交易中的机器学习：理论、模型、实践和算法交易 - 页 417

新评论
 
Mihail Marchukajtes:

这其实就是答案......胡说八道，胡说八道，....而且没有结果.....

发布你的交易报告，会有一个结果，而且会是积极的，所以要认真谈...

 
伊万-内格雷什尼。

发布你的交易报告，会有一个结果，如果是积极的，那么也许会有一个严肃的对话。


什么样的对话?????，我不明白.....，我提出要为一个与外汇不同但利润不低的任务建立一个模型，而你却告诉我关于交易.....，奇怪!!!!。

 
Mihail Marchukajtes:

什么对话?????，我不明白.....，我提出要为一个不同于外汇的任务建立一个模型，但利润不低，你却告诉我关于交易.....，奇怪!!!!。

如果你给我提供一个不亚于外汇的任务，那么我有权利知道你的外汇有多大的利润，这有什么奇怪的？

 
伊万-内格雷什尼。

如果你给我提供一个不亚于外汇的任务，我有权知道外汇的利润如何，有什么好奇怪的？


外汇有什么用????，关于外汇请看我以前的帖子或文章.....，我不是在说外汇....。

 
Mihail Marchukajtes:

外汇与它有什么关系????，请阅读我以前的帖子或文章.....，我不是在谈论外汇....。

去读...
 
elibrarius。
它最初只是通过输出类型来选择网络的类型，不需要重写任何东西（而且所有的内部层都是硬连接的非线性的）。
你是否尝试过在alglib中重新训练同一个创建的网络？ 例如，我训练了MLP，然后重新训练它......它被重新训练了，没有错误，但也许这是不正确的，应该创建一个新的网络对象？ 或者它被以某种方式重新训练，而不是再次训练......同样，在帮助中没有关于它的内容，我有点懒得在代码中挖掘和寻找)
 
马克西姆-德米特里耶夫斯基。
你有没有试验过在alglib中重新训练同一个创建的网络？ 假设我训练了MLP，然后重新训练它......它重新训练了，没有错误，但也许这是错的，应该创建一个新的网络对象？ 或者它在那里以某种方式重新训练，而不是再次训练......同样，在帮助中没有关于它的内容，但有点懒得翻阅代码和寻找)
如果你再重新训练，就不会有错误（这不是重新训练，因为系数会被重置），只需找到它们的新组合。
 
马克西姆-德米特里耶夫斯基。
我还没有试验过在alglib中重新训练同一创建的网络？ 假设我训练了一个MLP，然后重新训练它......它重新训练了，没有错误，但可能是它不对，需要创建一个新的网络对象？ 或者它以某种方式在那里重新训练，而不是再次训练......同样，在帮助中没有关于它的内容，但在那里挖掘和寻找代码是一种懒惰)

一个非常有趣的方法，和世界一样古老。做一些训练，得到结果，然后在其他几个网络的数据上再次训练该网络。一种不同格式的深度学习....。顺便说一下，这种方法很好...

 
Mihail Marchukajtes:

一个非常有趣的方法，和世界一样古老。做一些训练，得到结果，然后在其他几个网络的数据上再次训练该网络。一种不同格式的深度学习....。顺便说一句，这是一个好方法...

不，它只是在测试器的某些间隔时间内重新训练，例如在给定的缩减量等。如果你使用多个网，alglieb里有N个合奏，我以后再玩，现在是夏天，懒得......海边的小鸡莫吉托，开玩笑，什么......在西伯利亚的海里，只有一条河和一个沼泽。

然后还有各种各样的提升和干扰以及其他的东西，而LSTM是我的愿望中一个牵强的理想，我还没有达到这个目标。

 
弗拉基米尔-佩雷文科。
Mihail Marchukajtes:

好了，既然你已经说到了点子上，我就告诉你一个关于数据收集处理的想法。要在足够大的范围内训练一个具有高度概括性的模型真的很困难，因为市场是一个活的有机体，等等，等等。训练期越长，模型的表现越差，但时间越长。目标：制作一个长期运行的模型。分裂或方法二，然而对于那些使用两个网络的委员会。

当网格显示在不同方向时，我们有三种状态 "是"、"不是 "和 "不知道"。

我们在整个部分训练网络，在我们的例子中是452个条目。网络以55-60%的比例学习了这组数据，假设训练集中的 "不知道 "的回答为50%，那么226个信号网络就无法学习。好吧，现在我们只在 "不知道 "的状态上建立一个新的模型，也就是说，我们试图在这种误导第一个模型的准状态上建立模型。结果大致相同，226人中只有一半会被识别，其余的会得到 "不知道 "的状态，然后再次建立模型。结果是113，然后是56，然后是28，然后是14。对于以前任何模型都不知道的14个条目，Jprediction优化器通常会计算出高达100%的可归纳性。

因此，我们有一个 "模式系统"，可以在三个月的时间内识别整个市场。

这是除 "每日背景 "之外的另一种方式，你如何将市场分解为子空间，并通过获得确切的 "模式系统 "来产生训练 这里有一个例子....

------------------------------------------------------------

这种方法被称为 "提升"--提升 是一种机器学习算法的顺序组成程序，每个连续的算法都试图补偿所有先前算法组成的缺点。提升 是一种贪婪的算法，用于构建算法的组成。

最近最著名的应用是XGBoost。

祝好运

XGBoost与一个优化的分布式梯度提升库和机器学习算法的组成构建有什么关系？
1...410411412413414415416417418419420421422423424...3399
新评论