交易中的机器学习：理论、模型、实践和算法交易 - 页 558

新评论
 

最重要的是--来自R.Feynman关于量子转换的概率振幅的专著的数字

有点让人想起SanSanych发布的图表，不是吗？

我在这里 - 我即将开始广播一个新的理论，为期3或4个月...^))))))))

 
亚历山大_K2。

最重要的是--来自R.Feynman关于量子转换的概率振幅的专著的数字

有点让人联想到SanSanych发布的图表，不是吗？

我在这里 - 我即将开始广播一个新的理论，为期3-4个月...^))))))))


最主要的是不要让这一切成为永恒:)看起来是这样，但这里是不同振幅的概率，比如说，在一个去趋势的图表上。而如果我们加上趋势成分，就会更加复杂了

 
亚历山大_K2。

我来了--我即将开始广播一个新的理论，为期3或4个月...^))))))))

为这个问题开一个话题，然后...(欢迎你做一年的工作。))
 
马克西姆-德米特里耶夫斯基。

事实证明，即使是训练样本之外的简单NS也不能很好地发挥作用 ....


不是一个简单的NS，而是一个特定配置的NS。从上到下 -

产生了这个（1）-这个（2），适合这个（3） ......)))))


 
Vizard_。

不是一个简单的NS，而是一个具有一定配置的NS。从上到下 -

由this(1)-this(2)生成，适合this(3)......)))))



我的大脑终于崩溃了:)去它的，我就转换BP吧:)

哦，这个非线性的世界......在背景中听着戈登的歌:)


 
马克西姆-德米特里耶夫斯基。

这就是我的大脑最终崩溃的地方:)他妈的，我只是转换BP :)

Vizard_的 帖子让我的量子大脑也崩溃了......。

我想这是R.Feynman的近亲，他在这里用这个绰号写作 :))))

 
马克西姆-德米特里耶夫斯基。

这就是为什么很容易混淆的原因，比方说，我们以前使用线性或回归，一切都很好，然后我们决定换成MLP来完成同样的任务......也没办法 :)

这就是为什么每个人都喜欢使用分类法，尽管回归法对预测有好处 :)

我甚至会说，线性或回归更适合于趋势，而MLP更适合于平坦的。

那么，首先，我们只需要分类--是否进入交易。这就是全部。我们不需要其他东西--只有1和0，MLP做得非常好。我们为什么需要预测？- 这一点绝对不清楚。

其次，对于MLP，我们需要明确制定任务，并消除所有不必要的东西，把它留给算法方法。第三，在训练过程中不要把你的解决方案强加给MLP，就像大多数本地文章中所做的那样。

 
尤里-阿索连科。

嗯，首先，我们需要的是一个分类--进入或不进入交易。这就是全部。我们不需要其他东西--只需要1和0，MLP就可以了。我们为什么需要预测？- 这一点绝对不清楚。

其次，对于MLP，我们需要明确制定任务，并消除所有不必要的东西，把它留给算法方法。第三，在训练中，不要把你的解决方案强加给MLP，就像大多数本地文章那样。


预测是一种崩溃的方式，但你可以估计未来不稳定的概率 :) 预测是需要的，以使系统适应新的条件，Ns本身定期对市场变化进行再培训。

一个分类器只是用第一个ns的结果工作。

分类也是一种预测，但通过海湾/单元的组合，即简单的优化，它可以用标准的优化器相当有质量地完成。

是啊，反正不知道，我就是这么做的，很好玩。

+ 我没有像你那样的神经细胞，而且mql版本也没有。

我也会一次完成2个变体，我们将拭目以待......我在假期中忘记了它。

 
马克西姆-德米特里耶夫斯基。

预测是一条通往崩溃的道路，但你可以估计未来不稳定的概率 :)

分类也是预测，但通过海湾/单元的组合，即简单的优化，它可以通过标准的优化器而定性地完成

分类器很可能应对不稳定的概率，至少在交易可能相关的边界上是如此。

内部优化器的质量好吗？- 完全不确定，比较确定的是相反）。

马克西姆-德米特里耶夫斯基。

+ 我没有像你这样的神经网络，而且我在mql中也没有这样的神经网络。

是什么阻止了你这样做？)我不隐藏我的NS。）我也不隐藏我的方法。我只是不透露细节。
 
尤里-阿索连科。

分类器可以很好地处理波动概率，至少在交易可能相关的边界处。一般来说，概率问题可能根本就没有解决方案。

内部优化器的质量好吗？- 我一点也不确定，我比较确定是相反的）。


在这里，我做了一个预测工具，然后在一些历史上，我立即评估它的质量......如果质量还可以，那么我教第二个人根据预测进行交易，它只是定义了最佳的买入/卖出位置。

(一开始用的是模糊逻辑，后来我决定把它改成布尔逻辑）。

我不知道，但在云端太贵了，如果有很多参数，同一天就会像你的情况一样被训练......任务是一样的--目标函数的优化。

1...551552553554555556557558559560561562563564565...3399
新评论