交易中的机器学习：理论、模型、实践和算法交易 - 页 495 1...488489490491492493494495496497498499500501502...3399 新评论 forexman77 2017.10.03 06:36 #4941 阿利奥沙。 没关系，结果是零，你很幸运，在这么小的样本中，结果没有统计学上的偏差。而且你甚至不需要看五子棋上的股权，它可以很容易地作为一个指数，没有变化。那么，在为前锋选择套路的时候，你以什么为指导？ forexman77 2017.10.03 06:46 #4942 阿利奥沙。唉，他们错了，这不仅对 "无知者 "和势利眼来说是正常的，记得明斯基和他关于多层透镜 "无用 "的权威意见））。 我甚至不说枢纽上的文章，它就像论坛上的垃圾，99.9%是广告、科幻流行和显性的垃圾，0.1%是 "字里行间 "隐性的智能想法。就个人而言，我支持需要了解算法的工作原理，自己动手，并使用网络上的库进行整理。而在网络上大多是单独转帖等，有很多视频，但很少有在代码中具体实现的例子，或者在代码中，但在不熟悉的编程语言中。 СанСаныч Фоменко 2017.10.03 09:08 #4943 Oleg avtomat:除了英足总，所有人都是失败者。只有FA们被教导过。;))我看到我没有让你轻松地呼吸......吸一口气，冷静下来 СанСаныч Фоменко 2017.10.03 09:23 #4944 马克西姆-德米特里耶夫斯基。 这一切与推断有什么关系...那些在alglib库中写RF的人也是没有受过教育的人？和R博主也是毫无头绪的样子https://www.r-bloggers.com/extrapolation-is-tough-for-trees/当我们提到有权威的人时，这意味着我们信任这个结果。我们只能对那些在好的期刊上发表结果、有合格编辑的非常有声望的人这样做。你是什么意思？关于博客？它是一个权威吗？你的链接是对那些我称之为无知的人的典型参考。作者把线性回归 这个在应用中极其有限的模型，在那里论证了一番。对于线性回归来说，输入数据的属性是极其重要的，证明结果可以被信任是非常重要的。文章中的这句话在哪里？这是统计学的基本原理，适用于任何模型。它被简明扼要地表述为统计学（以及所有数学）的一个公理：输入的垃圾 - 输出的垃圾。在我看来，不知道或不在实践中应用它的人是密集型流氓之一，不管他是否知道Parseptron这个词。 Maxim Dmitrievsky 2017.10.03 11:24 #4945 桑桑尼茨-弗门科。 当我们提到有权威的人时，这意味着我们信任这个结果。你只能和非常有声望的人一起做这件事，他们在有合格编辑的好杂志上发表结果。你是什么意思？关于博客？它是一个权威吗？你的链接是对那些我称之为无知的人的典型参考。作者把线性回归 这个在应用中极其有限的模型，在那里论证了一番。对于线性回归来说，输入数据的属性是极其重要的，证明结果可以被信任是非常重要的。文章中的这句话在哪里？这是统计学的基本原理，适用于任何模型。它被简明扼要地表述为统计学（以及所有数学）的一个公理：输入的垃圾 - 输出的垃圾。一个不知道这一点的人，或者不在实践中应用这一点的人--在我看来，属于密集型流氓，不管他是否知道perseptron一词。天啊，你们都喝酒了吗？ Dr. Trader 2017.10.03 11:26 #4946 森林知道如何推断吗？是的。 它做得好吗？没有。 Maxim Dmitrievsky 2017.10.03 11:28 #4947 交易员博士。森林可以推断吗？是的。 它做得好吗？没有。射频绝对不能推断，这是由于决策树的结构，如上面的文章所示。 СанСаныч Фоменко 2017.10.03 11:37 #4948 马克西姆-德米特里耶夫斯基。 RF ABSOLUTELY不知道如何近似，它与上述文章中的决策树结构有关遗憾的是!外推法和近似法是绝对不同的。你一点都不清醒吗？ Maxim Dmitrievsky 2017.10.03 11:41 #4949 桑桑-弗门科。 遗憾的是!外推法和近似法是绝对不同的。你一点都不清醒吗？是的，我不小心把字弄混了，因为我那时候正在读近似的东西 Dr. Trader 2017.10.03 11:41 #4950 这里有一个有趣的例子，我以前在这个主题里发过一次。 在这种情况下，推断将是在 "已知点云 "之外的预测。如果已知的点是很好的聚类，我们可以看到，外推法对大多数模型来说不是问题。 但是，如果已知点的排列比较随机，没有明显的集群，那么预测本身就会变差，推断也就不可信了。这都是关于预测因素的，如果你在模型中放入垃圾，你真的不能很好地推断。 对于外汇来说，你不太可能找到理想的预测因素，我永远不会通过金融数据的推断来进行交易。 1...488489490491492493494495496497498499500501502...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
没关系，结果是零，你很幸运，在这么小的样本中，结果没有统计学上的偏差。而且你甚至不需要看五子棋上的股权，它可以很容易地作为一个指数，没有变化。
那么，在为前锋选择套路的时候，你以什么为指导？
唉，他们错了，这不仅对 "无知者 "和势利眼来说是正常的，记得明斯基和他关于多层透镜 "无用 "的权威意见））。
我甚至不说枢纽上的文章，它就像论坛上的垃圾，99.9%是广告、科幻流行和显性的垃圾，0.1%是 "字里行间 "隐性的智能想法。就个人而言，我支持需要了解算法的工作原理，自己动手，并使用网络上的库进行整理。
而在网络上大多是单独转帖等，有很多视频，但很少有在代码中具体实现的例子，或者在代码中，但在不熟悉的编程语言中。
除了英足总，所有人都是失败者。
只有FA们被教导过。
;))
我看到我没有让你轻松地呼吸......吸一口气，冷静下来
这一切与推断有什么关系...
那些在alglib库中写RF的人也是没有受过教育的人？
和R博主也是毫无头绪的样子
https://www.r-bloggers.com/extrapolation-is-tough-for-trees/
当我们提到有权威的人时，这意味着我们信任这个结果。我们只能对那些在好的期刊上发表结果、有合格编辑的非常有声望的人这样做。
你是什么意思？关于博客？它是一个权威吗？
你的链接是对那些我称之为无知的人的典型参考。
作者把线性回归 这个在应用中极其有限的模型，在那里论证了一番。
对于线性回归来说，输入数据的属性是极其重要的，证明结果可以被信任是非常重要的。文章中的这句话在哪里？
这是统计学的基本原理，适用于任何模型。
它被简明扼要地表述为统计学（以及所有数学）的一个公理：输入的垃圾 - 输出的垃圾。
在我看来，不知道或不在实践中应用它的人是密集型流氓之一，不管他是否知道Parseptron这个词。
当我们提到有权威的人时，这意味着我们信任这个结果。你只能和非常有声望的人一起做这件事，他们在有合格编辑的好杂志上发表结果。
你是什么意思？关于博客？它是一个权威吗？
你的链接是对那些我称之为无知的人的典型参考。
作者把线性回归 这个在应用中极其有限的模型，在那里论证了一番。
对于线性回归来说，输入数据的属性是极其重要的，证明结果可以被信任是非常重要的。文章中的这句话在哪里？
这是统计学的基本原理，适用于任何模型。
它被简明扼要地表述为统计学（以及所有数学）的一个公理：输入的垃圾 - 输出的垃圾。
一个不知道这一点的人，或者不在实践中应用这一点的人--在我看来，属于密集型流氓，不管他是否知道perseptron一词。
天啊，你们都喝酒了吗？
森林知道如何推断吗？是的。
它做得好吗？没有。
森林可以推断吗？是的。
它做得好吗？没有。
射频绝对不能推断，这是由于决策树的结构，如上面的文章所示。
RF ABSOLUTELY不知道如何近似，它与上述文章中的决策树结构有关
遗憾的是!
外推法和近似法是绝对不同的。
你一点都不清醒吗？
遗憾的是!
外推法和近似法是绝对不同的。
你一点都不清醒吗？
是的，我不小心把字弄混了，因为我那时候正在读近似的东西
这里有一个有趣的例子，我以前在这个主题里发过一次。
在这种情况下，推断将是在 "已知点云 "之外的预测。
如果已知的点是很好的聚类，我们可以看到，外推法对大多数模型来说不是问题。
但是，如果已知点的排列比较随机，没有明显的集群，那么预测本身就会变差，推断也就不可信了。
这都是关于预测因素的，如果你在模型中放入垃圾，你真的不能很好地推断。
对于外汇来说，你不太可能找到理想的预测因素，我永远不会通过金融数据的推断来进行交易。