交易中的机器学习：理论、模型、实践和算法交易 - 页 455

新评论
 

好吧，给你的算法充电。在交钥匙的基础上建立你的系统，因为有两个数据集即将出现，将显示它们的全部本质。对它们的判决将是有趣的，最好还有建成的模型，这样你就可以在实际操作中测试它们。

附加的文件：
Buy15MALL.txt  733 kb
Sell15MALL.txt  791 kb
 
Vizard_:

哦......。老师，谢谢你））)很久没有像这样笑过了))))))))


XM....我不明白......，如果你的模型是某种秘密，你不需要发布它。还是你认为你的模式会永远有效，你有点把圣杯 交给别人????。是什么让你笑得这么开心????

事实上，我个人坚持以下假设："网络架构在模型构建中起着微不足道的作用。最主要的是要知道如何正确地训练至少一个神经元"。

我不知道如何表达自己，但今天早上我想不出任何有意义的话来。我只想说，你可以得到一个多项式的模型，没有任何秘密等，这样一个普通的多项式....但它在未来会带有普遍性和可操作性。只是，它的训练是正确的，这是一门艺术，负责的不是NS本身，而是它的环境.....。

如果我公布我的模型，我的NS的安全性就不会受到影响，因为重要的不是多项式本身，而是获得它的方法....。

double getBinaryClassificator1(double v0, double v1, double v2, double v3, double v4, double v5, double v6, double v7, double v8) {
   double x0 = 2.0 * (v0 + 854.0) / 1708.0 - 1.0;
   double x1 = 2.0 * (v1 + 6025.0) / 12050.0 - 1.0;
   double x2 = 2.0 * (v2 + 83.31175) / 166.6235 - 1.0;
   double x3 = 2.0 * (v3 + 94.01706) / 190.59075 - 1.0;
   double x4 = 2.0 * (v4 + 79.89835) / 162.32691999999997 - 1.0;
   double x5 = 2.0 * (v5 + 8139.72596) / 16279.45192 - 1.0;
   double x6 = 2.0 * (v6 + 44728.87178) / 89457.74356 - 1.0;
   double x7 = 2.0 * (v7 + 16744.5244) / 33489.0488 - 1.0;
   double x8 = 2.0 * (v8 + 3571.0) / 7142.0 - 1.0;
   double decision = -0.3081635711326393 * sigmoid(x4)
  + 1.0249861163756249 * sigmoid(x2 + x4)
  + 0.09986072300626747 * sigmoid(x1 + x2 + x3 + x4)
  + 0.5413533668890985 * sigmoid(x5)
  + 0.6997159366377829 * sigmoid(x0 + x2 + x5)
  -0.04588868418500921 * sigmoid(x0 + x1 + x2 + x4 + x5)
  + 0.16781775869820087 * sigmoid(x1 + x2 + x3 + x4 + x5)
  + 0.4607985948890632 * sigmoid(x0 + x6)
  -0.8671700766023466 * sigmoid(x1 + x6)
  -0.5270267887837945 * sigmoid(x4 + x6)
  -0.027936937492837814 * sigmoid(x0 + x4 + x6)
  -0.6617354089719066 * sigmoid(x1 + x3 + x4 + x7)
  -0.19638937616247806 * sigmoid(x1 + x5 + x7)
  + 0.8684769002935395 * sigmoid(x6 + x7)
  -0.5967137681478805 * sigmoid(x0 + x2 + x5 + x6 + x7)
  -0.2097815643098296 * sigmoid(x0 + x1 + x4 + x5 + x6 + x7)
  -1.5340457322179422 * sigmoid(x8)
  + 0.7646273899667675 * sigmoid(x0 + x8)
  + 0.27679539504420725 * sigmoid(x2 + x3 + x8)
  -0.37855134296518955 * sigmoid(x1 + x6 + x8)
  -0.0311654310975556 * sigmoid(x0 + x1 + x2 + x6 + x8)
  -0.6036203203370856 * sigmoid(x0 + x1 + x2 + x3 + x5 + x6 + x8)
  + 0.04123987376920568 * sigmoid(x3 + x7 + x8)
  + 0.8450984194705711 * sigmoid(x0 + x1 + x2 + x3 + x4 + x7 + x8)
  -0.8578008338989624 * sigmoid(x2 + x3 + x5 + x7 + x8)
  + 1.059103470465344 * sigmoid(x1 + x3 + x6 + x7 + x8)
  + 1.0514388283102527 * sigmoid(x0 + x1 + x2 + x4 + x5 + x6 + x7 + x8)
  -0.06758350008374249 * sigmoid(1.0 + x0 + x3 + x4)
  -0.24213702035383408 * sigmoid(1.0 + x4 + x5)
  -0.8011798876969051 * sigmoid(1.0 + x0 + x1 + x3 + x5 + x6 + x7)
  + 0.7506445968459932 * sigmoid(1.0 + x0 + x3 + x8)
  + 0.3049328737780207 * sigmoid(1.0 + x0 + x1 + x2 + x3 + x6 + x7 + x8);
   return decision;
}
 
为什么有两张桌子？
一个有目标1，另一个有目标0？ 那为什么每张表都已经有目标0和1？
是否有可能将它们合二为一？
 
交易员博士。
为什么是两张桌子呢？
一个有目标1，另一个有目标0？ 为什么我们在每个表中已经有0和1的目标？
它们能否合二为一？

一个是买入信号，一个是卖出信号.....

为了将它们合二为一，你需要对其中一个表格进行反转。那么一个相同的模型就可以用于买入和卖出信号。

但在这种情况下，我们有两个独立的模型，一个用于购买，另一个用于出售....。

 
Vizard_。

这是一种疾病))))
你知道，他妈的，至少为了尊重应该首先纠正仇恨)))))，目标不具有完整性的属性，人们不仅使用kv等..,
但也愚蠢地划分在一半))))你意识到这个帖子也不只是一个石碑？不......所以13年后你会写同样的垃圾))))
对于笑料，我第十次提醒你，雷舍托夫的无间道机器有两个错误，其中一个可以部分平移......但这个装置
总是会损失至少2%...在Doc的数据集上，你可以得到55.3%的OOS...但当然，这些只是鹦鹉而已...


你知道这些错误是什么????如果你自信地说.....

 

试过Buy15MALL，模型发现ST9、AD5、Volum7、VVolum7之间有某种关联性，其他输入完全被忽略。准确率为55.6%。我不能分享这个模型。试着只在这四种情况下重新训练Reshetov机器。


Vizard_:

在OOS（测试）中，你可以得到55.3%...但当然，这些只是鹦鹉而已...

酷，这甚至不是鹦鹉，这是对过去7周左右时间里金牛座M5 柱的收益的预测。但考虑到价差，我认为该交易将处于不利地位。
我将尝试用不同的滞后期进行类似的实验，如open0-open1，open0-open2，等等。

 

这项工作的重点是要确定以下内容。

要么我的数据被正确收集，它将与其他算法和优化系统一起工作。

或者是优化师雷谢托夫的奇迹，他能从任何数据中做出一个有价值的模型。

 
蜥蜴_。

你最好在一个图像上练习，因为重点不是处理它，而是...

我同意，我需要高质量的降噪。
我有点学会了如何用交叉验证法训练一个模型，以便在新的数据上准确率不会下降太多。就像在这种情况下，如果几年前我在培训师那里得到100%的成绩，在考试中得到50%的成绩，现在只是两者都得到50%。但这显然是不够的。当我学会降噪后，我可能会挤出几个百分点。

 
Yuriy Asaulenko:

我在股票市场工具上检查了一下。与几年前不同，所有的运动都是15-20分钟...和沉默。

在外汇中，是的，几分钟的时间宁可不做主。有时我不知道该怎么做。 但为了提高入门，我可以尝试。


概率分布 在任何TF中都是一样的，即超过3个sigmas的概率和抓到黑天鹅的概率，我们在谈论什么？)TF只是同一图形的另一种表现形式
 
亲爱的人们，在进行市场预测之前，你们应该研究过任务的问题性。时间序列的预测 不是按芯片对植物和癌症进行分类。


Mihail Marchukajtes:

Michail，只有一个问题。

为什么你的数据在时间序列数据集中被排序？


有什么可预测的呢？
至少，如何将数据集分为训练和测试两部分？

1...448449450451452453454455456457458459460461462...3399
新评论