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？