交易中的机器学习：理论、模型、实践和算法交易 - 页 351 1...344345346347348349350351352353354355356357358...3399 新评论 СанСаныч Фоменко 2017.05.16 09:22 #3501 尤里-阿索连科。实际上，这是不对的，我认为。随着系统变得更加复杂，盈利能力和稳定性也应同时增加。也就是说，随着系统变得更加复杂，其用户属性也应该增加。 绝对不正确。信息化标准，那里的各种急性，目的是使模型的复杂性最小化。模型粗化是一个非常有效的工具，可以对抗交易的主要罪恶--过度训练。 СанСаныч Фоменко 2017.05.16 09:26 #3502 马克西姆-德米特里耶夫斯基。包'Smarket'不可用（适用于R3.4.0版本） :( 见鬼去吧。只需采取最简单的一种--随机森林。通常情况下，我们得到的课程是培训的结果。在现实中，该算法给出了一个类别的概率，我们从中获得一个类别。通常情况下，我们把两个班的概率分成两半。分成几个等级怎么样：0 - 0.1是一个等级，0.9 - 1.0是另一个等级？而0.1-0.9之间的差距是市场上的？这是我在文章中看到的情况。 Yuriy Asaulenko 2017.05.16 09:29 #3503 桑桑尼茨-弗门科。 完全不是真的。信息化标准，那里的各种急性，目的是尽量减少模型的复杂性。粗化模型是一个非常有效的工具，可以打击交易中的主要罪恶--过度训练（过度拟合）。 我不知道为什么不正确）。从第二句话可以看出，我们说的是同一件事。 СанСаныч Фоменко 2017.05.16 09:33 #3504 尤里-阿索连科。 我不知道为什么它是错的）。从第二句话来看，我们说的是同一件事。 我的帖子里有一些文字是不正确的。然后你揭示了这个位置。一般的规则是：在盈利能力方面得到一个很好的系统，然后在盈利能力方面使其变得更糟，希望获得更重要的东西：未来的可持续性。 Yuriy Asaulenko 2017.05.16 09:49 #3505 桑桑尼茨-弗门科。 我的帖子里有一些文字是不正确的。你进一步揭露了这一立场。一般的规则是：在盈利能力方面得到一个很好的系统，然后在盈利能力方面使其变得更糟，希望得到更重要的东西：未来的可持续性。那么，随着稳定性的提高，盈利能力也会提高，至少可以减少亏损交易的数量。有利可图的则受到较小程度的影响。如果不是这样，那么预测器的信息性就有问题了。在任何情况下，利润/损失率应该只随着复杂性的增加而增长。 СанСаныч Фоменко 2017.05.16 09:56 #3506 尤里-阿索连科。稳定性提高了，盈利能力也提高了，至少减少了亏损交易的数量。有利可图的则受到较小程度的影响。如果不是这样，那么预测因子的信息量就有问题了。总之，利润/损失率必须与复杂化一起增长。 你最清楚，尽管整个世界的意见完全相反。 Дмитрий 2017.05.16 10:05 #3507 尤里-阿索连科。稳定性提高了，盈利能力也提高了，至少减少了亏损交易的数量。有利可图的则受到较小程度的影响。如果不是这样，那么预测因子的信息量就有问题了。在任何情况下，随着复杂性的增加，利润/亏损率一定只会增长。 Faa写的是正确的想法，但他的表述是不正确的。你有一个系列和一组预测因子。你把这个系列分成三个部分--训练样本和前进（最简单的情况）。比如说，你建立了20个模型。问题是，从列表中选择一个模型不是由训练样本上的最佳者来执行，也不是由前进样本上的最佳者来执行。选择一个在训练和正向都给出相同质量分数的模型。 Yuriy Asaulenko 2017.05.16 10:05 #3508 桑桑尼茨-弗门科。 你知道得更多，尽管整个世界都持有完全相反的观点。 整个世界持有完全相反的概念。而且是在所有的活动领域。顺便说一下，盈亏比的增加并不意味着利润在增加，而是意味着利润在减少。利润-损失率正在增长。 Yuriy Asaulenko 2017.05.16 10:24 #3509 迪米特里。 其本质是--从列表中选择一个模型不是基于训练样本上的最佳标准，也不是基于正向的最佳标准。选择一个在训练样本和正向样本上提供几乎相同质量的模型。这一点是毋庸置疑的。只意味着系统的实际运作或测试。 Maxim Dmitrievsky 2017.05.16 10:34 #3510 尤里-阿索连科。实际上，这是不对的，我认为。随着系统变得更加复杂，盈利能力和稳定性也应同时增加。也就是说，随着系统变得更加复杂，其用户属性也应该增加。以手的发展为例。1.我们采取一个赤裸裸的交易理念，创建一个简单的TS，优化利润（损失可以完全忽略）。2.引入限制，尽量减少亏损交易的数量。当然，部分意外盈利的交易会离开，在部分盈利的交易中，利润会减少，但缩水也会减少，因此，利润-亏损的总和会增加。进一步的复杂化只会导致利润增加，至少是由于亏损交易数量的减少。如果损益金额没有因为复杂化而增加，我们一定是做错了什么。例如，我们引入了无效率的条件。 多么错误，你正在创建一个分类模型。样本越大，概括性越强，模型在一般情况下变得更加稳定，而在特殊情况下则不那么准确，因此利润较低。如果你在一个小样本上训练它，那么它在短样本上可能非常准确，但在大样本上则不稳定。 1...344345346347348349350351352353354355356357358...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
实际上，这是不对的，我认为。
随着系统变得更加复杂，盈利能力和稳定性也应同时增加。也就是说，随着系统变得更加复杂，其用户属性也应该增加。
绝对不正确。
信息化标准，那里的各种急性，目的是使模型的复杂性最小化。模型粗化是一个非常有效的工具，可以对抗交易的主要罪恶--过度训练。
马克西姆-德米特里耶夫斯基。
见鬼去吧。
只需采取最简单的一种--随机森林。通常情况下，我们得到的课程是培训的结果。在现实中，该算法给出了一个类别的概率，我们从中获得一个类别。通常情况下，我们把两个班的概率分成两半。
分成几个等级怎么样：0 - 0.1是一个等级，0.9 - 1.0是另一个等级？而0.1-0.9之间的差距是市场上的？
这是我在文章中看到的情况。
完全不是真的。
信息化标准，那里的各种急性，目的是尽量减少模型的复杂性。粗化模型是一个非常有效的工具，可以打击交易中的主要罪恶--过度训练（过度拟合）。
我不知道为什么它是错的）。从第二句话来看，我们说的是同一件事。
我的帖子里有一些文字是不正确的。然后你揭示了这个位置。
一般的规则是：在盈利能力方面得到一个很好的系统，然后在盈利能力方面使其变得更糟，希望获得更重要的东西：未来的可持续性。
我的帖子里有一些文字是不正确的。你进一步揭露了这一立场。
一般的规则是：在盈利能力方面得到一个很好的系统，然后在盈利能力方面使其变得更糟，希望得到更重要的东西：未来的可持续性。
那么，随着稳定性的提高，盈利能力也会提高，至少可以减少亏损交易的数量。有利可图的则受到较小程度的影响。
如果不是这样，那么预测器的信息性就有问题了。在任何情况下，利润/损失率应该只随着复杂性的增加而增长。
稳定性提高了，盈利能力也提高了，至少减少了亏损交易的数量。有利可图的则受到较小程度的影响。
如果不是这样，那么预测因子的信息量就有问题了。总之，利润/损失率必须与复杂化一起增长。
你最清楚，尽管整个世界的意见完全相反。
稳定性提高了，盈利能力也提高了，至少减少了亏损交易的数量。有利可图的则受到较小程度的影响。
如果不是这样，那么预测因子的信息量就有问题了。在任何情况下，随着复杂性的增加，利润/亏损率一定只会增长。
Faa写的是正确的想法，但他的表述是不正确的。
你有一个系列和一组预测因子。你把这个系列分成三个部分--训练样本和前进（最简单的情况）。
比如说，你建立了20个模型。
问题是，从列表中选择一个模型不是由训练样本上的最佳者来执行，也不是由前进样本上的最佳者来执行。选择一个在训练和正向都给出相同质量分数的模型。
你知道得更多，尽管整个世界都持有完全相反的观点。
其本质是--从列表中选择一个模型不是基于训练样本上的最佳标准，也不是基于正向的最佳标准。选择一个在训练样本和正向样本上提供几乎相同质量的模型。
这一点是毋庸置疑的。只意味着系统的实际运作或测试。
实际上，这是不对的，我认为。
随着系统变得更加复杂，盈利能力和稳定性也应同时增加。也就是说，随着系统变得更加复杂，其用户属性也应该增加。
以手的发展为例。
1.我们采取一个赤裸裸的交易理念，创建一个简单的TS，优化利润（损失可以完全忽略）。
2.引入限制，尽量减少亏损交易的数量。当然，部分意外盈利的交易会离开，在部分盈利的交易中，利润会减少，但缩水也会减少，因此，利润-亏损的总和会增加。
进一步的复杂化只会导致利润增加，至少是由于亏损交易数量的减少。
如果损益金额没有因为复杂化而增加，我们一定是做错了什么。例如，我们引入了无效率的条件。
多么错误，你正在创建一个分类模型。样本越大，概括性越强，模型在一般情况下变得更加稳定，而在特殊情况下则不那么准确，因此利润较低。
如果你在一个小样本上训练它，那么它在短样本上可能非常准确，但在大样本上则不稳定。