交易中的机器学习:理论、模型、实践和算法交易 - 页 455 1...448449450451452453454455456457458459460461462...3399 新评论 Mihail Marchukajtes 2017.08.14 04:14 #4541 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 Mihail Marchukajtes 2017.08.14 05:07 #4542 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; } Dr. Trader 2017.08.14 06:38 #4543 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? Mihail Marchukajtes 2017.08.14 07:00 #4544 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....。 Mihail Marchukajtes 2017.08.14 07:37 #4545 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..... Dr. Trader 2017.08.14 07:48 #4546 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。 Mihail Marchukajtes 2017.08.14 07:54 #4547 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。 Dr. Trader 2017.08.14 07:58 #4548 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。 Maxim Dmitrievsky 2017.08.14 08:15 #4549 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 Aleksey Terentev 2017.08.14 10:20 #4550 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 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
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。
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....。
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?
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....。
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。
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。
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。
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
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?