交易中的机器学习：理论、模型、实践和算法交易 - 页 582 1...575576577578579580581582583584585586587588589...3399 新评论 Vladimir Perervenko 2018.01.17 10:22 #5811 格里戈里-乔宁。我了解到，机器学习使用了特征构建这么一个东西。仅仅依靠价格，你是走不远的。在我们的案例中，该属性是价格的一个函数。问题是要使用哪些功能。简单地通过不同参数的指标并不是一种选择。我对这个问题的材料很感兴趣。谷歌通常会产生很多垃圾，或者说在这个问题上什么都没有给出。我在Runet上搜索了一下。也许有人知道关于这个问题的材料。PS。你必须从头开始。这时，你学会了构建标志，而不是随机的，你可以进入他们的选择。 看看这个，这个，这个，也许还有这个。祝您好运，多多阅读。 Alexander_K2 2018.01.17 10:22 #5812 马克西姆-德米特里耶夫斯基。马克西姆，你认真读过维扎尔_ 的帖子吗？这家伙做了一些天才的事情--看看我的主题。 Maxim Dmitrievsky 2018.01.17 10:40 #5813 弗拉基米尔-佩雷文科。 你应该看看这个、这个、这个，也许还有这个。祝您好运，多多阅读。我都看了，问题是特征的重要性在不同的样本中差异很大，所有这些操作对统计分析有好处，对真正的交易没有好处。换句话说，只是简单的优化。对不起 :D Maxim Dmitrievsky 2018.01.17 10:41 #5814 亚历山大_K2。马克西姆，你认真读过维扎尔_ 的帖子吗？这家伙做了一些天才的事情--看看我的主题。是的，但他是如此的优秀，在这个阶段我对他爱不释手 :)+ 他写道，每年的收入不可能超过20%......我想，你应该总是以这样的说法开始，然后再进入细节:) Grigoriy Chaunin 2018.01.17 10:49 #5815 弗拉基米尔-佩雷文科。 看看这个，这个，这个，也许还有这个。祝您好运，多多阅读。我意识到，我无法找到问题的答案。在我能读到的地方，他们说这是一种艺术。问题是，有很多指标，甚至可以设置更多的参数。我是否应该使用搜索方法尝试所有可能的组合？我不知道该怎么做。我不知道该怎么做。 你仍然需要创建初始选择规则，之后你应该通过特征选择的方法处理选定的指标。 Yuriy Asaulenko 2018.01.17 11:26 #5816 马克西姆-德米特里耶夫斯基。 我都看了，问题是特征的重要性在不同的样本中差异很大。你确定这些征兆真的存在吗？或者，比如说，可能有许多不同的。自然，在这种情况下，你将无法用搜索和组合的方式来挑选它们，唯一的方法是由系统自己来确定它们。有鉴于此，寻找某些预测因素及其组合看起来是一件疯狂的事情（好吧，当然，我们总会在历史上成功找到它们））。我认为这里只有一条路可走--系统必须在训练期间自行识别这组属性，而且不是为你，而是为自己。而我们的任务只是为训练准备数据。这种准备的唯一任务是告诉系统一些先验数据，从而减少系统的适用领域。或者，换句话说，要切断交易明显不合适的间隔。我们只应该清楚地说明问题，但不应该试图为系统解决这个问题。我认为，这太复杂了，甚至不能用蛮力来解决。 Yuriy Asaulenko 2018.01.17 11:34 #5817 桑桑尼茨-弗门科。我想指出的是，da比rf的结果更好：既更准确，又不容易过度训练。而且你应该使用ada，而不是rf。因此，这不仅仅是一个堆积东西的问题。GARCH太复杂了。到目前为止，我已经完成了ARIMA，还有GARCH和分布。桑桑尼茨把我们带进了茂密的随机森林，并把我们留在了那里，现在又说根本没有必要去森林。嗯，就像苏珊宁一样。而我正准备做这些事）。 Maxim Dmitrievsky 2018.01.17 11:39 #5818 尤里-阿索连科。你确定这些征兆真的存在吗？或者，比如说，可能有许多不同的。自然，在这种情况下，你将无法用搜索和组合的方式来挑选它们，唯一的方法是由系统自己来确定它们。有鉴于此，寻找某些预测因素及其组合看起来是一件疯狂的事情（好吧，当然，我们总会在历史上成功找到它们））。我认为这里只有一条路可走--系统必须在训练期间自行识别这组属性，而且不是为你，而是为自己。而我们的任务只是为训练准备数据。这种准备的唯一任务是告诉系统一些先验数据，从而减少系统的适用领域。或者，换句话说，要切断交易明显不可行的间隔。我们只应该清楚地说明问题，但不应该试图为系统解决这个问题。我认为，那里太复杂了，甚至不能用蛮力来解决它。我对任何事情都没有把握 :)好吧，让我们说，主要的特点是价格本身。我们的任务（比方说，分类）是找到这样一个买入/卖出的组合，它在历史上是稳定的，并带来利润，对吗？同时，你，比如说，使用某一套功能（大约20个）。而你如何使系统本身选择这些属性？从本质上讲，这是一项简单的优化任务，没有 "人工智能 "的机会。我有很多这种系统的版本，我昨天完成了最后一个。结果是一样的--不稳定的样本外表现，以及在学习上能够达到几乎100%的准确率，以及任何准确率（可选择），但减少准确率并不意味着减少过度训练。而且你不需要使用R和复杂的深奥模型，结果将是完全一样的。 Alexander_K2 2018.01.17 11:46 #5819 马克西姆-德米特里耶夫斯基。 是的，但它是如此优越，以至于我不会在这个阶段把它拖进来 :)+ 他写道，每年的收入不可能超过20%......我想你应该总是从这样的陈述开始，然后深入到细节中去 :) 我不知道。我在2.5天内赚了20%。而且我是在2次失败的交易中做到的。 Yuriy Asaulenko 2018.01.17 11:48 #5820 Maxim Dmitrievsky: 我对任何事情都没有把握 :)好吧，让我们说主要的属性是价格本身。我们的任务（比方说分类）是找到这样一个买入/卖出的组合，它在历史上是稳定的，并带来利润，对吗？同时， 你，比如说，使用了一定的功能（大约20个）。 这其中的原因是什么？那么你如何使系统选择这些属性呢？你从哪里得到这个消息的？你从哪里得到它的？我不使用该系统的标志。我只用标志从时间序列（以及从训练和功能）中切断区域，在那里根本不需要分析什么。NS本身直接咀嚼时间序列。我已经写过，甚至引用过一本书--NS结合通常的方法做高度专业化的任务。 1...575576577578579580581582583584585586587588589...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
我了解到，机器学习使用了特征构建这么一个东西。仅仅依靠价格，你是走不远的。在我们的案例中，该属性是价格的一个函数。问题是要使用哪些功能。简单地通过不同参数的指标并不是一种选择。我对这个问题的材料很感兴趣。谷歌通常会产生很多垃圾，或者说在这个问题上什么都没有给出。我在Runet上搜索了一下。也许有人知道关于这个问题的材料。
PS。你必须从头开始。这时，你学会了构建标志，而不是随机的，你可以进入他们的选择。
祝您好运，多多阅读。
马克西姆，你认真读过维扎尔_ 的帖子吗？这家伙做了一些天才的事情--看看我的主题。
你应该看看这个、这个、这个，也许还有这个。
祝您好运，多多阅读。
我都看了，问题是特征的重要性在不同的样本中差异很大，所有这些操作对统计分析有好处，对真正的交易没有好处。
换句话说，只是简单的优化。
对不起 :D
马克西姆，你认真读过维扎尔_ 的帖子吗？这家伙做了一些天才的事情--看看我的主题。
是的，但他是如此的优秀，在这个阶段我对他爱不释手 :)+ 他写道，每年的收入不可能超过20%......我想，你应该总是以这样的说法开始，然后再进入细节:)
看看这个，这个，这个，也许还有这个。
祝您好运，多多阅读。
我意识到，我无法找到问题的答案。在我能读到的地方，他们说这是一种艺术。问题是，有很多指标，甚至可以设置更多的参数。我是否应该使用搜索方法尝试所有可能的组合？我不知道该怎么做。我不知道该怎么做。 你仍然需要创建初始选择规则，之后你应该通过特征选择的方法处理选定的指标。
我都看了，问题是特征的重要性在不同的样本中差异很大。
你确定这些征兆真的存在吗？或者，比如说，可能有许多不同的。自然，在这种情况下，你将无法用搜索和组合的方式来挑选它们，唯一的方法是由系统自己来确定它们。有鉴于此，寻找某些预测因素及其组合看起来是一件疯狂的事情（好吧，当然，我们总会在历史上成功找到它们））。
我认为这里只有一条路可走--系统必须在训练期间自行识别这组属性，而且不是为你，而是为自己。而我们的任务只是为训练准备数据。这种准备的唯一任务是告诉系统一些先验数据，从而减少系统的适用领域。或者，换句话说，要切断交易明显不合适的间隔。
我们只应该清楚地说明问题，但不应该试图为系统解决这个问题。我认为，这太复杂了，甚至不能用蛮力来解决。
我想指出的是，da比rf的结果更好：既更准确，又不容易过度训练。而且你应该使用ada，而不是rf。
因此，这不仅仅是一个堆积东西的问题。
GARCH太复杂了。到目前为止，我已经完成了ARIMA，还有GARCH和分布。
桑桑尼茨把我们带进了茂密的随机森林，并把我们留在了那里，现在又说根本没有必要去森林。嗯，就像苏珊宁一样。
而我正准备做这些事）。
你确定这些征兆真的存在吗？或者，比如说，可能有许多不同的。自然，在这种情况下，你将无法用搜索和组合的方式来挑选它们，唯一的方法是由系统自己来确定它们。有鉴于此，寻找某些预测因素及其组合看起来是一件疯狂的事情（好吧，当然，我们总会在历史上成功找到它们））。
我认为这里只有一条路可走--系统必须在训练期间自行识别这组属性，而且不是为你，而是为自己。而我们的任务只是为训练准备数据。这种准备的唯一任务是告诉系统一些先验数据，从而减少系统的适用领域。或者，换句话说，要切断交易明显不可行的间隔。
我们只应该清楚地说明问题，但不应该试图为系统解决这个问题。我认为，那里太复杂了，甚至不能用蛮力来解决它。
我对任何事情都没有把握 :)
好吧，让我们说，主要的特点是价格本身。我们的任务（比方说，分类）是找到这样一个买入/卖出的组合，它在历史上是稳定的，并带来利润，对吗？同时，你，比如说，使用某一套功能（大约20个）。而你如何使系统本身选择这些属性？
从本质上讲，这是一项简单的优化任务，没有 "人工智能 "的机会。我有很多这种系统的版本，我昨天完成了最后一个。结果是一样的--不稳定的样本外表现，以及在学习上能够达到几乎100%的准确率，以及任何准确率（可选择），但减少准确率并不意味着减少过度训练。而且你不需要使用R和复杂的深奥模型，结果将是完全一样的。
是的，但它是如此优越，以至于我不会在这个阶段把它拖进来 :)+ 他写道，每年的收入不可能超过20%......我想你应该总是从这样的陈述开始，然后深入到细节中去 :)
我对任何事情都没有把握 :)
好吧，让我们说主要的属性是价格本身。我们的任务（比方说分类）是找到这样一个买入/卖出的组合，它在历史上是稳定的，并带来利润，对吗？同时， 你，比如说，使用了一定的功能（大约20个）。 这其中的原因是什么？那么你如何使系统选择这些属性呢？
你从哪里得到这个消息的？你从哪里得到它的？
我不使用该系统的标志。我只用标志从时间序列（以及从训练和功能）中切断区域，在那里根本不需要分析什么。
NS本身直接咀嚼时间序列。
我已经写过，甚至引用过一本书--NS结合通常的方法做高度专业化的任务。