交易中的机器学习:理论、模型、实践和算法交易 - 页 369 1...362363364365366367368369370371372373374375376...3399 新评论 Maxim Dmitrievsky 2017.05.21 15:24 #3681 elibrarius: 顺便说一下,我检查了欧元兑美元M1图表上从10到60(6件)的周期的相关性,朝向出口(我没有人字形,但接近的东西)。-0.00,0.01,0.00,0.01,0.01,-0.01相关性从-0.01到0.01,即完全没有相关性。然而,你的专家顾问显示了利润。你必须手动放置交易,查看趋势线,并根据图表运动制定一些规则。 我相信,编写一个普通的EA,根据这些规则工作,要容易得多。 好了,现在在输出端按照一定的规则送入同一个回归的增量,有一个偏移,或者几个回归(几个输出)......相关关系将是正常的。并输入更多不同时期的回归数据。MLP会在自己内部建立一个很酷的回归模型,就像Garch一样,一切都会好起来的 :)但一般来说,你需要一个更高级的神经网络,比如说LSTM。我的显示利润,因为它是通过优化器运行的,它是肮脏的结果:)你可以说,配合,这将不会在前进的道路上工作很长时间(好的时期会)。 Forester 2017.05.21 15:39 #3682 在我看来,找到正确的目标标记甚至比找到好的输入更成问题。 毕竟,在图表上,除了从 "之 "字形(或其他方法)获得的点之外,还有几十个交易将获利的时刻/条。但NS试图只用这一种学习的变体来纠正交易。 而与trendlinearreg的例子很好地说明了这一点。 Maxim Dmitrievsky 2017.05.21 15:51 #3683 elibrarius。 在我看来,找到正确的目标标记甚至比找到好的输入更成问题。 毕竟,除了从 "之 "字形(或其他方法)获得的点之外,图表上还有几十个点/条,此时交易将是有利可图的。但NS试图只用这一种学习的变体来纠正交易。 这在潮流的例子中可以清楚地看到。 因此,NS应作为一个系统的一部分,一个过滤器,或不同NS的集合体来使用 Алёша 2017.05.21 17:14 #3684 迪米特里。 所有的MO都是基于输入变量必须与输出变量相关的事实。否则,所有MO模型就没有意义。 你严重误解了。相关性只是 线形 依赖性,y=kx,即使是一个微不足道的XOR数据集也会给出单个特征与目标的零相关性,然而对于一个非线性分类器来说是很容易解决的。 Дмитрий 2017.05.21 17:28 #3685 Alesha: 你严重搞错了。相关性只是 线形 依赖性,y=kx,即使是一个微不足道的XOR数据集也会给出单个特征与目标的零相关性,然而对于一个非线性分类器来说是很容易解决的。 我已经读了三遍这个--很难理解这些废品....。那么?我可以采取多元回归,其中一个或多个(部分)输入变量与输出的相关性接近于0,但该模型将给出一个高预测精度。那又怎样?如果你去掉这些变量,问题的维度就会降低,准确性也会提高。那又怎样?你的帖子的重点是什么? Дмитрий 2017.05.21 17:29 #3686 抛弃 "不必要的 "变量的问题解决了降低模型维度的问题。对于DM来说,它也增加了模型预测的准确性。对于NS的准确性,我不知道。 Алёша 2017.05.21 18:25 #3687 迪米特里。 读这篇文章三遍--理解这些废品的难度....那又怎样?我可以采取多元回归,其中一个或多个(部分)输入变量将与输出变量的相关性接近于0,但该模型将给出一个高预测精度。那又怎样?如果你去掉这些变量,问题的维度就会降低,准确性也会提高。那又怎样?你的帖子有什么意义? 什么,什么...哎呀!没办法!...不要再检查了,先生,我们不是在地下室))))。你说筹码要和目标相关,不相关的可以扔掉,我告诉你这是不对的,拿XOR来检查,不会有相关的,筹码很重要,因为关系不是线性的,就是这样,相关只抓到关系中的线性部分。 Дмитрий 2017.05.21 18:35 #3688 阿利奥沙。 什么,什么...哎呀!没办法!...停止检查,先生,我们不是在地下室))))。你说筹码应该与目标相关,那些不相关的可以舍弃,我告诉你这是不对的,拿XOR来检查,不会有相关的,筹码很重要,因为关系不是线性的,就是这样,相关只抓到关系的线性部分。 给我一个例子,线性相关为0,而非线性依赖性很强。 Алёша 2017.05.21 18:47 #3689 迪米特里。 给我一个例子,线性相关为0,而非线性关系很强。我说XOR数据集 Дмитрий 2017.05.21 18:48 #3690 阿利奥沙。 我说XOR数据集 你有一个例子吗?显示传入的数据行和传出的数据行 - 发布 1...362363364365366367368369370371372373374375376...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
顺便说一下,我检查了欧元兑美元M1图表上从10到60(6件)的周期的相关性,朝向出口(我没有人字形,但接近的东西)。
-0.00,0.01,0.00,0.01,0.01,-0.01
相关性从-0.01到0.01,即完全没有相关性。
然而,你的专家顾问显示了利润。你必须手动放置交易,查看趋势线,并根据图表运动制定一些规则。 我相信,编写一个普通的EA,根据这些规则工作,要容易得多。
好了,现在在输出端按照一定的规则送入同一个回归的增量,有一个偏移,或者几个回归(几个输出)......相关关系将是正常的。并输入更多不同时期的回归数据。MLP会在自己内部建立一个很酷的回归模型,就像Garch一样,一切都会好起来的 :)但一般来说,你需要一个更高级的神经网络,比如说LSTM。
我的显示利润,因为它是通过优化器运行的,它是肮脏的结果:)你可以说,配合,这将不会在前进的道路上工作很长时间(好的时期会)。
毕竟,在图表上,除了从 "之 "字形(或其他方法)获得的点之外,还有几十个交易将获利的时刻/条。但NS试图只用这一种学习的变体来纠正交易。
而与trendlinearreg的例子很好地说明了这一点。
在我看来,找到正确的目标标记甚至比找到好的输入更成问题。
毕竟,除了从 "之 "字形(或其他方法)获得的点之外,图表上还有几十个点/条,此时交易将是有利可图的。但NS试图只用这一种学习的变体来纠正交易。
这在潮流的例子中可以清楚地看到。
因此,NS应作为一个系统的一部分,一个过滤器,或不同NS的集合体来使用
所有的MO都是基于输入变量必须与输出变量相关的事实。
否则,所有MO模型就没有意义。
你严重搞错了。相关性只是 线形 依赖性,y=kx,即使是一个微不足道的XOR数据集也会给出单个特征与目标的零相关性,然而对于一个非线性分类器来说是很容易解决的。
我已经读了三遍这个--很难理解这些废品....。
那么?
我可以采取多元回归,其中一个或多个(部分)输入变量与输出的相关性接近于0,但该模型将给出一个高预测精度。
那又怎样?
如果你去掉这些变量,问题的维度就会降低,准确性也会提高。
那又怎样?
你的帖子的重点是什么?
抛弃 "不必要的 "变量的问题解决了降低模型维度的问题。
对于DM来说,它也增加了模型预测的准确性。
对于NS的准确性,我不知道。
读这篇文章三遍--理解这些废品的难度....
那又怎样?
我可以采取多元回归,其中一个或多个(部分)输入变量将与输出变量的相关性接近于0,但该模型将给出一个高预测精度。
那又怎样?
如果你去掉这些变量,问题的维度就会降低,准确性也会提高。
那又怎样?
你的帖子有什么意义?
什么,什么...哎呀!没办法!...
不要再检查了,先生,我们不是在地下室))))。
你说筹码要和目标相关,不相关的可以扔掉,我告诉你这是不对的,拿XOR来检查,不会有相关的,筹码很重要,因为关系不是线性的,就是这样,相关只抓到关系中的线性部分。
什么,什么...哎呀!没办法!...
停止检查,先生,我们不是在地下室))))。
你说筹码应该与目标相关,那些不相关的可以舍弃,我告诉你这是不对的,拿XOR来检查,不会有相关的,筹码很重要,因为关系不是线性的,就是这样,相关只抓到关系的线性部分。
给我一个例子,线性相关为0,而非线性依赖性很强。
给我一个例子,线性相关为0,而非线性关系很强。
我说XOR数据集
我说XOR数据集
你有一个例子吗?
显示传入的数据行和传出的数据行 - 发布