交易中的机器学习:理论、模型、实践和算法交易 - 页 519 1...512513514515516517518519520521522523524525526...3399 新评论 Mihail Marchukajtes 2017.11.04 17:47 #5181 那么,怎么了?任何帮助????? Yuriy Asaulenko 2017.11.04 17:57 #5182 Mihail Marchukajtes: 什么话题????巴迪...你是谁?因为也许你是新来的,不认识我。我也算是一个人工智能的人,.....你是什么...你是这附近的人。:-)虽然我在原则上是善良的,你在这里所做的一切,只有在数据是价格的原因时才会起作用。那么任何TS都可以正常工作,即使是预测前的1条或15条(当然,15条比1条差,但不是重点)。不是问题的关键...关键是...有OI的RTS指数。由于volume.... 的含义问题也就解决了。任何事情,无论是预测还是分类。而你的这句话想说什么,亲爱的.....。 现在我想说--去你的。你是一个善良的人。谢谢你。 Maxim Dmitrievsky 2017.11.04 18:37 #5183 :D Dmitriy Skub 2017.11.04 19:01 #5184 你们是火力全开!))))。 Mihail Marchukajtes 2017.11.06 05:40 #5185 尤里-阿索连科。 现在我想告诉你,去死吧。我亲爱的伙伴。谢谢你。确切地说,你上次和这次都没有说什么,就像你对着虚空放屁一样......。我们不需要你这样的人跟我们说话。对不起.... Forester 2017.11.09 09:33 #5186 弗拉基米尔-佩雷文科。矛盾的是,分类与回归是一样的。 只有回归的输出是一个实数,而分类的输出是一个概率。 回归目标是连续曲线,而分类目标是(0,1)或(-1,+1)脉冲。 然后这个输出被翻译成相应的类(ifelse(y > 0.5, 1, 0)。 1)向一个班级的转换是否总是通过中间的范围进行? 2) 如果我有3个类-1,0,1(买入,卖出,等待),怎么办?是通过0.5(k=0;if(y<-0.5)k=-1;if(y>0.5)k=1;类之间的中间点,但0类的概率将是1或-1的两倍)还是通过0.33(k=0;if(y<-0.33)k=-1;if(y>0.33)k=1;所以所有类的概率相同)? Grigoriy Chaunin 2017.11.09 11:13 #5187 一个好的分类是这样做的。每个班级都有一个单独的产出。使用了交叉熵学习损失函数。在培训期间,只能为一个班级分配一个名额。有必要规定无信号的等级。例如,买入,卖出,什么都不做。这些是单独的班级。将所有的值输入一个输出是低效的,因为一个神经元可能无法学会如何划分,例如,10个类。 Maxim Kuznetsov 2017.11.09 11:48 #5188 尤里-阿索连科。导数显示了趋势的方向。2个MA的导数和它们之间的差异 完全描述了系统的状态。 你自己问了这个问题)。然而,这取决于你自己的口味)。2个泥浆的导数和它们的差值只取决于4条,它们不能以任何方式很好地描述系统的状态。 СанСаныч Фоменко 2017.11.09 11:58 #5189 elibrarius。 1)转班是否总是通过中间的范围进行? 2)而如果3类-1,0,1(卖出,等待,买入)。通过0.5转移(k=0;如果(y<-0.5)k=-1;如果(y>0.5)k=1;类之间的中间,但0类的概率将是1或-1的两倍)或通过0.33(k=0;如果(y<-0.33)k=-1;如果(y>0.33)k=1;所以所有类有同等概率)。在R中,通常有可能出现分类结果的变化。类值类别概率你设置 "班级概率 "模式,并独立计算班级,例如一半或30/70。 或者你可以这样做:小于30%的一个班级和大于70%的另一个班级,他们之间的差距为NA。 Vladimir Perervenko 2017.11.09 14:25 #5190 elibrarius。 1)转班是否总是通过中间的范围进行? 2)而如果3类-1,0,1(卖出,等待,买入)。通过0.5转移(k=0;if(y<-0.5)k=-1;if(y>0.5)k=1;类之间的中间,但0类的概率将是1或-1的两倍)或通过0.33(k=0;if(y<-0.33)k=-1;if(y>0.33)k=1;所以所有类有同等概率)?谈到两个班级。连续的分类器输出可以用一个阈值转化为类标签。中位数意味着0.5优化Cutof::信息值遗传算法所 定义的。有两种结果是可能的。一个阈值,所有的例子都被分类(硬分类器)。两个或更多的阈值,一些样本不被分类(软分类器)。通常情况下,分类器有一个连续的数字变量(支持度)作为输出。对一个给定的输入X的支持度可以用不同的方式来解释,最常见的两种方式是建议的标签的有效性和对类的可能概率的估计。类概率由模型输出的效果很差,所以通常需要对其进行校准。参见calibrate::CORElearn。经过softmax激活函数的输出最接近于类的概率。祝好运 1...512513514515516517518519520521522523524525526...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
那么,怎么了?任何帮助?????
什么话题????巴迪...你是谁?
因为也许你是新来的,不认识我。我也算是一个人工智能的人,.....你是什么...你是这附近的人。:-)
虽然我在原则上是善良的,你在这里所做的一切,只有在数据是价格的原因时才会起作用。那么任何TS都可以正常工作,即使是预测前的1条或15条(当然,15条比1条差,但不是重点)。不是问题的关键...关键是...有OI的RTS指数。由于volume.... 的含义问题也就解决了。任何事情,无论是预测还是分类。
而你的这句话想说什么,亲爱的.....。
:D
现在我想告诉你,去死吧。我亲爱的伙伴。谢谢你。
确切地说,你上次和这次都没有说什么,就像你对着虚空放屁一样......。我们不需要你这样的人跟我们说话。对不起....
矛盾的是,分类与回归是一样的。
只有回归的输出是一个实数,而分类的输出是一个概率。
回归目标是连续曲线,而分类目标是(0,1)或(-1,+1)脉冲。
然后这个输出被翻译成相应的类(ifelse(y > 0.5, 1, 0)。
2) 如果我有3个类-1,0,1(买入,卖出,等待),怎么办?是通过0.5(k=0;if(y<-0.5)k=-1;if(y>0.5)k=1;类之间的中间点,但0类的概率将是1或-1的两倍)还是通过0.33(k=0;if(y<-0.33)k=-1;if(y>0.33)k=1;所以所有类的概率相同)?
一个好的分类是这样做的。每个班级都有一个单独的产出。使用了交叉熵学习损失函数。在培训期间,只能为一个班级分配一个名额。有必要规定无信号的等级。例如,买入,卖出,什么都不做。这些是单独的班级。将所有的值输入一个输出是低效的,因为一个神经元可能无法学会如何划分,例如,10个类。
导数显示了趋势的方向。2个MA的导数和它们之间的差异 完全描述了系统的状态。 你自己问了这个问题)。
然而,这取决于你自己的口味)。
2个泥浆的导数和它们的差值只取决于4条,它们不能以任何方式很好地描述系统的状态。
1)转班是否总是通过中间的范围进行?
2)而如果3类-1,0,1(卖出,等待,买入)。通过0.5转移(k=0;如果(y<-0.5)k=-1;如果(y>0.5)k=1;类之间的中间,但0类的概率将是1或-1的两倍)或通过0.33(k=0;如果(y<-0.33)k=-1;如果(y>0.33)k=1;所以所有类有同等概率)。
在R中,通常有可能出现分类结果的变化。
你设置 "班级概率 "模式,并独立计算班级,例如一半或30/70。 或者你可以这样做:小于30%的一个班级和大于70%的另一个班级,他们之间的差距为NA。
1)转班是否总是通过中间的范围进行?
2)而如果3类-1,0,1(卖出,等待,买入)。通过0.5转移(k=0;if(y<-0.5)k=-1;if(y>0.5)k=1;类之间的中间,但0类的概率将是1或-1的两倍)或通过0.33(k=0;if(y<-0.33)k=-1;if(y>0.33)k=1;所以所有类有同等概率)?
谈到两个班级。连续的分类器输出可以用一个阈值转化为类标签。
有两种结果是可能的。
通常情况下,分类器有一个连续的数字变量(支持度)作为输出。对一个给定的输入X的支持度可以用不同的方式来解释,最常见的两种方式是建议的标签的有效性和对类的可能概率的估计。类概率由模型输出的效果很差,所以通常需要对其进行校准。参见calibrate::CORElearn。经过softmax激活函数的输出最接近于类的概率。
祝好运