交易中的机器学习:理论、模型、实践和算法交易 - 页 3215 1...320832093210321132123213321432153216321732183219322032213222...3399 新评论 mytarmailS 2023.08.31 13:58 #32141 fxsaber #:马丁 如果出现强烈的无后坐力趋势,马丁能行吗? 为什么行不通? fxsaber#: 这是一种哲学。 1)如果一种算法长期在市场上赚钱,它就是一种规律,对吗? 2)如果您在这种算法之上叠加另一种算法,它将观察第一种算法并收集相关统计数据,然后给出交易信号并赚钱。 那么按照你的说法,这已经是一种哲学,而不是一种模式了。 这正是我以一个交易员为例所描述的...... fxsaber 2023.08.31 14:04 #32142 mytarmailS #:那么你是说这是一种哲学,而不是一种模式。 我看到的是相互浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。 在 TC 结果上叠加一些东西是很正常的做法。最常见的是过滤器。比较少见的是 MM(例如,平衡曲线上的过滤器:如果偏差越大,MM 的变化就越大)。更罕见的是在交易结果中寻找规律性。 Maxim Dmitrievsky 2023.08.31 14:06 #32143 fxsaber #:我认为这是在浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。 在阿联酋召开会议的提议仍然有效 ) mytarmailS 2023.08.31 14:14 #32144 fxsaber #:我认为这是在浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。 我同意 Valeriy Yastremskiy 2023.09.01 09:44 #32145 Maxim Dmitrievsky #:他拼错了。OOS - 测试,验证 - 用于模型评估 (验证)的第二个子样本(与 traine 一起)。验证样本可以等同于测试样本,也可以分开。之所以要分开,是因为 IO 经常使用第二个子样本来提前停止训练。从某种意义上说,这可以称之为 "拟合"。 这就是为什么他们使用 3 个子样本,其中一个完全不参与训练。 验证--确认有效性。是/否。对于拟合优度模型来说,评估是一件棘手的事情。) 我想,对话是关于术语及其含义的。) Maxim Dmitrievsky 2023.09.01 10:21 #32146 Valeriy Yastremskiy #:验证 - 确认有效性。是/否。对于适合目标的模式来说,评估是一个比较棘手的问题。))))) assessments for fit-forurpose then)。我认为,对话是关于术语及其含义的)。验证先于评估,或者包括评估,随你怎么说。这不是它的本意。而你应该想说的是,MOSers 是令人困惑的子样本:))但他们以工业规模生产出了多种乌托邦市场理论。由于我们的目标是找到在新数据上性能最佳的网络,因此比较不同网络的最简单方法是在独立于训练所用数据的数据上估计误差函数。通过最小化针对训练数据集定义的相应误差函数来训练不同的网络。然后,通过评估独立验证集上的误差函数来比较网络的性能,最后选出与验证集误差最小的网络。这种方法被称为保留法。由于仅采用这种方法可能会导致验证集超载,因此必须在第三个独立数据集(称为测试集)上测量所选网络的性能,以验证其性能。这一过程的一个应用就是提前停止,候选模型是同一网络的连续迭代,当验证集上的误差增大时,训练就会停止,并选择前一个模型(误差最小的模型)。https://en.wikipedia.org/wiki/Training,_validation,_and_test_data_sets Forester 2023.09.01 11:01 #32147 Maxim Dmitrievsky #:这个过程 的一个应用是提前停止,候选模型是同一网络的连续迭代,当验证集上的误差增大时训练停止,选择前一个模型(误差最小的模型)。 在有模式的数据中--这将起作用。 如果几乎没有模式,就会有一个拟合图,在这个拟合图上进行提前停止,并有一个良好的轨迹。您只需将轨迹增加一段,就能得到大致相同的模型。 Maxim Dmitrievsky 2023.09.01 11:10 #32148 Forester #: 如果几乎没有模式,就会有一个拟合图,在这个拟合图上进行了提前停止,并有一个很好的轨迹。您只需将轨迹多增加一段,就能得到大致相同的模式。 这是另一个问题。 fxsaber 2023.09.01 11:23 #32149 Maxim Dmitrievsky #: 这是另一个问题。 这就是我提出的问题。 Maxim Dmitrievsky 2023.09.01 11:41 #32150 fxsaber #:这就是他在提升的东西。 最起码也要混合引导。如果你的样本来自不同的分布,那还谈什么比较。MO 并不是寻找模式,而是根据已知模式对样本进行分类。 如果通过 MO 寻找模式是我的单独技术,那么通过 MO 寻找模式 != 只是在子样本上进行训练。 1...320832093210321132123213321432153216321732183219322032213222...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
马丁
如果出现强烈的无后坐力趋势,马丁能行吗? 为什么行不通?
这是一种哲学。
1)如果一种算法长期在市场上赚钱,它就是一种规律,对吗?
2)如果您在这种算法之上叠加另一种算法,它将观察第一种算法并收集相关统计数据,然后给出交易信号并赚钱。
那么按照你的说法,这已经是一种哲学,而不是一种模式了。
这正是我以一个交易员为例所描述的......
那么你是说这是一种哲学,而不是一种模式。
我看到的是相互浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。
在 TC 结果上叠加一些东西是很正常的做法。最常见的是过滤器。比较少见的是 MM(例如,平衡曲线上的过滤器:如果偏差越大,MM 的变化就越大)。更罕见的是在交易结果中寻找规律性。
我认为这是在浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。
在阿联酋召开会议的提议仍然有效 )
我认为这是在浪费时间。我相信,如果我们面对面交谈,相互理解的概率会接近 1。
我同意
他拼错了。OOS - 测试,验证 - 用于模型评估 (验证)的第二个子样本(与 traine 一起)。
验证样本可以等同于测试样本,也可以分开。
之所以要分开,是因为 IO 经常使用第二个子样本来提前停止训练。从某种意义上说,这可以称之为 "拟合"。
这就是为什么他们使用 3 个子样本,其中一个完全不参与训练。验证--确认有效性。是/否。对于拟合优度模型来说,评估是一件棘手的事情。)
我想,对话是关于术语及其含义的。)
验证 - 确认有效性。是/否。对于适合目标的模式来说,评估是一个比较棘手的问题。))))) assessments for fit-forurpose then)。
我认为,对话是关于术语及其含义的)。
验证先于评估,或者包括评估,随你怎么说。这不是它的本意。
而你应该想说的是,MOSers 是令人困惑的子样本:))但他们以工业规模生产出了多种乌托邦市场理论。
由于我们的目标是找到在新数据上性能最佳的网络,因此比较不同网络的最简单方法是在独立于训练所用数据的数据上估计误差函数。通过最小化针对训练数据集定义的相应误差函数来训练不同的网络。然后,通过评估独立验证集上的误差函数来比较网络的性能,最后选出与验证集误差最小的网络。这种方法被称为保留法。由于仅采用这种方法可能会导致验证集超载,因此必须在第三个独立数据集(称为测试集)上测量所选网络的性能,以验证其性能。
这一过程的一个应用就是提前停止,候选模型是同一网络的连续迭代,当验证集上的误差增大时,训练就会停止,并选择前一个模型(误差最小的模型)。
https://en.wikipedia.org/wiki/Training,_validation,_and_test_data_sets在有模式的数据中--这将起作用。
如果几乎没有模式,就会有一个拟合图,在这个拟合图上进行提前停止,并有一个良好的轨迹。您只需将轨迹增加一段,就能得到大致相同的模型。
如果几乎没有模式,就会有一个拟合图,在这个拟合图上进行了提前停止,并有一个很好的轨迹。您只需将轨迹多增加一段,就能得到大致相同的模式。
这是另一个问题。
这就是我提出的问题。
这就是他在提升的东西。