交易中的机器学习：理论、模型、实践和算法交易 - 页 479

新评论
 
阿列克谢-维亚兹米 金。

好吧，那我就帮不上忙了--在解决这个问题之前，必须先重现这个问题。

你可以尝试使用EventSetTimer 进行延迟--在条形图出现几秒钟后再读取指标。

谢谢你的推荐。


我可以不在几秒钟内使用，而是在30秒左右使用吗？如何做到这一点？

 
Mihail Marchukajtes:

你能在30秒内完成，而不是几秒钟？那么你是如何做到的呢？


是的，你可以。在他的例子上的代码库中寻找指标。

 
Mihail Marchukajtes:

就我的问题而言，我认为不存在专家????。

看看ClusterX_ColoredVolumes是如何制作的，并在你的图像中做一下。
 

是否有人使用Nvidea的APi。前几天刚看了一下卡的情况，我看到该公司生产的卡是用于采矿的，没有视频连接器。

 
阿列克谢-沃尔昌斯基。

是否有人使用Nvidea的APi。前几天刚看了卡的计划，我看到该公司做的卡是用来挖矿的，没有视频连接器。


我忘了，还有一些API已经发布，即CUDA

 

有很多nvidia api的存在 --

OpenCL是一个流行的标准，你需要编写自定义的C代码。它得到了Nvidia和AMD的支持，你甚至可以为cpu处理器而不是显卡安装库。我通过https://cran.r-project.org/web/packages/OpenCL/index.html 库在R中使用。
MT5也可以做这个api。

CUDA是某种严格意义上的nvidia库，例如AMD的vises并不支持它。关键是要把一个普通的C++代码进行编译，使其能在显卡上运行。也许对允许的功能有限制，我还没有深入了解细节。

CUDNN是一个基于CUDA的神经引擎的api和bibliotec


有这样一个神经元MXNET，它支持所有这些技术，你可以用它来测试视频https://mxnet.incubator.apache.org/get_started/install.html。

 

帮助我了解这个过程 :)

以一个线性分类器为例。假设我们向分类器教授一些东西，我们把价格从0到1的增量输入到2个输出，其中0.5是没有信号的（输出之和总是等于1）。

如果我们简单地画一条回归线，例如，根据价格，较大的价格增量将位于离线较远的地方，较小的则较近，即如果分类器的输出是0.9；0.1，正增量位于离线较远的地方，即0.9的信号将比0.6的信号更强，以购买

如果我们采用一个非线性分类的神经网络，其输出将显示信号强度，还是只显示属于两个类别中的一个的程度，而不是更多

也就是说，这个条件是否会得到满足。


在我看来，在这种情况下，已经有一半的初学者，由于对矩阵的认识不足，会失败。因为属于这个或那个类别的程度，直觉上会谈及更大/更小的信号强度。但真的是这样吗？创建更多的类来分配增量值，比如说%，那么在一个或另一个类中获取一个值（10个中的一个，比方说）就已经能准确地知道增量值了，这不是更好吗？
 
马克西姆-德米特里耶夫斯基。

帮助我了解这个过程 :)

以一个线性分类器为例。假设我们向分类器教授一些东西，并向输出提供从0到1的价格增量，其中0.5不是一个信号

如果我们简单地画一条回归线，例如，根据价格，那么较大的价格增量将位于离线较远的地方，而较小的价格增量则离线较近。 这意味着，如果分类器的输出显示为0.9；0.1，正增量位于离线较远的地方，即0.9的信号将比0.6的购买信号更强。

如果我们采用一个非线性分类的神经网络，其输出将显示信号强度，还是只显示属于两个类别中的一个的程度，而不是更多

也就是说，这个条件是否会得到满足。



理解：线是边界（在最简单的情况下是平均值）。增量价格越接近边界，它们与平均值的差异就越小，尽管从绝对值来看，它们可能一点也不小。(对于这个问题的表述)

 
Oleg avtomat:

理解：线是一个边界（在最简单的情况下，平均值）。增量价格越接近边界，与平均值的差异就越小，尽管从绝对值来看，它们可能一点都不小。(对于这个问题的表述)


也就是说，通过目标物的归属程度无法得出绝对变化的结论，0.9并不意味着价格增量会比0.6的情况下更大。

 
马克西姆-德米特里耶夫斯基。

也就是说，不能用目标物属于某个类别的程度来推断绝对变化，0.9并不意味着价格增量会比0.6的情况下更大。


同样，这取决于分类的构建方式。在上面的例子中，分类是基于与中心线（边界）的距离，而没有考虑到增量的绝对值。如果引入增量的绝对值，分类原则上就会不同。其规模也将不同。

1...472473474475476477478479480481482483484485486...3399
新评论