交易中的机器学习：理论、模型、实践和算法交易 - 页 402 1...395396397398399400401402403404405406407408409...3399 新评论 Maxim Dmitrievsky 2017.06.11 10:21 #4011 阿利奥沙。XGB - https://en.wikipedia.org/wiki/Xgboost 是机器学习的融合武器。对于一个完整的模拟周期来说，3个月的时间是不够的，因为模型需要在不同的市场、制度变化、闪电屋顶和不同的天鹅上进行测试，合成压力测试不能像真实市场那样做。最终的模型在大多数情况下不会使用超过一周的数据，但为了配置它，你需要在1-3年的样本上运行它，以确保它不会到处乱搞。在3个月内，数据可以被训练，如果数据科学家知道他们的东西，它将变成一个定期的赚钱工具，但有一天，也许在3个月内，也许在半年内，一切都可以突然打破，因为 "未知 "的原因，或者说是已知的，因为模型没有遇到市场的这种元状态，并启用了业余的方式。 啊，你需要系统地重新培训，在5年内培训一个hft有什么意义，它既不需要神经也不需要资源。啊，梯度提升......听说过你，听说过你，但没有做过。越是深入森林，条款越是复杂。 Алёша 2017.06.11 14:10 #4012 马克西姆-德米特里耶夫斯基。 他们没有在5年内培训hft的意识，他们既没有胆量也没有资源来做这件事。也许LTCM 的人也提出了这个论点）。他们说，如果他们在模型中回头看两倍远，他们就不会如此激烈地合并。在任何情况下，训练不立即去整个5年的样本，很明显，滑动窗口需要一个样本，不断学习，但重要的是要知道如何快速的模型 "知道"，当一些强烈的变化在市场上，这不是一个异常值，不是某人的愚蠢，不会勇敢地填补反对一个突然的趋势，科利亚的电话。 Mihail Marchukajtes 2017.06.11 14:28 #4013 Aliosha: 也许LTCM 的人也提出了这个论点）。他们说，如果他们在模型中回头看两倍远，他们就不会如此激烈地合并。在任何情况下，学习不会立即进入整个5年的样本，很明显，滑动窗口需要一个样本，不断学习，但重要的是要知道模型如何快速 "知道 "当一些强烈的市场变化，这不是一个异常值，不是某人的愚蠢，不会勇敢地填补反对一个突然的趋势，调用Kolya。 Mdya......，你设法在工作中拉屎，而你自己却在谈论完全不同的漏斗。通常情况下，当模型突破平衡曲线的支撑线时，它就不好了，然后就会恢复，正如我前面所展示的那样...是否相信模型的工作是一个哲学问题。没有人说三个月的数据太少。但我有一个问题，你怎么知道我是如何收集它们的，它们指的是什么??????。只是好奇。是什么让你突然认为，如果所有可能的市场发展已经呈现在它面前三个月，该模型将失去其意义?????。你必须先了解它是什么，然后才能预测市场。是的，市场在全球范围内确实发生了变化，但我使用的是导致价格的数据，也就是说，是这个数据改变了价格，而不是反过来。此外，在上传之后，我使用一个独特的数据清理程序来清除垃圾，因此我获得了相同的模型。虽然我的贸易本身并不太寒酸。我迫切需要一个机器人。还有一个问题给观众...有没有人有一个机器人的骨架，考虑到真实交易中的Requotes、Ods和其他东西?????。 Алёша 2017.06.11 15:16 #4014 Mihail Marchukajtes:没有人说三个月的数据太少。但我的问题是，你怎么知道我是如何收集它们的，它们与什么有关??????。只是好奇。是什么让你突然认为，如果所有可能的市场发展都在三个月内提交给它，这个模型就没有意义了?????。如果你在3个月的数据上进行训练，你就不能指望模型能持续多久。该模型所看到的市场，就是它能够交易的市场。你的数据集是无稽之谈，用它交易就像用咖啡渣猜测。这同样适用于 "雷舍托夫的机器"，它可以获得线性模型的系数，而数据根本就不是线性的。你必须一点都不遥远，才能相信这种胡说八道，在一个<500点的数据集上，一个线性模型花了几周时间来学习，因为它是 "AI"))))))))).....。我不知道....这比马尾辫和 "去势 "更垃圾。 Mihail Marchukajtes 2017.06.11 15:36 #4015 阿利奥沙。如果你在3个月的数据上进行了训练，你就不能指望模型能持续更长时间。该模型看到了什么市场，它就能进行交易。你的数据集是无稽之谈，用它交易就像用咖啡渣猜测。这同样适用于 "雷舍托夫的机器"，它可以获得线性模型的系数，而数据根本就不是线性的。你必须一点都不遥远，才能相信这种胡说八道，在一个<500点的数据集上，一个线性模型花了几周时间来学习，因为它是 "AI"))))))))).....。我不知道....这比马汀格尔和 "跑到菊花链上 "更无稽之谈。 本周的价值????阿廖沙，你真是阿廖沙哈哈....现在的人都是些什么人啊。Ladnaya Alexeyushka你我们的，那是我们第一次读这里 的文章，你会明白，我的500个点我收集了三个月，因为我不是每条都推分类器，在一定的时间做，因此500个点覆盖了3个月的市场，你的模型不能正确地训练它，所以这是因为你有一个 "垃圾 "系统的AI。我甚至把它放在括号里，以示某种赞许 :-)阿廖沙，阿廖沙......，然后我看到，到了周末，巨魔也醒了.....。好吧，我个人并不关心，我会在最后告诉你另一个秘密，只是为了发展，让你明白 "你在向谁吐口水"。致所有认为我的数据集比50%差的人!!!!!!!你的人工智能系统建立得不正确，或者其中有错误 OR!!!!!!!!然后是鼓声....你的系统受限于你学习的材料数量，你使用的网格能够在2-3周内正确学习（让我们把完全没有再培训作为一个规则），并工作一到两周。这样的系统是存在的，而且也没有什么问题。这个工程!!!!。但是，当你把一个大的数据集丢给它的时候，它就会被可怕地过度训练或训练不足，最终导致大的训练误差，你开始认为这个数据集很糟糕，对你的人工智能系统来说相当合理。但是，当一个人工智能系统真的很酷时，它能够建立一个模型（并且不会过度训练），即使是在你失败的这个数据集上，....。你看!!!!只是该模型将由大量的输入组成，我认为是10-12，多项式将足够长，相信我，这样的模型将有超过50%的利润。或者说，即使是REACH优化器也有一个限制，但它比那些失败者.....。像这样..... Mihail Marchukajtes 2017.06.11 15:43 #4016 有趣的是，这个优化器的主要结果是泛化的百分比，我建立的模型具有100%的泛化水平。但随着样本百分比的增加，开始下降，当它低于50%时，模型将开始运行。但更有可能是在50大关附近。总之，如果数据中存在一条鱼，它就会找到它，如果没有，那就太晚了.....。它也很好地回答了所选变量的数据有多好的问题，如果数据充满了狗屎，就会立即被看到....。我很搞笑，我分割了我发布的数据集，其中一个样本是138行，我运行了它，我在等待....。如果我有兴趣，我会公布结果....。 Алёша 2017.06.11 16:16 #4017 Mihail Marchukajtes: 我是说周????阿廖沙，你真的是阿廖沙，哈哈哈 ....现在的人都是些什么人？Ladnaya Alexeyushka你我们的，那是我们第一次读这里 的文章，你会明白，我的500点我收集了三个月，因为我不推分类器每个酒吧，并在一定的时间做，因此500点覆盖市场3个月，你的模型不能正确训练它，所以这是因为你有你的系统的AI "废话"。我甚至把它放在括号里，以示某种赞许 :-)阿廖沙，阿廖沙......，然后我看到到了周末，巨魔也醒了.....。我个人并不在意，我让你在最后多一个秘密只是为了发展，让你明白你在和谁 "开玩笑"。致所有认为我的数据集比50%差的人:!!!!!!!你的人工智能系统建立得不正确或有错误 LIBO!!!!!!!!然后是鼓声....你的系统受限于你学习的材料数量，你使用的网格能够在2-3周内正确学习（让我们把完全没有再培训作为一个规则），并工作一到两周。这样的系统是存在的，而且也没有什么问题。这个工程!!!!。但是，当你把一个大的数据集丢给它的时候，它就会被可怕地过度训练或训练不足，最终导致大的训练误差，你开始认为这个数据集很糟糕，对你的人工智能系统来说相当合理。但是，当一个人工智能系统真的很酷时，它能够建立一个模型（并且不会过度训练），即使是在你失败的这个数据集上....。你看!!!!只是该模型将由大量的输入组成，我认为是10-12，多项式将足够长，相信我，这样的模型将有超过50%的利润。或者说，即使是REACH优化器也有一个限制，但它比那些失败者.....。像这样.....最有趣的是，这个优化器的主要结果是泛化百分比，而我建立的模型具有100%的泛化水平。但随着样本比例的增加，开始下降，总有一天会降到50%以下，然后模型就会跑下来。但更有可能是在50大关附近。总之，如果数据中存在一条鱼，它就会找到它，如果没有，那就是一团糟.....。它也很好地回答了所选变量的数据有多好的问题，如果数据充满了狗屎，就会立即被看到....。我很搞笑，我分割了我发布的数据集，其中一个样本是138行，我运行了它，我在等待....。如果我有兴趣，我会公布结果....。 我不会和你争论，没有什么可争论的，你说的完全是废话，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型之间的区别。而 "雷谢托夫的机器 "是线性的，它甚至不能c XOR，它是一个愚蠢的优化除法超平面的系数的一些伪遗传学，幼稚的胡说八道... 就是这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉他圣诞老人不存在）））。 Mihail Marchukajtes 2017.06.11 16:20 #4018 阿利奥沙。 我不打算和你争论，没有什么好争论的，你满口胡言乱语，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型的区别。而 "雷舍托夫机 "是线性的，它甚至不能c XOR，它只是通过一些pseutogenetics对超平面系数进行优化，幼稚的胡言乱语... 就是这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉我圣诞老人不存在）））。 YEAH!!!!!我是圣诞老人！！！而每年我都会在这个美丽的节日里向孩子们表示祝贺。你甚至还能在这里输给我 :-) Mihail Marchukajtes 2017.06.11 16:21 #4019 阿廖沙。 我不打算和你争论，没有什么好争论的，你满口胡言乱语，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型的区别。而 "雷谢托夫的机器 "是线性的，它甚至不能c XOR，它是一个愚蠢的优化除法超平面的系数的一些伪遗传学，幼稚的胡说八道... 就这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉我圣诞老人不存在））））。 我给你一个具有100%概括水平的模型.... Алёша 2017.06.11 16:56 #4020 Mihail Marchukajtes: 我将给你发送一个具有100%概括水平的模型.... 不需要吹捧圣杯，紧急交易就可以了，交易！大家都会感谢你的:) 1...395396397398399400401402403404405406407408409...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
XGB - https://en.wikipedia.org/wiki/Xgboost 是机器学习的融合武器。
对于一个完整的模拟周期来说，3个月的时间是不够的，因为模型需要在不同的市场、制度变化、闪电屋顶和不同的天鹅上进行测试，合成压力测试不能像真实市场那样做。最终的模型在大多数情况下不会使用超过一周的数据，但为了配置它，你需要在1-3年的样本上运行它，以确保它不会到处乱搞。在3个月内，数据可以被训练，如果数据科学家知道他们的东西，它将变成一个定期的赚钱工具，但有一天，也许在3个月内，也许在半年内，一切都可以突然打破，因为 "未知 "的原因，或者说是已知的，因为模型没有遇到市场的这种元状态，并启用了业余的方式。
啊，你需要系统地重新培训，在5年内培训一个hft有什么意义，它既不需要神经也不需要资源。
啊，梯度提升......听说过你，听说过你，但没有做过。越是深入森林，条款越是复杂。
他们没有在5年内培训hft的意识，他们既没有胆量也没有资源来做这件事。
也许LTCM 的人也提出了这个论点）。他们说，如果他们在模型中回头看两倍远，他们就不会如此激烈地合并。
在任何情况下，训练不立即去整个5年的样本，很明显，滑动窗口需要一个样本，不断学习，但重要的是要知道如何快速的模型 "知道"，当一些强烈的变化在市场上，这不是一个异常值，不是某人的愚蠢，不会勇敢地填补反对一个突然的趋势，科利亚的电话。
也许LTCM 的人也提出了这个论点）。他们说，如果他们在模型中回头看两倍远，他们就不会如此激烈地合并。
在任何情况下，学习不会立即进入整个5年的样本，很明显，滑动窗口需要一个样本，不断学习，但重要的是要知道模型如何快速 "知道 "当一些强烈的市场变化，这不是一个异常值，不是某人的愚蠢，不会勇敢地填补反对一个突然的趋势，调用Kolya。
Mdya......，你设法在工作中拉屎，而你自己却在谈论完全不同的漏斗。通常情况下，当模型突破平衡曲线的支撑线时，它就不好了，然后就会恢复，正如我前面所展示的那样...是否相信模型的工作是一个哲学问题。没有人说三个月的数据太少。但我有一个问题，你怎么知道我是如何收集它们的，它们指的是什么??????。只是好奇。是什么让你突然认为，如果所有可能的市场发展已经呈现在它面前三个月，该模型将失去其意义?????。
你必须先了解它是什么，然后才能预测市场。是的，市场在全球范围内确实发生了变化，但我使用的是导致价格的数据，也就是说，是这个数据改变了价格，而不是反过来。此外，在上传之后，我使用一个独特的数据清理程序来清除垃圾，因此我获得了相同的模型。虽然我的贸易本身并不太寒酸。我迫切需要一个机器人。还有一个问题给观众...有没有人有一个机器人的骨架，考虑到真实交易中的Requotes、Ods和其他东西?????。
没有人说三个月的数据太少。但我的问题是，你怎么知道我是如何收集它们的，它们与什么有关??????。只是好奇。是什么让你突然认为，如果所有可能的市场发展都在三个月内提交给它，这个模型就没有意义了?????。
如果你在3个月的数据上进行训练，你就不能指望模型能持续多久。该模型所看到的市场，就是它能够交易的市场。你的数据集是无稽之谈，用它交易就像用咖啡渣猜测。这同样适用于 "雷舍托夫的机器"，它可以获得线性模型的系数，而数据根本就不是线性的。你必须一点都不遥远，才能相信这种胡说八道，在一个<500点的数据集上，一个线性模型花了几周时间来学习，因为它是 "AI"))))))))).....。我不知道....这比马尾辫和 "去势 "更垃圾。
如果你在3个月的数据上进行了训练，你就不能指望模型能持续更长时间。该模型看到了什么市场，它就能进行交易。你的数据集是无稽之谈，用它交易就像用咖啡渣猜测。这同样适用于 "雷舍托夫的机器"，它可以获得线性模型的系数，而数据根本就不是线性的。你必须一点都不遥远，才能相信这种胡说八道，在一个<500点的数据集上，一个线性模型花了几周时间来学习，因为它是 "AI"))))))))).....。我不知道....这比马汀格尔和 "跑到菊花链上 "更无稽之谈。
本周的价值????阿廖沙，你真是阿廖沙哈哈....现在的人都是些什么人啊。Ladnaya Alexeyushka你我们的，那是我们第一次读这里 的文章，你会明白，我的500个点我收集了三个月，因为我不是每条都推分类器，在一定的时间做，因此500个点覆盖了3个月的市场，你的模型不能正确地训练它，所以这是因为你有一个 "垃圾 "系统的AI。我甚至把它放在括号里，以示某种赞许 :-)阿廖沙，阿廖沙......，然后我看到，到了周末，巨魔也醒了.....。好吧，我个人并不关心，我会在最后告诉你另一个秘密，只是为了发展，让你明白 "你在向谁吐口水"。
致所有认为我的数据集比50%差的人!!!!!!!你的人工智能系统建立得不正确，或者其中有错误 OR!!!!!!!!然后是鼓声....你的系统受限于你学习的材料数量，你使用的网格能够在2-3周内正确学习（让我们把完全没有再培训作为一个规则），并工作一到两周。这样的系统是存在的，而且也没有什么问题。这个工程!!!!。但是，当你把一个大的数据集丢给它的时候，它就会被可怕地过度训练或训练不足，最终导致大的训练误差，你开始认为这个数据集很糟糕，对你的人工智能系统来说相当合理。但是，当一个人工智能系统真的很酷时，它能够建立一个模型（并且不会过度训练），即使是在你失败的这个数据集上，....。你看!!!!只是该模型将由大量的输入组成，我认为是10-12，多项式将足够长，相信我，这样的模型将有超过50%的利润。或者说，即使是REACH优化器也有一个限制，但它比那些失败者.....。像这样.....
有趣的是，这个优化器的主要结果是泛化的百分比，我建立的模型具有100%的泛化水平。但随着样本百分比的增加，开始下降，当它低于50%时，模型将开始运行。但更有可能是在50大关附近。总之，如果数据中存在一条鱼，它就会找到它，如果没有，那就太晚了.....。
它也很好地回答了所选变量的数据有多好的问题，如果数据充满了狗屎，就会立即被看到....。
我很搞笑，我分割了我发布的数据集，其中一个样本是138行，我运行了它，我在等待....。如果我有兴趣，我会公布结果....。
我是说周????阿廖沙，你真的是阿廖沙，哈哈哈 ....现在的人都是些什么人？Ladnaya Alexeyushka你我们的，那是我们第一次读这里 的文章，你会明白，我的500点我收集了三个月，因为我不推分类器每个酒吧，并在一定的时间做，因此500点覆盖市场3个月，你的模型不能正确训练它，所以这是因为你有你的系统的AI "废话"。我甚至把它放在括号里，以示某种赞许 :-)阿廖沙，阿廖沙......，然后我看到到了周末，巨魔也醒了.....。我个人并不在意，我让你在最后多一个秘密只是为了发展，让你明白你在和谁 "开玩笑"。
致所有认为我的数据集比50%差的人:!!!!!!!你的人工智能系统建立得不正确或有错误 LIBO!!!!!!!!然后是鼓声....你的系统受限于你学习的材料数量，你使用的网格能够在2-3周内正确学习（让我们把完全没有再培训作为一个规则），并工作一到两周。这样的系统是存在的，而且也没有什么问题。这个工程!!!!。但是，当你把一个大的数据集丢给它的时候，它就会被可怕地过度训练或训练不足，最终导致大的训练误差，你开始认为这个数据集很糟糕，对你的人工智能系统来说相当合理。但是，当一个人工智能系统真的很酷时，它能够建立一个模型（并且不会过度训练），即使是在你失败的这个数据集上....。你看!!!!只是该模型将由大量的输入组成，我认为是10-12，多项式将足够长，相信我，这样的模型将有超过50%的利润。或者说，即使是REACH优化器也有一个限制，但它比那些失败者.....。像这样.....
最有趣的是，这个优化器的主要结果是泛化百分比，而我建立的模型具有100%的泛化水平。但随着样本比例的增加，开始下降，总有一天会降到50%以下，然后模型就会跑下来。但更有可能是在50大关附近。总之，如果数据中存在一条鱼，它就会找到它，如果没有，那就是一团糟.....。
它也很好地回答了所选变量的数据有多好的问题，如果数据充满了狗屎，就会立即被看到....。
我很搞笑，我分割了我发布的数据集，其中一个样本是138行，我运行了它，我在等待....。如果我有兴趣，我会公布结果....。
我不会和你争论，没有什么可争论的，你说的完全是废话，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型之间的区别。而 "雷谢托夫的机器 "是线性的，它甚至不能c XOR，它是一个愚蠢的优化除法超平面的系数的一些伪遗传学，幼稚的胡说八道...
就是这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉他圣诞老人不存在）））。
我不打算和你争论，没有什么好争论的，你满口胡言乱语，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型的区别。而 "雷舍托夫机 "是线性的，它甚至不能c XOR，它只是通过一些pseutogenetics对超平面系数进行优化，幼稚的胡言乱语...
就是这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉我圣诞老人不存在）））。
YEAH!!!!!我是圣诞老人！！！而每年我都会在这个美丽的节日里向孩子们表示祝贺。你甚至还能在这里输给我 :-)
我不打算和你争论，没有什么好争论的，你满口胡言乱语，"100%的概括"))))))。我认为你甚至不明白线性和非线性模型的区别。而 "雷谢托夫的机器 "是线性的，它甚至不能c XOR，它是一个愚蠢的优化除法超平面的系数的一些伪遗传学，幼稚的胡说八道...
就这样，我不得罪孩子，我是一个坏的、邪恶的叔叔，告诉我圣诞老人不存在））））。
我给你一个具有100%概括水平的模型....
我将给你发送一个具有100%概括水平的模型....