交易中的机器学习:理论、模型、实践和算法交易 - 页 3027 1...302030213022302330243025302630273028302930303031303230333034...3399 新评论 mytarmailS 2023.04.13 11:37 #30261 为什么一定要把规则写在助推器里? Aleksey Vyazmikin 2023.04.13 11:41 #30262 Maxim Dmitrievsky #: 我认为只需一次性生成一个验证机器人,然后通过测试器/优化器检查必要的规则即可。 最好在 python 中进行叶片选择,而最终模型--可以在终端中完成。但您必须将规则传输到终端,这也不是件容易的事。这就是为什么最好在 python 中完成所有工作--即使在某种意义上不那么精确,但可以从头到尾看到整个过程。这只是现在的一个实验.... Aleksey Vyazmikin 2023.04.13 11:43 #30263 mytarmailS #: 为什么要把规则放在助推器里? 我写下来了,这是汇总它们的一种方法。给出基本权重,消除不一致。找出最佳实例。 你可以使用一棵简单的树。或者你也可以自己汇总并给出权重。这些方法我都试过了。 你有其他想法吗? Maxim Dmitrievsky 2023.04.13 11:48 #30264 Aleksey Vyazmikin #:最好在 Python 中选择树叶,而最终模型--您可以在终端中完成。但你必须将规则传输到终端,这也不是那么容易。这就是为什么在 Python 中完成所有工作会更好的原因--即使在某种意义上准确性会低一些,但可以从头到尾看到整个过程。这只是现在的一个实验.... 移动规则不需要任何成本。 在 python 中进行度量选择,也许我会为它们制作一个测试器。 你可以做很多事情。通过木模型,通过线性模型,通过boustings。 + 通过调和来生成标志,这是最有效的方法之一。但它需要很长时间来计算。这是你的量化的自动模拟。 mytarmailS 2023.04.13 12:01 #30265 Aleksey Vyazmikin #:我写道--一种汇总它们的方法。给出基本权重,消除不一致。找出最佳实例。你可以使用一棵简单的树。或者自己汇总并分配权重。这些方法我都尝试过。你有其他想法吗? 所以统计每条规则解决了这个问题。频率、准确性、大小、概率....等等。我不明白为什么会有提升。 Aleksey Vyazmikin 2023.04.13 12:16 #30266 Maxim Dmitrievsky #:移动规则不需要任何费用。Python 通过度量进行选择,也许我会为它们制作一个测试器。你可以做很多事情。通过木质模型、线性模型、弹跳模型。 通过整理+特征生成器,这是最有效的方法之一。但这需要很长时间来计算。它是量化的自动模拟。 什么是 "整理"? Aleksey Vyazmikin 2023.04.13 12:20 #30267 mytarmailS #: 每条规则统计》是如何解决这一问题的 频率、准确性、大小、概率....其他 我不明白为什么那里会有提升 树状模型可以消除不一致,揭示相互的非线性依赖关系。它不是使用一棵树上的叶子,而是使用许多不同树上的叶子。 mytarmailS 2023.04.13 12:24 #30268 Aleksey Vyazmikin #:树状模型可以消除矛盾,揭示相互的非线性依赖关系。这不是使用一棵树上的叶子,而是使用许多不同树上的叶子。 这些规则只是模型的二元特征吗? Aleksey Vyazmikin 2023.04.13 12:28 #30269 mytarmailS #: 这些规则只是模型的二进制属性? 没错。 Maxim Dmitrievsky 2023.04.13 12:36 #30270 Aleksey Vyazmikin #:什么是 "对账"? 卷积,卷积核。 卷积核变换 1...302030213022302330243025302630273028302930303031303230333034...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
我认为只需一次性生成一个验证机器人,然后通过测试器/优化器检查必要的规则即可。
最好在 python 中进行叶片选择,而最终模型--可以在终端中完成。但您必须将规则传输到终端,这也不是件容易的事。这就是为什么最好在 python 中完成所有工作--即使在某种意义上不那么精确,但可以从头到尾看到整个过程。这只是现在的一个实验....
为什么要把规则放在助推器里?
我写下来了,这是汇总它们的一种方法。给出基本权重,消除不一致。找出最佳实例。
你可以使用一棵简单的树。或者你也可以自己汇总并给出权重。这些方法我都试过了。
你有其他想法吗?
最好在 Python 中选择树叶,而最终模型--您可以在终端中完成。但你必须将规则传输到终端,这也不是那么容易。这就是为什么在 Python 中完成所有工作会更好的原因--即使在某种意义上准确性会低一些,但可以从头到尾看到整个过程。这只是现在的一个实验....
移动规则不需要任何成本。
在 python 中进行度量选择,也许我会为它们制作一个测试器。
你可以做很多事情。通过木模型,通过线性模型,通过boustings。
+ 通过调和来生成标志,这是最有效的方法之一。但它需要很长时间来计算。这是你的量化的自动模拟。
我写道--一种汇总它们的方法。给出基本权重,消除不一致。找出最佳实例。
你可以使用一棵简单的树。或者自己汇总并分配权重。这些方法我都尝试过。
你有其他想法吗?
移动规则不需要任何费用。
Python 通过度量进行选择,也许我会为它们制作一个测试器。
你可以做很多事情。通过木质模型、线性模型、弹跳模型。
通过整理+特征生成器,这是最有效的方法之一。但这需要很长时间来计算。它是量化的自动模拟。
什么是 "整理"?
每条规则统计》是如何解决这一问题的
树状模型可以消除不一致,揭示相互的非线性依赖关系。它不是使用一棵树上的叶子,而是使用许多不同树上的叶子。
树状模型可以消除矛盾,揭示相互的非线性依赖关系。这不是使用一棵树上的叶子,而是使用许多不同树上的叶子。
这些规则只是模型的二进制属性?
没错。
什么是 "对账"?
卷积,卷积核。
卷积核变换