交易中的机器学习：理论、模型、实践和算法交易 - 页 3036 1...302930303031303230333034303530363037303830393040304130423043...3399 新评论 Forester 2023.04.15 20:21 #30351 Aleksey Vyazmikin #:你可以把余额寄给我--我会用我的方法进行评估--告诉我结果如何。 到目前为止，我都是用眼睛估算的))))))喜欢 - 不喜欢。 下周我会按照我的想法去做。 Aleksey Vyazmikin 2023.04.16 06:11 #30352 体验感知到的视觉和听觉模式如何在保留其模式的同时变成感知垃圾是非常有趣的。 也许大脑在感知复杂模式时存在一个极限.....。 Aleksey Vyazmikin 2023.04.16 06:27 #30353 不重复的随机性） Maxim Dmitrievsky 2023.04.16 12:26 #30354 比如说，如果你通过 FF 得到一个稳定状态，它就能描述出一个稳定状态 TC 的特征？每个人都知道，这就是 kurvafitting。只有这样，才能通过蛮力偶然得到稳定的 FS。 Forester 2023.04.16 12:53 #30355 Maxim Dmitrievsky #: 比如说，如果你通过 FF 得到一个稳态，它就能描述一个稳态 TC 的特征？每个人都意识到这是 kurwafitting 只有这样，才能通过蛮力偶然得到稳定的 FS。 从其他变体中得到的几乎是随机的垃圾。你必须尝试不同的变体。 Maxim Dmitrievsky 2023.04.16 13:09 #30356 Forester #: 其他变体几乎是随机的。有必要尝试不同的变体。 嗯，这里甚至连方法本身都不包括非随机成功的可能性：）规则看起来更好，这要经过稳定性测试。一边是卷积，一边是规则。从理论上讲，这是一个普遍现象。当然，我不会测试它（开个玩笑），我还没想好之后如何解析卷积特征。我已经弄清了规则。 mytarmailS 2023.04.16 13:58 #30357 Forester #: 其他变体几乎是随机的。您必须尝试不同的变体。 从这个变体中，你也会得到狗屎...... 看美丽/不美丽的平衡增长是不够的。 Maxim Dmitrievsky#: 那么在这里，即使是方法本身也不包括非随机成功的可能性:)规则看起来更好，这是对 稳定性的测试 。 规则 的稳定性在 OOS 上是行不通的，就像平衡曲线在 fite 上一样。 这些我都说过了，以不同的形式，多次....。 但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO... СанСаныч Фоменко 2023.04.16 14:54 #30358 mytarmailS #:该选项也会造成混乱...光看着平衡生长得漂亮/不漂亮是不够的。规则的稳定性 在 OOS 上就像平衡曲线一样行不通这些我已经以不同的形式说过很多次了...但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO.... 有大量不同的模型，每个模型都有用于自定义的参数。你可以从拟合模型中得到大量结果。 我们应该尝试通过从模型中选择最佳预测结果来改进预测，例如使用模型集合（ensemble of models）caretEnsembles:： 如果你创建了一个从预处理、预测器选择到 EA 的完整交易系统，你会发现在每一步（你会得到很多），都有一些筹码可以将 "样本外 "预测误差降低到 20% 以下，并且在测试器中盈利交易与亏损交易的比例相同。 不幸的是，这项艰苦的小工作却被垃圾所取代。 mytarmailS 2023.04.16 15:01 #30359 СанСаныч Фоменко #:有大量不同的模型，每个模型都有自定义参数。结果就是模型拟合结果的海量溢出。我们应该尝试从模型中选择最佳预测结果来改进预测，例如，使用模型集合 caretEnsembles:：如果你创建了一个从预处理、预测器选择到 EA 的完整交易系统，你会发现在每一步（你会得到很多），都有一些筹码可以让你将 "样本外 "预测误差降低到 20% 以下，同时测试仪中盈利交易与亏损交易的比例也是相同的。不幸的是，这项艰苦的小工作却被垃圾所取代。 您已经复制了 40 次，同样的东西，同样的东西 ....。 唯一的问题是，机器人在哪里？ Forester 2023.04.16 15:19 #30360 СанСаныч Фоменко #: 样本外 "预测误差低于 20%，且测试者的盈利和亏损交易比例相同。 分类误差不是指标。指标是余额和余额线。 我向您展示了 OOS 分类误差为 8.3% 的余额。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275 有利可图，但还是把这样的模型扔进了篮子里。 请展示 OOS 误差为 20% 的平衡线。这将成为我们努力的榜样。 Машинное обучение в трейдинге: теория, модели, практика и алготорговля - Попробуйте разобрать ошибки модели и создать учителя 2023.04.09www.mql5.com В реальности ошибка классификации по имеющейся паре вне выборки. что модель отработала в 0 при ошибке классификации 9. Типа и проанализоровать зависимость ошибки правила err от частоты freq его появления в выборке 1...302930303031303230333034303530363037303830393040304130423043...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
你可以把余额寄给我--我会用我的方法进行评估--告诉我结果如何。
下周我会按照我的想法去做。
体验感知到的视觉和听觉模式如何在保留其模式的同时变成感知垃圾是非常有趣的。
也许大脑在感知复杂模式时存在一个极限.....。
不重复的随机性）
比如说，如果你通过 FF 得到一个稳态，它就能描述一个稳态 TC 的特征？每个人都意识到这是 kurwafitting
其他变体几乎是随机的。有必要尝试不同的变体。
其他变体几乎是随机的。您必须尝试不同的变体。
从这个变体中，你也会得到狗屎......
看美丽/不美丽的平衡增长是不够的。
那么在这里，即使是方法本身也不包括非随机成功的可能性:)规则看起来更好，这是对 稳定性的测试 。
规则 的稳定性在 OOS 上是行不通的，就像平衡曲线在 fite 上一样。
这些我都说过了，以不同的形式，多次....。
但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO...
该选项也会造成混乱...
光看着平衡生长得漂亮/不漂亮是不够的。
规则的稳定性 在 OOS 上就像平衡曲线一样行不通
这些我已经以不同的形式说过很多次了...
但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO....
有大量不同的模型，每个模型都有用于自定义的参数。你可以从拟合模型中得到大量结果。
我们应该尝试通过从模型中选择最佳预测结果来改进预测，例如使用模型集合（ensemble of models）caretEnsembles:：
如果你创建了一个从预处理、预测器选择到 EA 的完整交易系统，你会发现在每一步（你会得到很多），都有一些筹码可以将 "样本外 "预测误差降低到 20% 以下，并且在测试器中盈利交易与亏损交易的比例相同。
不幸的是，这项艰苦的小工作却被垃圾所取代。
有大量不同的模型，每个模型都有自定义参数。结果就是模型拟合结果的海量溢出。
我们应该尝试从模型中选择最佳预测结果来改进预测，例如，使用模型集合 caretEnsembles:：
如果你创建了一个从预处理、预测器选择到 EA 的完整交易系统，你会发现在每一步（你会得到很多），都有一些筹码可以让你将 "样本外 "预测误差降低到 20% 以下，同时测试仪中盈利交易与亏损交易的比例也是相同的。
不幸的是，这项艰苦的小工作却被垃圾所取代。
您已经复制了 40 次，同样的东西，同样的东西 ....。
唯一的问题是，机器人在哪里？
СанСаныч Фоменко #:
样本外 "预测误差低于 20%，且测试者的盈利和亏损交易比例相同。
分类误差不是指标。指标是余额和余额线。
我向您展示了 OOS 分类误差为 8.3% 的余额。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275
有利可图，但还是把这样的模型扔进了篮子里。
请展示 OOS 误差为 20% 的平衡线。这将成为我们努力的榜样。