交易中的机器学习:理论、模型、实践和算法交易 - 页 3384 1...337733783379338033813382338333843385338633873388338933903391...3399 新评论 Andrey Dik 2024.01.11 19:14 #33831 Aleksey Nikolayev #: 您知道 mql5 中 CPU 上的并行计算机制是什么? OpenCL 或多或少比较先进。 对于较低级的情况--在单独的图表上运行代理。每个图表都有单独的线程,总共将使用所有 CPU 内核。 此外,终端代理本身也可用于并行处理终端图表上的应用程序计算,但这并不为很多人所知。 在本文中,我将向您展示如何在 MQL5 中编写一个二进制 GA,以无限小的参数步长覆盖双数的所有有效数字(事实上,双数的小数位数仅限于 16 位)。甚至这还不是极限,您还可以在 MQL5 中编写标准数字类型的扩展。 Aleksey Nikolayev 2024.01.11 20:11 #33832 Andrey Dik #:OpenCL 或多或少适合高级用户。对于不那么高级的用户--在单独的图表上运行代理。每个图表在一个单独的线程中运行,总共将使用所有处理器内核。此外,终端代理本身也可用于并行处理终端图表上的应用程序计算,但这一点并不为很多人所知。在本文中,我将向您展示如何在 MQL5 中编写一个二进制 GA,以无限小的参数步长覆盖双数的所有有效数字(事实上,双数的小数位数仅限于 16 位)。甚至这还不是极限,您还可以在 MQL5 中编写标准数字类型的扩展。 这就是我要说的--你会得到一辆抽筋很多的自行车。 OpenCL 是如此优秀,以至于 metaquotes 没有在其上编写 GPU 优化器,可能只是因为我们任何人都可以轻松编写自己的优化器。 好了,我不说了,否则我要是把对你蛊惑人心的看法都说出来,就会像马克西姆一样被禁言。 Andrey Dik 2024.01.11 20:20 #33833 Aleksey Nikolayev #:这就是我要说的--这将是一辆相当糟糕的自行车。OpenCL 如此优秀,以至于 metaquotes 没有在它的基础上编写 GPU 优化器,可能只是因为我们任何人都可以轻松编写自己的优化器。好了,我不说了,否则我要是把对你蛊惑人心的看法都说出来,就会像马克西姆一样被禁言。 那么到底是什么问题呢?如果您在使用 MQL5 时遇到问题,这并不是语言的错,我们为那些提出问题的人提供了专门的资料主题。 我的 "蛊惑 "是什么?应您的要求,我给您提供了大量文献,供您阅读,拓展您的视野,我告诉您并向您展示 MQL5 的具体实现和搜索策略。你还需要我做什么,才不会让我脸上挂着泔水,让你害怕被禁言? 我对人们感到非常惊讶。 mytarmailS 2024.01.15 17:54 #33834 关于渲染 forrest 的冗余的一点说明 获取虹膜数据集 + 训练 forrest + 从 forrest 中提取规则 + 创建数据集,其中每个规则都是一个特征。 我们会得到一个列有规则的矩阵(约 700 条)。 X <- iris[,-5] target <- iris[,"Species"] library(inTrees) library(RRF) rules_dataset <- target |> RRF(x = X) |> RF2List() |> extractRules(X = X) |> sapply(\(r) eval(str2expression(r))) ncol(rules_dataset) [1] 698 现在找出所有线性相关的规则,并将其作为冗余规则删除。 remove_lin_comb <- caret::findLinearCombos(rules_dataset)$remove clear_rules_dataset <- rules_dataset[, -remove_lin_comb] 得到 ncol(clear_rules_dataset) [1] 32 整个数据集可以用 32 条规则来描述,而不是 698 条。 就是这样... 福雷斯特的 冗余度 是 698/32 = 21.8125 倍。 СанСаныч Фоменко 2024.01.16 16:29 #33835 mytarmailS #:关于 "随机福雷斯特 "的冗余问题获取虹膜数据集 + 训练森林 + 从森林中提取规则 + 创建数据集,其中每个规则都是一个特征。得到一个列有规则的矩阵(约 700 条)现在,找出所有线性相关的规则,并将其作为冗余规则删除。得到整个数据集可以用 32 条规则来描述,而不是 698 条。就是这样。福雷斯特的 冗余度 是 698/32 = 21.8125 倍。 规则从何而来?没错:输入的信息堆积如山,压缩后得到规则,然后利用规则进行预测,而不是原始信息。这就是它被称为模型的原因。 mytarmailS 2024.01.16 17:18 #33836 СанСаныч Фоменко #:规则从何而来?没错:输入端堆积如山的信息,压缩后得到规则,然后利用规则进行预测,而不是原始信息。这就是它被称为模型的原因。 请仔细阅读原文 Maxim Dmitrievsky 2024.01.19 04:15 #33837 mytarmailS #: 你不是想写一篇关于规则的文章吗?这也许是个有趣的话题,比最小化测试功能更有趣。还是你对 OOS 的验证有问题?或者没有问题,只是你懒得写而已。 Maxim Dmitrievsky 2024.01.19 08:42 #33838 规则选择的一般方法。比如在 TC 的背景下,把树分解成规则,然后......。最佳实践和见解。这将会很有趣。但不是随机函数和随机狼,而是更接近利润。 СанСаныч Фоменко 2024.01.19 09:19 #33839 Maxim Dmitrievsky #: 规则选择的一般方法。比如在 TC 的背景下,把树分解成规则,然后......。最佳实践和见解。我很好奇。 只是不是随机函数和随机狼,而是更接近利润。 "更接近利润 "不就是 "过度训练 "的同义词吗? 我们在随机利润上获得了很好的平衡,因为基础是随机增量值。平衡之美又从何而来? 平衡是对终端 TS 的评估,而这种平衡不仅受分类误差的影响。 但如果我们保持在 MOE 范围内,那么估值就不是轮廓了。 Maxim Dmitrievsky 2024.01.19 09:39 #33840 СанСаныч Фоменко #:"更接近利润 "不就是 "过度训练 "的同义词吗? 我们在随机利润上得到了一个美丽的平衡,因为基础是一个随机的增量值。平衡之美从何而来?平衡是对终端 TS 的评估,而这种平衡不仅受分类误差的影响。如果我们保持在 MO 范围内,那么评估就不是利润 更接近利润--更接近报价,而不是进行毫无意义的培训。互联网上有大量此类测试,不同 MO 的特殊性也早已为人所知。什么更糟糕,什么更好。我只是不明白规则提取在层次结构中的位置。 1...337733783379338033813382338333843385338633873388338933903391...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
您知道 mql5 中 CPU 上的并行计算机制是什么?
OpenCL 或多或少比较先进。
对于较低级的情况--在单独的图表上运行代理。每个图表都有单独的线程,总共将使用所有 CPU 内核。
此外,终端代理本身也可用于并行处理终端图表上的应用程序计算,但这并不为很多人所知。
在本文中,我将向您展示如何在 MQL5 中编写一个二进制 GA,以无限小的参数步长覆盖双数的所有有效数字(事实上,双数的小数位数仅限于 16 位)。甚至这还不是极限,您还可以在 MQL5 中编写标准数字类型的扩展。
OpenCL 或多或少适合高级用户。
对于不那么高级的用户--在单独的图表上运行代理。每个图表在一个单独的线程中运行,总共将使用所有处理器内核。
此外,终端代理本身也可用于并行处理终端图表上的应用程序计算,但这一点并不为很多人所知。
在本文中,我将向您展示如何在 MQL5 中编写一个二进制 GA,以无限小的参数步长覆盖双数的所有有效数字(事实上,双数的小数位数仅限于 16 位)。甚至这还不是极限,您还可以在 MQL5 中编写标准数字类型的扩展。
这就是我要说的--你会得到一辆抽筋很多的自行车。
OpenCL 是如此优秀,以至于 metaquotes 没有在其上编写 GPU 优化器,可能只是因为我们任何人都可以轻松编写自己的优化器。
好了,我不说了,否则我要是把对你蛊惑人心的看法都说出来,就会像马克西姆一样被禁言。
这就是我要说的--这将是一辆相当糟糕的自行车。
OpenCL 如此优秀,以至于 metaquotes 没有在它的基础上编写 GPU 优化器,可能只是因为我们任何人都可以轻松编写自己的优化器。
好了,我不说了,否则我要是把对你蛊惑人心的看法都说出来,就会像马克西姆一样被禁言。
那么到底是什么问题呢?如果您在使用 MQL5 时遇到问题,这并不是语言的错,我们为那些提出问题的人提供了专门的资料主题。
我的 "蛊惑 "是什么?应您的要求,我给您提供了大量文献,供您阅读,拓展您的视野,我告诉您并向您展示 MQL5 的具体实现和搜索策略。你还需要我做什么,才不会让我脸上挂着泔水,让你害怕被禁言?
我对人们感到非常惊讶。
关于渲染 forrest 的冗余的一点说明
获取虹膜数据集 + 训练 forrest + 从 forrest 中提取规则 + 创建数据集,其中每个规则都是一个特征。
我们会得到一个列有规则的矩阵(约 700 条)。
现在找出所有线性相关的规则,并将其作为冗余规则删除。
得到
整个数据集可以用 32 条规则来描述,而不是 698 条。
就是这样...
福雷斯特的 冗余度 是 698/32 = 21.8125 倍。
关于 "随机福雷斯特 "的冗余问题
获取虹膜数据集 + 训练森林 + 从森林中提取规则 + 创建数据集,其中每个规则都是一个特征。
得到一个列有规则的矩阵(约 700 条)
现在,找出所有线性相关的规则,并将其作为冗余规则删除。
得到
整个数据集可以用 32 条规则来描述,而不是 698 条。
就是这样。
福雷斯特的 冗余度 是 698/32 = 21.8125 倍。
规则从何而来?没错:输入的信息堆积如山,压缩后得到规则,然后利用规则进行预测,而不是原始信息。这就是它被称为模型的原因。
规则从何而来?没错:输入端堆积如山的信息,压缩后得到规则,然后利用规则进行预测,而不是原始信息。这就是它被称为模型的原因。
请仔细阅读原文
规则选择的一般方法。比如在 TC 的背景下,把树分解成规则,然后......。最佳实践和见解。我很好奇。
"更接近利润 "不就是 "过度训练 "的同义词吗?
我们在随机利润上获得了很好的平衡,因为基础是随机增量值。平衡之美又从何而来?
平衡是对终端 TS 的评估,而这种平衡不仅受分类误差的影响。
但如果我们保持在 MOE 范围内,那么估值就不是轮廓了。
"更接近利润 "不就是 "过度训练 "的同义词吗?
我们在随机利润上得到了一个美丽的平衡,因为基础是一个随机的增量值。平衡之美从何而来?
平衡是对终端 TS 的评估,而这种平衡不仅受分类误差的影响。
如果我们保持在 MO 范围内,那么评估就不是利润