1 0 0 1 1 1 0 0 0 0 0 0 1 1
 [9,] 1 0 0 0 0 1 1 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0
[10,] 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0

但由于真实数据的矩阵非常庞大,算法会将数据转化为内存效率高 的稀疏矩阵。

library(Matrix)
 dt2 <- as(dt, "dgCMatrix")  
 dt2
10 x 22 sparse Matrix of class "dgCMatrix"

                                                 
 [1,] . 1 1 . . . . . . . . . . . . . . . 1 . . .
 [2,] . . 1 . 1 . . . 1 . 1 . . . . . . . 1 . 1 .
 [3,] 1 . 1 . 1 . . . . 1 1 . . 1 1 . 1 . . . . .
 [4,] . 1 . . . . . 1 1 . . 1 . . . 1 1 . . . 1 .
 [5,] . . 1 1 . . . . . . . . . 1 . 1 . . 1 . 1 .
 [6,] . . . 1 . . . . . . . . 1 . . . . 1 . . . .
 [7,] . . . . . . 1 . . . 1 . . . . . . . . 1 1 .
 [8,] . . . . . . . . 1 . . 1 1 1 . . . . . . 1 1
 [9,] 1 . . . . 1 1 . 1 . . . . . . 1 . . . . 1 .
[10,] . . . . . . . 1 . . . . . . . . . . . . . .

所以引擎盖下仍然是一个矩阵)。(小心数据)


 object.size(li)
426456 bytes
 object.size(dt)
106104 bytes
object.size(dt2)
70336 bytes
 
Maxim Dmitrievsky #:
你要是聪明一点,早就闭嘴了

你好,马克西姆!

关于垃圾邮件和辱骂我很抱歉。

以后不会了。

 
Alexander Ivanov #:

你好,马克西姆!

对不起,我发了垃圾邮件,还侮辱了你。

下次不会了。

这跟你有什么关系?但他们像臭虫一样活着,因为他们没脑子
 
Uladzimir Izerski #:

在新的一年里,我希望机器学习能为梦想者带来收益,而不是让追随者失望)。

我们都支持,只是有时只能选择其中一种或几种。

 
mytarmailS #:

我们都支持这样做,只是有时一个或另一个,或一次几个。

有趣的是,每个人都遵循现成的道路,哪怕它是虚假的,而不愿用自己的头脑去思考。

显然,新一代已经认为一切都已经在他们面前被发明出来了,根本不需要思考。))

我可以为马克西姆卡展示神经网络的输入,无需训练。

今天没有人会怀疑我造假,因为市场已经关闭,服务器显示的价格是真实的。

如果 Maksimka 用 MO 显示出更好的结果,我会拍手说我错了))。

a666
 
Uladzimir Izerski #:

有趣的是,每个人都在遵循现成的道路,即使它是错误的,而不是想用自己的头脑去思考。

显然,新一代已经认为一切都已经在他们面前被发明出来了,根本不需要思考。))

我可以为马克西姆卡展示神经网络的输入,无需训练。

今天没有人会怀疑我造假,因为市场已经关闭,服务器显示的价格是真实的。

如果马克西姆卡用 MO 显示出更好的结果,我会拍手说我错了))。

这篇文章写得很好,我越来越倾向于认为,交易者对市场的理解程度是通过止损点的大小来衡量的,止损点越小,理解程度就越高。

我也贴了我的,,也是 eurus,也是 1m :)


没有训练的神经网络是怎样的?

 
mytarmailS #:

我越来越倾向于认为,交易者对市场的理解程度取决于其止损点的大小,止损点越小,理解程度就越高。

我也贴了我的,也是 eurus,也是 1m :)

但我有心理障碍,半天赚,半天亏,但这是另一回事,也许我只是不想用我的手交易....。


没有训练的神经网络是怎样的?

我想告诉你,但这可能会影响我今后的结果。

我只能奉劝你们不要走假先知的路,而要用自己的头脑去思考。

也许我也是个假先知))))。