交易中的机器学习:理论、模型、实践和算法交易 - 页 850 1...843844845846847848849850851852853854855856857...3399 新评论 Maxim Dmitrievsky 2018.04.20 07:20 #8491 伊尔努尔-哈萨诺夫。 有多少人?有一些方法可以做得更快...遗传学...也要把他们赶到NS...启发式搜索 Violetta Novak 2018.04.20 08:58 #8492 亚历山大_K2。你需要哪一个?反正我还是用p=0.5的指数来处理它,以获得最简单的流量。如果我们确定了我们的勾股流,例如,埃朗的k=4,好吧,如果我们抛弃考奇,为什么我们需要用指数来复述它?当我们可以直接进入Erlang k=5等等的时候?在蜱虫之间进一步对齐,而不是混淆和先对齐? Yuriy Asaulenko 2018.04.20 09:00 #8493 elibrarius。最可靠的方法可能是通过预测器的组合进行循环。但它非常长( 不是我们的方式,它可以无休止地进行。直到它完全被压倒。 Mihail Marchukajtes 2018.04.20 09:42 #8494 看看谁在说话!!!!值得拿起的线程是.....我已经下定决心。它不像我希望的那样顺利。嗯,现在的市场就是这样,.....由于世界性事件导致的不确定性过大....没有稳定性,所以我几乎每隔一天就要重做一次,于是我在忙碌中等待情况稳定下来,继续工作....。 Forester 2018.04.20 12:57 #8495 尤里-雷舍托夫。在jPrediction中,增加模型的复杂性是指逐渐增加预测器的数量。因为在jPrediction中,隐藏层的神经元数量是2^(2*n+1),其中n是预测器的数量。相应地,随着预测器数量的增加,模型的复杂性(隐藏层的神经元数量)也会增加。所以逐渐增加模型的复杂性,jPrediction迟早会达到M值,之后模型的复杂性进一步增加,会导致泛化能力的进一步下降(泛化能力的误差增加)。我看到了雷舍托夫关于神经元数量的帖子。 如果我有10个预测器,我得到2^21 = 2097152个神经元。 是不是太多? 即使是3个预测器,也有128个神经元... Yuriy Asaulenko 2018.04.20 13:32 #8496 elibrarius。偶然发现了雷舍托夫关于神经元数量的帖子。 如果有10个预测器,那就是2^21 = 2097152个神经元。 这不是很多吗? 即使是3个预测器,也会有128个神经元。 你太搞笑了))。 Forester 2018.04.20 15:58 #8497 蜥蜴_。N = 2^i - 110个输入的1023个神经元是更好的。 但从文章来看,实际使用的情况要少得多,例如,n=sqrt(#inputs * #outputs) 显然,N = 2^i - 1 - 用于精确记忆,而数量较少的公式 - 用于概括。 Forester 2018.04.21 07:59 #8498 桑桑尼茨-弗门科。 caret中最花哨的预测器选择:gafs--预测器的遗传选择;rfe--反向预测器选择(最快);safs--预测器选择的模拟稳定性(退火)--效率最高。在12*6400矩阵上试了一下rfe--在默认设置下大约读了10个小时(尺寸=2^(2:4)),没有等到,就把它关掉了。以为出现了故障,重新启动,尺寸=ncol(x)--已经算一个小时了。 如果rfe最快,其他人要等多久? 我以前试过的软件包对同样的数据花费的时间不超过5分钟。 对你来说需要那么久吗? 更新:第二次运行时, sizes = ncol(x) 在2.5-3小时内完成了计算,结果接近于处理相同数据需要3-5分钟的软件包。 设置 , rfeControl = rfeControl(number = 1,repeats = 1) - 将时间减少到10-15分钟,变化 - 2对预测器互换,但大体相似。 СанСаныч Фоменко 2018.04.21 10:35 #8499 elibrarius。我在一个12*6400的矩阵上试过rfe,它在默认设置下花了大约10个小时(尺寸=2^(2:4)),没有等到,就把它关掉了。以为出现了故障,重新启动,尺寸=ncol(x)--已经算一个小时了。 如果rfe最快,其他人要等多久? 我以前试过的软件包对同样的数据花费的时间不超过5分钟。 你也花了这么长时间吗? 更新:第二次运行时, sizes = ncol(x) 在2.5-3小时内完成了计算,结果接近于处理相同数据需要3-5分钟的软件包。我不太记得了,那是很久以前的事了,但像你这样的热情在我的记忆中并不持久。 矩阵对我来说是常见的。 但 目标--有多少个班?我总是有两个班。我总是加载我的XEON 1620的所有核心,它的运行速度比它的频率对应物快20%。估计是什么?一般来说,你应该非常小心,这很容易使电脑超载达一天之久。你必须了解该算法正在做什么。 Forester 2018.04.21 10:43 #8500 桑桑尼茨-弗门科。我不太记得了,那是很久以前的事了,但像你这样的热情在我的记忆中并不持久。 矩阵对我来说是常见的。 但 目标--有多少个班?我总是有两个班。我总是加载我的XEON 1620的所有核心,它的运行速度比它的频率对应物快20%。估计是什么?一般来说,你必须非常小心,很容易把一台电脑装到一天。你应该了解算法的作用。2班 装载了1个核心 设置 , rfeControl = rfeControl(number = 1,repeats = 1) - 将时间减少到10-15分钟。结果的变化--2对预测因子被调换,但总体上与默认值相似。 1...843844845846847848849850851852853854855856857...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
有多少人?有一些方法可以做得更快...遗传学...也要把他们赶到NS...
启发式搜索
你需要哪一个?反正我还是用p=0.5的指数来处理它,以获得最简单的流量。
如果我们确定了我们的勾股流,例如,埃朗的k=4,好吧,如果我们抛弃考奇,为什么我们需要用指数来复述它?当我们可以直接进入Erlang k=5等等的时候?在蜱虫之间进一步对齐,而不是混淆和先对齐?
最可靠的方法可能是通过预测器的组合进行循环。但它非常长(
在jPrediction中,增加模型的复杂性是指逐渐增加预测器的数量。因为在jPrediction中,隐藏层的神经元数量是2^(2*n+1),其中n是预测器的数量。相应地,随着预测器数量的增加,模型的复杂性(隐藏层的神经元数量)也会增加。所以逐渐增加模型的复杂性,jPrediction迟早会达到M值,之后模型的复杂性进一步增加,会导致泛化能力的进一步下降(泛化能力的误差增加)。
我看到了雷舍托夫关于神经元数量的帖子。
如果我有10个预测器,我得到2^21 = 2097152个神经元。
是不是太多?
即使是3个预测器,也有128个神经元...
偶然发现了雷舍托夫关于神经元数量的帖子。
如果有10个预测器,那就是2^21 = 2097152个神经元。
这不是很多吗?
即使是3个预测器,也会有128个神经元。
N = 2^i - 1
10个输入的1023个神经元是更好的。
但从文章来看,实际使用的情况要少得多,例如,n=sqrt(#inputs * #outputs)
显然,N = 2^i - 1 - 用于精确记忆,而数量较少的公式 - 用于概括。
caret中最花哨的预测器选择:gafs--预测器的遗传选择;rfe--反向预测器选择(最快);safs--预测器选择的模拟稳定性(退火)--效率最高。
在12*6400矩阵上试了一下rfe--在默认设置下大约读了10个小时(尺寸=2^(2:4)),没有等到,就把它关掉了。以为出现了故障,重新启动,尺寸=ncol(x)--已经算一个小时了。
更新:第二次运行时, sizes = ncol(x) 在2.5-3小时内完成了计算,结果接近于处理相同数据需要3-5分钟的软件包。如果rfe最快,其他人要等多久?
我以前试过的软件包对同样的数据花费的时间不超过5分钟。
对你来说需要那么久吗?
设置 , rfeControl = rfeControl(number = 1,repeats = 1) - 将时间减少到10-15分钟,变化 - 2对预测器互换,但大体相似。
我在一个12*6400的矩阵上试过rfe,它在默认设置下花了大约10个小时(尺寸=2^(2:4)),没有等到,就把它关掉了。以为出现了故障,重新启动,尺寸=ncol(x)--已经算一个小时了。
更新:第二次运行时, sizes = ncol(x) 在2.5-3小时内完成了计算,结果接近于处理相同数据需要3-5分钟的软件包。如果rfe最快,其他人要等多久?
我以前试过的软件包对同样的数据花费的时间不超过5分钟。
你也花了这么长时间吗?
我不太记得了,那是很久以前的事了,但像你这样的热情在我的记忆中并不持久。
矩阵对我来说是常见的。
但
我不太记得了,那是很久以前的事了,但像你这样的热情在我的记忆中并不持久。
矩阵对我来说是常见的。
但
2班
装载了1个核心
设置 , rfeControl = rfeControl(number = 1,repeats = 1) - 将时间减少到10-15分钟。结果的变化--2对预测因子被调换,但总体上与默认值相似。