交易中的机器学习：理论、模型、实践和算法交易 - 页 483 1...476477478479480481482483484485486487488489490...3399 新评论 Ivan Negreshniy 2017.09.25 12:14 #4821 马克西姆-德米特里耶夫斯基。 我明白了:)所以，所有这些，在输出上分配类的概率与增量的概率没有关系......你看这里有些人也会感到困惑，对于初学者来说，这是一个模糊的观点......另一方面，如果一个神经网络输出概率（例如softmax层），那么，如果类成员资格将由超过0.5的概率决定，我们还需要它们干什么？然后你真的可以尝试使用回归模型，摆脱所有输出值的归一化......顺便说一下，我使用的是随机森林，在那里输入归一化是不需要的。 概率，看看你的森林的代码，它只是投票给这个或那个类别的树木的百分比。 Maxim Dmitrievsky 2017.09.25 12:18 #4822 Vizard_。他妈的，我在这里给他画了一幅画))))x = 增量（第一差）。 目标 = x > 0 目标 = f(x) 目标 = x > 0 lloss=0 概率=1是的，谢谢，我真的不知道这是否证实或否定了我的假设，很可能是这样:) Maxim Dmitrievsky 2017.09.25 12:19 #4823 伊万-内格雷什尼。 概率，看看你的森林的代码，它只是投票给一个类别或另一个类别的树木的百分比。这就是它的做法 :) Maxim Dmitrievsky 2017.09.25 12:24 #4824 马克西姆-德米特里耶夫斯基。 是的，谢谢，我真的不知道这是否证实或否定了我的假设，很可能是这样:)我一直在使用这些 。甚至不理解代码 Dr. Trader 2017.09.25 13:16 #4825 Vizard_。48个平行的人看到了我的发现。我不记得了，我只是用我使用的数据打败了阿里马，然后我又加上了时间和一周的日子。我现在正在尝试着进入纯粹的MO，没有旧的外汇习惯。没有绘制利润图表来评估模式，没有擦拭和其他指标。相反，回归（每条街的收益领先），复杂的交叉验证和特殊模式。我设法在eurusd m5上对10000条历史记录进行了模型训练，得到了约0.001的r^2，即近52%的准确率，并在未来保持了不下降的结果。在零点差的情况下，它看起来不错，即使是2个五位数的点差也会拉动利润。但这还不够。而且还有一种强烈的担心，即交易中心正在认真地从事破坏专家顾问的工作，这种对万能圣杯的整个搜索是没有意义的。有一家交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一个星期内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。混乱的时代即将到来。 Maxim Dmitrievsky 2017.09.25 13:26 #4826 交易员博士。还有一种强烈的担心是，交易中心正在认真地从事破坏工作中的EA，这种寻找普遍性圣杯的做法毫无意义。我有一个交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一周内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。混乱的时代即将到来。他们一直是这样，也将是这样，他们破坏贸易，他们标记......如果系统不能通过滑移来击败，他们就会拔出针来，这已经发生了很多次。但有一个交换。 Yuriy Asaulenko 2017.09.25 13:27 #4827 交易员博士。我现在正在尝试着进入纯粹的MO，没有旧的外汇习惯。没有绘制利润图表来评估模式，没有擦拭和其他指标。相反，回归（每条街的收益领先），复杂的交叉验证和特殊模式。我设法在eurusd m5上对10000条历史记录进行了模型训练，得到了约0.001的r^2，即近52%的准确率，并在未来保持了不下降的结果。在零点差的情况下，它看起来不错，即使是2个五位数的点差也能拉动利润。但这还不够。而且还有一种强烈的担心，即交易中心正在认真地从事破坏专家顾问的工作，这种对万能圣杯的整个搜索是没有意义的。有一家交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一个星期内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。这些都是即将到来的动荡时期。我还没有去做TS的实验，但经过训练的NS在随机样本上的结果令人印象深刻。只有6%的分类失败率为-(0.1)。我想在这个话题中，早些时候我给出了准确的数字。但它需要漫长而痛苦的学习--23个小时的纯时间，还不算中间的检查-设置。3个月的工作培训就足够了，再往后就不查了。我认为，MLP已经很足够了。 Maxim Dmitrievsky 2017.09.25 13:34 #4828 尤里-阿索连科。我没有去做TC的实验，但经过训练的NS在随机样本上的结果令人印象深刻。只有6%的分类失败率-（0.1）。我想我之前在这个主题中给出了准确的数字。但它需要漫长而痛苦的学习--23小时的纯时间，还不算中间的检查、调整。3个月的工作培训就足够了，再往后就不查了。我认为，MLP已经很足够了。后备有多少层/神经元？ 这就是为什么我改用脚手架的原因，因为古典NS很慢 Yuriy Asaulenko 2017.09.25 13:46 #4829 马克西姆-德米特里耶夫斯基。 你在用Backprop学习？ 有多少层/神经元？ 这就是为什么我改用脚手架，因为经典的NS很慢。51个神经元。Configuration -15,20,15,10,5,1.是的，用模拟退火法进行BP训练。你肯定已经看到了先前的结果。我可以重复一下，如果有人想看的话。一般来说，如果甚至每3个月训练一次，那么23个小时--呸，比起用通常的TC在逻辑上抓萝卜。我的电脑也很慢，在现代的电脑上，它至少会快2倍。 Mihail Marchukajtes 2017.09.25 17:39 #4830 我看到工作正在蓬勃发展...干得好！！！。Vizard，为献给我的视频点了很多赞，!!!!我真的不明白他们是干什么用的，但他正在尽力，我对他感激不尽 :-)我又遇到了转换到MT5的问题。我在议程上有两个问题。1.如果我想在mt5上使用该指标，我将尝试使用它作为参考，我也会看到结果。2.如何在更新所有相邻指标后进行指标的计算？或者至少推迟30秒计算....我不明白这个OnTimer功能。谢谢你! 附加的文件： NMT5.mq5 13 kb 1...476477478479480481482483484485486487488489490...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
我明白了:)所以，所有这些，在输出上分配类的概率与增量的概率没有关系......你看这里有些人也会感到困惑，对于初学者来说，这是一个模糊的观点......另一方面，如果一个神经网络输出概率（例如softmax层），那么，如果类成员资格将由超过0.5的概率决定，我们还需要它们干什么？然后你真的可以尝试使用回归模型，摆脱所有输出值的归一化......顺便说一下，我使用的是随机森林，在那里输入归一化是不需要的。
他妈的，我在这里给他画了一幅画))))
x = 增量（第一差）。
目标 = x > 0
目标 = f(x)
目标 = x > 0
lloss=0
概率=1
是的，谢谢，我真的不知道这是否证实或否定了我的假设，很可能是这样:)
概率，看看你的森林的代码，它只是投票给一个类别或另一个类别的树木的百分比。
这就是它的做法 :)
是的，谢谢，我真的不知道这是否证实或否定了我的假设，很可能是这样:)
我一直在使用这些 。
甚至不理解代码
48个平行的人看到了我的发现。我不记得了，我只是用我使用的数据打败了阿里马，然后我又加上了时间和一周的日子。
我现在正在尝试着进入纯粹的MO，没有旧的外汇习惯。没有绘制利润图表来评估模式，没有擦拭和其他指标。相反，回归（每条街的收益领先），复杂的交叉验证和特殊模式。我设法在eurusd m5上对10000条历史记录进行了模型训练，得到了约0.001的r^2，即近52%的准确率，并在未来保持了不下降的结果。在零点差的情况下，它看起来不错，即使是2个五位数的点差也会拉动利润。但这还不够。
而且还有一种强烈的担心，即交易中心正在认真地从事破坏专家顾问的工作，这种对万能圣杯的整个搜索是没有意义的。有一家交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一个星期内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。混乱的时代即将到来。
还有一种强烈的担心是，交易中心正在认真地从事破坏工作中的EA，这种寻找普遍性圣杯的做法毫无意义。我有一个交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一周内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。混乱的时代即将到来。
他们一直是这样，也将是这样，他们破坏贸易，他们标记......如果系统不能通过滑移来击败，他们就会拔出针来，这已经发生了很多次。
但有一个交换。
我现在正在尝试着进入纯粹的MO，没有旧的外汇习惯。没有绘制利润图表来评估模式，没有擦拭和其他指标。相反，回归（每条街的收益领先），复杂的交叉验证和特殊模式。我设法在eurusd m5上对10000条历史记录进行了模型训练，得到了约0.001的r^2，即近52%的准确率，并在未来保持了不下降的结果。在零点差的情况下，它看起来不错，即使是2个五位数的点差也能拉动利润。但这还不够。
而且还有一种强烈的担心，即交易中心正在认真地从事破坏专家顾问的工作，这种对万能圣杯的整个搜索是没有意义的。有一家交易商已经破坏工作中的EA几年了，即使EA已经带来了几个月的利润，所有的EA都在一个星期内失去了平衡。现在有越来越多的陌生经销商，我只剩下一个有利可图的经销商，我信任他。这些都是即将到来的动荡时期。
我还没有去做TS的实验，但经过训练的NS在随机样本上的结果令人印象深刻。只有6%的分类失败率为-(0.1)。我想在这个话题中，早些时候我给出了准确的数字。
但它需要漫长而痛苦的学习--23个小时的纯时间，还不算中间的检查-设置。3个月的工作培训就足够了，再往后就不查了。
我认为，MLP已经很足够了。
我没有去做TC的实验，但经过训练的NS在随机样本上的结果令人印象深刻。只有6%的分类失败率-（0.1）。我想我之前在这个主题中给出了准确的数字。
但它需要漫长而痛苦的学习--23小时的纯时间，还不算中间的检查、调整。3个月的工作培训就足够了，再往后就不查了。
我认为，MLP已经很足够了。
后备有多少层/神经元？ 这就是为什么我改用脚手架的原因，因为古典NS很慢
你在用Backprop学习？ 有多少层/神经元？ 这就是为什么我改用脚手架，因为经典的NS很慢。
51个神经元。Configuration -15,20,15,10,5,1.是的，用模拟退火法进行BP训练。
你肯定已经看到了先前的结果。我可以重复一下，如果有人想看的话。
一般来说，如果甚至每3个月训练一次，那么23个小时--呸，比起用通常的TC在逻辑上抓萝卜。
我的电脑也很慢，在现代的电脑上，它至少会快2倍。
我看到工作正在蓬勃发展...干得好！！！。
Vizard，为献给我的视频点了很多赞，!!!!我真的不明白他们是干什么用的，但他正在尽力，我对他感激不尽 :-)
我又遇到了转换到MT5的问题。我在议程上有两个问题。
1.如果我想在mt5上使用该指标，我将尝试使用它作为参考，我也会看到结果。
2.如何在更新所有相邻指标后进行指标的计算？或者至少推迟30秒计算....
我不明白这个OnTimer功能。
谢谢你!