交易中的机器学习:理论、模型、实践和算法交易 - 页 896 1...889890891892893894895896897898899900901902903...3399 新评论 Maxim Dmitrievsky 2018.05.11 07:48 #8951 Mihail Marchukajtes:让我告诉你,这些模型的作用与OOS上的Reshetov模型完全相同。完全一样。我将告诉你同样的问题,更多的是三年级的教条主义。 Mihail Marchukajtes 2018.05.11 07:53 #8952 马克西姆-德米特里耶夫斯基。也就是说,在你的情况下,没有什么? 说同样的事情,比三年级的教区还多这次不行,马克西姆卡,这次不行.......事实证明,魔术师是对的。数据质量提高了一个数量级,因此模型的质量......。 Mihail Marchukajtes 2018.05.11 08:10 #8953 蜥蜴_。 我最喜欢的两个魔术师又成了朋友。摆在他们面前的是什么))))不....他还没有道歉....虽然没有什么可道歉的,但....。 Aleksey Vyazmikin 2018.05.11 08:17 #8954 马克西姆-德米特里耶夫斯基。不,我从来没有做过。 我不太明白为什么需要这样做,因为,比如说,森林已经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 和单树是相当弱的原始算法。一棵树更像是一个清晰的逻辑,它是在分析之后形成的,到目前为止,其他的东西对我来说都是一种拟合。 我对树感兴趣,因为它是考虑到市场中不同情况的方便工具,也就是说,在不同的条件下使用一个相同的模式是很方便的,选择这些条件将激活该模式或不激活。这是一个非常酷的形成复杂图案的工具,可以很容易地进行编程,但没有方便的程序。 如果这棵树在90%的可用预测因子中给出了结果,这已经是绰绰有余了,那么NS或树群的意义何在?我注意到,如果树使用布尔规则(>/</==)来选择预测器的分类区域,结果会更好,我的理解是,树没有搜索所有可用的结果,或者因为切割规则,支持度小的规则被切断了,结果是失去了5-10%的可靠识别样本。 Alexander Ivanov 2018.05.11 08:18 #8955 嘿,神经元!👍已经取得了哪些进展?训练进行得怎么样了?我也在学习一些东西...)😂😂😂😂只有手动的,嘿嘿。 Maxim Dmitrievsky 2018.05.11 08:42 #8956 阿列克谢-维亚兹米 金。如果树给出的结果是90%的可用预测因子,那么它就绰绰有余了,那么NS或树群的意义何在? 我注意到,如果树使用逻辑规则(>/</==)来分配预测器分类的区域,那么结果会更好,我的理解是,树没有经过所有可用的结果,或者因为切割规则的强化程度不高而被切割,导致损失5-10%的可靠识别样本。问题是,一棵树只是学习了序列,没有机会适应变化的模式(在市场上,他们总是会这样)。 集合体有许多随机成分,可以提高对新数据的稳健性。 是的,砍伐树木被称为修剪 Maxim Dmitrievsky 2018.05.11 08:46 #8957 Vizard_。捣蛋鬼马克西姆根本就不关心你。 不了解你灵魂的深度。 他昨天去找那个自动机。小心他)))搞笑的是...为什么我是一个魔术师? 我的帖子不会神奇地消失。 我只是一个统计学的挑衅者。 而且我不抽烟 Aleksey Vyazmikin 2018.05.11 09:17 #8958 马克西姆-德米特里耶夫斯基。问题是,1棵树只是学习了这个序列,没有机会适应模式的变化(在市场上它们总是会这样)。 集合体有许多随机成分,可以提高对新数据的稳健性。 是的,切树被称为修剪我们怎么能知道模式将如何变化?网络能否将样本分成100份,在这些样本中不仅调查预测因素的关系,而且调查这些关系变化的性质,即模式?如果是这样,那么是的,它可以推断出改变模式的规则,但我读到的关于它的一切似乎是反常的分类。 我喜欢的是树的层次设置,在我现在工作的程序中,你可以创建一个基本的层次结构,然后从中进行自动计算(到目前为止,这是一个麻烦,但也许我没有使用所有的工具,因为很多我只是无法理解它们的名字)。例如,为了创建ATC,我使用了这样的问题,TS应该给出答案以做出交易决定。 - 我在哪里?(对价位的描述) - 我是如何来到这里的?(分析从条件相反点到当前点的运动) - 会发生什么?(未来发生的可能事件的计算) - 该怎么做?(参照前3个问题的答案,分析历史规律) - 值得冒险吗?(分析进入的可能损失和可能的利润) 因此,我希望网/树/森林在决定交易时,以同样的顺序回答这些问题。 Maxim Dmitrievsky 2018.05.11 09:23 #8959 阿列克谢-维亚兹米 金。我们怎么能知道模式将如何变化?网络能否将样本分成100份,在这些样本中不仅调查预测因素的关系,而且调查这些关系变化的性质,即模式?如果它这样做,那么是的,它可以推断出改变模式的规则,但我所读到的关于它的一切似乎都是一种反常的分类。这一点,神经网络的交叉验证和/或基础模型的组合也是如此。 +各种正则化 Aleksey Vyazmikin 2018.05.11 09:32 #8960 马克西姆-德米特里耶夫斯基。Forest可以做到这一点,带有交叉验证的神经网络和/或基本模型的组合也可以做到这一点。关于NS--也许我还不明白什么...... 森林是如何做到这一点的?森林只是随机抽取预测因子,寻找它们之间的联系,然后进行投票。它要么在静止模型下对样本投错/犯错,这取决于所产生的样本/预测者的随机性,要么它的正确投票将被该样本所偏离,假设样本中的模式发生变化。但对模式变化的分析在哪里呢?我的理解是,当你不知道预测者有多好的时候,森林是好的,那么在没有预测者的相互强化的情况下,这样的预测者在投票中要么没有权重,要么其权重不大。或者,也许我完全搞错了? 1...889890891892893894895896897898899900901902903...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
让我告诉你,这些模型的作用与OOS上的Reshetov模型完全相同。完全一样。
我将告诉你同样的问题,更多的是三年级的教条主义。
也就是说,在你的情况下,没有什么? 说同样的事情,比三年级的教区还多
这次不行,马克西姆卡,这次不行.......事实证明,魔术师是对的。数据质量提高了一个数量级,因此模型的质量......。
我最喜欢的两个魔术师又成了朋友。摆在他们面前的是什么))))
不....他还没有道歉....虽然没有什么可道歉的,但....。
不,我从来没有做过。
我不太明白为什么需要这样做,因为,比如说,森林已经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
和单树是相当弱的原始算法。
一棵树更像是一个清晰的逻辑,它是在分析之后形成的,到目前为止,其他的东西对我来说都是一种拟合。
我对树感兴趣,因为它是考虑到市场中不同情况的方便工具,也就是说,在不同的条件下使用一个相同的模式是很方便的,选择这些条件将激活该模式或不激活。这是一个非常酷的形成复杂图案的工具,可以很容易地进行编程,但没有方便的程序。
如果这棵树在90%的可用预测因子中给出了结果,这已经是绰绰有余了,那么NS或树群的意义何在?我注意到,如果树使用布尔规则(>/</==)来选择预测器的分类区域,结果会更好,我的理解是,树没有搜索所有可用的结果,或者因为切割规则,支持度小的规则被切断了,结果是失去了5-10%的可靠识别样本。
如果树给出的结果是90%的可用预测因子,那么它就绰绰有余了,那么NS或树群的意义何在? 我注意到,如果树使用逻辑规则(>/</==)来分配预测器分类的区域,那么结果会更好,我的理解是,树没有经过所有可用的结果,或者因为切割规则的强化程度不高而被切割,导致损失5-10%的可靠识别样本。
问题是,一棵树只是学习了序列,没有机会适应变化的模式(在市场上,他们总是会这样)。
集合体有许多随机成分,可以提高对新数据的稳健性。
是的,砍伐树木被称为修剪
捣蛋鬼马克西姆根本就不关心你。
不了解你灵魂的深度。
他昨天去找那个自动机。小心他)))搞笑的是...
为什么我是一个魔术师? 我的帖子不会神奇地消失。
我只是一个统计学的挑衅者。
而且我不抽烟
问题是,1棵树只是学习了这个序列,没有机会适应模式的变化(在市场上它们总是会这样)。
集合体有许多随机成分,可以提高对新数据的稳健性。
是的,切树被称为修剪
我们怎么能知道模式将如何变化?网络能否将样本分成100份,在这些样本中不仅调查预测因素的关系,而且调查这些关系变化的性质,即模式?如果是这样,那么是的,它可以推断出改变模式的规则,但我读到的关于它的一切似乎是反常的分类。
我喜欢的是树的层次设置,在我现在工作的程序中,你可以创建一个基本的层次结构,然后从中进行自动计算(到目前为止,这是一个麻烦,但也许我没有使用所有的工具,因为很多我只是无法理解它们的名字)。例如,为了创建ATC,我使用了这样的问题,TS应该给出答案以做出交易决定。
- 我在哪里?(对价位的描述)
- 我是如何来到这里的?(分析从条件相反点到当前点的运动)
- 会发生什么?(未来发生的可能事件的计算)
- 该怎么做?(参照前3个问题的答案,分析历史规律)
- 值得冒险吗?(分析进入的可能损失和可能的利润)
因此,我希望网/树/森林在决定交易时,以同样的顺序回答这些问题。
我们怎么能知道模式将如何变化?网络能否将样本分成100份,在这些样本中不仅调查预测因素的关系,而且调查这些关系变化的性质,即模式?如果它这样做,那么是的,它可以推断出改变模式的规则,但我所读到的关于它的一切似乎都是一种反常的分类。
这一点,神经网络的交叉验证和/或基础模型的组合也是如此。
+各种正则化
Forest可以做到这一点,带有交叉验证的神经网络和/或基本模型的组合也可以做到这一点。
关于NS--也许我还不明白什么......
森林是如何做到这一点的?森林只是随机抽取预测因子,寻找它们之间的联系,然后进行投票。它要么在静止模型下对样本投错/犯错,这取决于所产生的样本/预测者的随机性,要么它的正确投票将被该样本所偏离,假设样本中的模式发生变化。但对模式变化的分析在哪里呢?我的理解是,当你不知道预测者有多好的时候,森林是好的,那么在没有预测者的相互强化的情况下,这样的预测者在投票中要么没有权重,要么其权重不大。或者,也许我完全搞错了?