交易中的机器学习：理论、模型、实践和算法交易 - 页 895 1...888889890891892893894895896897898899900901902...3399 新评论 [删除] 2018.05.10 18:17 #8941 马克西姆-德米特里耶夫斯基。这句话的幽默感是什么？ 另一个词是不合适的，甚至不是同义词？你不明白...解释它是没有意义的。 Aleksey Vyazmikin 2018.05.10 22:36 #8942 马克西姆-德米特里耶夫斯基。在第二条中，遗传学和一堆参数的列举被一个单一的数值向量（森林输入，预测因子）所取代，而输出则根据最大的盈利交易数量来选择。可以引入其他标准，纠正奖励功能（包括DD、锐利比，任何你喜欢的东西）。该算法只需在优化器中经过几次（通常是5次）就能以非常高的质量优化任何策略（与GA相比，更多的是用蛮力）。在文章中给出的例子中，这些是秒。此外，增加预测器的数量并没有明显增加优化的次数。我在另一个主题中建议对你的战略联盟进行测试。另外，你还可以根据提出的方法，为联盟提出更有效的优化算法。常规的优化器可以被抛弃，因为它已经过时了，特别是没有交叉验证（wolf-forward），它在速度上输了（至少）好几倍，而且在质量上也没有好转。如果我们用kfold的NS代替forest，我们就会得到类似于wolf-forward的东西，而且非常快。但到目前为止，手还没有得到它。相互信息是对目标变量和预测因素之间的熵的测量，与你在图片中显示的预测因素重要性表相同。但你可以只在lasas中使用递归特征消除法，并观察是否有错误。如果有必要进行分类并去除无信息的预测因子。(谷歌解密)更新读完这篇文章后，我的问题比答案多，不是所有的代码都很清楚，但我明白，我需要完全重写TC来实现文章中描述的这种方法。显然，我还没有达到这篇文章的写作水平。 事实证明，你可以在Deductor Studio中以手动和半自动模式建立你自己的树，这真的让我很着迷！"。然而，这个过程是劳动密集型的，并且在界面上缺乏拖放功能，但在这种模式下处理数据可以更好地看到模式。确实缺乏改变规则的机会，即如果样本说是1，那么到了0就不能改变，而我本来就把部分规则往0上移了，既要看掉队的稀有性，又要看一次统计的可信度，然后都要通过处理脚本做。也许还有其他类似的程序具有这样的功能，但在那里你可以更快速地用手建立树中的节点？ Aleksey Vyazmikin 2018.05.10 22:41 #8943 Mihail Marchukajtes:第一个错误来了...好吧，让我们来定义一下，当标记从底部到顶部交叉时，就是买入信号，从顶部到底部是卖出信号。但只在一个酒吧。也就是说，我们只留下了跨越50分的时刻。我希望这发生在一个酒吧内？ 实际上，根据你的规则，一旦价格从底部到顶部达到50%，它同时会达到下面的水平。因此，从底部到顶部越过50%的大关就可以买入。相反地，在....你觉得这个计划如何？为一家新酒吧 的开业工作。这个条目并不那么重要，在我的系统中，消除垃圾是通过统计来进行的，我不认为这是一个错误。这种交叉不会带来任何好处，只是会减少信号产生的频率，但信号质量也会下降。 Mihail Marchukajtes: 要补充的是。为什么你需要一个恒定的信号？我认为最适合分析的时刻是信号从买入变为卖出的时候，如果它是恒定的。我认为信号变化的时间被限制在1巴以内。想一想吧。如果主要是为了开仓，我为什么要分析买入信号中的所有内容。也就是说，主要的是信号变化的时刻。它可能被标记出来。 一直在市场上是错误的--风险太高。 Mihail Marchukajtes 2018.05.11 00:06 #8944 阿列克谢-维亚兹米 金。努力开一家新的酒吧。输入并不那么重要，在我的系统中，垃圾是通过统计来消除的，我不认为这是一个错误。除了减少进入的信号产生的频率外，交叉口不会做任何事情，但其质量也会下降。 这是一个错误--一直在市场上是错误的--过度的风险。嗯，你说你有一个恒定的信号。我很抱歉，但我看到一个误解，所以我很难帮助你......太多的误解.... Aleksey Vyazmikin 2018.05.11 00:46 #8945 Mihail Marchukajtes:嗯，你说你有一个恒定的信号。我很抱歉，但我看到一个误解，所以我想我不能帮助你......这是太多的误解....我解释说，这个决定实际上是由滤波器级联作出的。我想从MO那里得到的是确定市场的某些部分，其中一些过滤器值得参与，而另一些则不值得。我需要精简已经在工作的东西，而不是等待一个黑盒子的奇迹。 Mihail Marchukajtes 2018.05.11 01:41 #8946 阿列克谢-维亚兹米 金。我已经解释过，这个决定实际上是由滤波器级联作出的。我想从国防部得到的是确定市场上哪些地方的一些过滤器值得使用，哪些地方不值得使用。我需要精简已经在工作的东西，而不是等待一个黑盒子的奇迹。决策应该完全转移给NS，而不是过滤器，那么它就有意义了。在这里，一个简单的 "是 "或 "否 "的问题需要花费大量的资源，而你希望NS能够确定市场的哪些部分需要使用哪些过滤器。我认为这太复杂了。它可以做到，但更容易愚蠢地建立正确的模型而不是你那里的过滤器。IMHO !!!! [删除] 2018.05.11 05:44 #8947 阿列克谢-维亚兹米 金。读完这篇文章后，我的问题比答案多，不是所有的代码都很清楚，但我明白，我需要重写整个TS来实现文章中描述的方法。显然，我还没有达到这篇文章的写作水平。 事实证明，你可以在Deductor Studio中以手动和半自动模式建立你自己的树，这真的让我很着迷！"。然而，这个过程是劳动密集型的，并且在界面上缺乏拖放功能，但在这种模式下处理数据可以更好地看到模式。确实缺乏改变规则的机会，即如果样本说是1，那么到了0就不能改变，而我本来就把部分规则往0上移了，既要看掉队的稀有性，又要看一次统计的可信度，然后都要通过处理脚本做。也许有其他类似的程序有这样的功能，但在那里你可以更快速地用手在树上建立节点？没有，从未见过。 我不太明白为什么需要这样做，因为，比如说，森林是一个通用的分类器或近似器，没有什么可以用手来解决的。 而单树是相当弱的、原始的算法。 Artem 2018.05.11 06:49 #8948 亚历山大_K2。 如果你自己不能解决这样的问题，请给我找VisSim NeuralNet模块，我会告诉你如何去做。 附加的文件： DLL_VisSimNeuralNet.zip 335 kb Alexander_K2 2018.05.11 07:09 #8949 阿特姆。阿特姆，最谦卑的问候和尊重。在我身后--我的TS的工作模型，并附有实例。我这周末就把它送过去。只是看看，如果你不喜欢它，就把它扔掉。 Mihail Marchukajtes 2018.05.11 07:45 #8950 Vizard_。如果你什么都不告诉我们，我们怎么做呢。告诉我们最新的发展。详细地说，有实例。为了什么？我告诉你一件事。博士帮我把模型从R转移到MT，让我告诉你，这些模型在OOS上的作用与雷舍托夫的完全一样。完全一样。所以你可以信任R模型。这都是关于数据输入的问题...所有相同的.... 1...888889890891892893894895896897898899900901902...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
这句话的幽默感是什么？ 另一个词是不合适的，甚至不是同义词？
你不明白...解释它是没有意义的。
在第二条中，遗传学和一堆参数的列举被一个单一的数值向量（森林输入，预测因子）所取代，而输出则根据最大的盈利交易数量来选择。可以引入其他标准，纠正奖励功能（包括DD、锐利比，任何你喜欢的东西）。
该算法只需在优化器中经过几次（通常是5次）就能以非常高的质量优化任何策略（与GA相比，更多的是用蛮力）。在文章中给出的例子中，这些是秒。此外，增加预测器的数量并没有明显增加优化的次数。我在另一个主题中建议对你的战略联盟进行测试。另外，你还可以根据提出的方法，为联盟提出更有效的优化算法。常规的优化器可以被抛弃，因为它已经过时了，特别是没有交叉验证（wolf-forward），它在速度上输了（至少）好几倍，而且在质量上也没有好转。如果我们用kfold的NS代替forest，我们就会得到类似于wolf-forward的东西，而且非常快。但到目前为止，手还没有得到它。
相互信息是对目标变量和预测因素之间的熵的测量，与你在图片中显示的预测因素重要性表相同。但你可以只在lasas中使用递归特征消除法，并观察是否有错误。如果有必要进行分类并去除无信息的预测因子。(谷歌解密)
更新
读完这篇文章后，我的问题比答案多，不是所有的代码都很清楚，但我明白，我需要完全重写TC来实现文章中描述的这种方法。显然，我还没有达到这篇文章的写作水平。
事实证明，你可以在Deductor Studio中以手动和半自动模式建立你自己的树，这真的让我很着迷！"。然而，这个过程是劳动密集型的，并且在界面上缺乏拖放功能，但在这种模式下处理数据可以更好地看到模式。确实缺乏改变规则的机会，即如果样本说是1，那么到了0就不能改变，而我本来就把部分规则往0上移了，既要看掉队的稀有性，又要看一次统计的可信度，然后都要通过处理脚本做。也许还有其他类似的程序具有这样的功能，但在那里你可以更快速地用手建立树中的节点？
第一个错误来了...好吧，让我们来定义一下，当标记从底部到顶部交叉时，就是买入信号，从顶部到底部是卖出信号。但只在一个酒吧。也就是说，我们只留下了跨越50分的时刻。我希望这发生在一个酒吧内？
实际上，根据你的规则，一旦价格从底部到顶部达到50%，它同时会达到下面的水平。因此，从底部到顶部越过50%的大关就可以买入。相反地，在....你觉得这个计划如何？
为一家新酒吧 的开业工作。这个条目并不那么重要，在我的系统中，消除垃圾是通过统计来进行的，我不认为这是一个错误。这种交叉不会带来任何好处，只是会减少信号产生的频率，但信号质量也会下降。
要补充的是。为什么你需要一个恒定的信号？我认为最适合分析的时刻是信号从买入变为卖出的时候，如果它是恒定的。我认为信号变化的时间被限制在1巴以内。想一想吧。如果主要是为了开仓，我为什么要分析买入信号中的所有内容。也就是说，主要的是信号变化的时刻。它可能被标记出来。
一直在市场上是错误的--风险太高。
努力开一家新的酒吧。输入并不那么重要，在我的系统中，垃圾是通过统计来消除的，我不认为这是一个错误。除了减少进入的信号产生的频率外，交叉口不会做任何事情，但其质量也会下降。
这是一个错误--一直在市场上是错误的--过度的风险。
嗯，你说你有一个恒定的信号。我很抱歉，但我看到一个误解，所以我很难帮助你......太多的误解....
嗯，你说你有一个恒定的信号。我很抱歉，但我看到一个误解，所以我想我不能帮助你......这是太多的误解....
我解释说，这个决定实际上是由滤波器级联作出的。我想从MO那里得到的是确定市场的某些部分，其中一些过滤器值得参与，而另一些则不值得。我需要精简已经在工作的东西，而不是等待一个黑盒子的奇迹。
我已经解释过，这个决定实际上是由滤波器级联作出的。我想从国防部得到的是确定市场上哪些地方的一些过滤器值得使用，哪些地方不值得使用。我需要精简已经在工作的东西，而不是等待一个黑盒子的奇迹。
决策应该完全转移给NS，而不是过滤器，那么它就有意义了。在这里，一个简单的 "是 "或 "否 "的问题需要花费大量的资源，而你希望NS能够确定市场的哪些部分需要使用哪些过滤器。我认为这太复杂了。它可以做到，但更容易愚蠢地建立正确的模型而不是你那里的过滤器。IMHO !!!!
读完这篇文章后，我的问题比答案多，不是所有的代码都很清楚，但我明白，我需要重写整个TS来实现文章中描述的方法。显然，我还没有达到这篇文章的写作水平。
事实证明，你可以在Deductor Studio中以手动和半自动模式建立你自己的树，这真的让我很着迷！"。然而，这个过程是劳动密集型的，并且在界面上缺乏拖放功能，但在这种模式下处理数据可以更好地看到模式。确实缺乏改变规则的机会，即如果样本说是1，那么到了0就不能改变，而我本来就把部分规则往0上移了，既要看掉队的稀有性，又要看一次统计的可信度，然后都要通过处理脚本做。也许有其他类似的程序有这样的功能，但在那里你可以更快速地用手在树上建立节点？
没有，从未见过。
我不太明白为什么需要这样做，因为，比如说，森林是一个通用的分类器或近似器，没有什么可以用手来解决的。
而单树是相当弱的、原始的算法。
如果你自己不能解决这样的问题，请给我找VisSim NeuralNet模块，我会告诉你如何去做。
阿特姆，最谦卑的问候和尊重。在我身后--我的TS的工作模型，并附有实例。我这周末就把它送过去。只是看看，如果你不喜欢它，就把它扔掉。
如果你什么都不告诉我们，我们怎么做呢。告诉我们最新的发展。详细地说，有实例。
为了什么？我告诉你一件事。博士帮我把模型从R转移到MT，让我告诉你，这些模型在OOS上的作用与雷舍托夫的完全一样。完全一样。所以你可以信任R模型。这都是关于数据输入的问题...所有相同的....