Мы продолжаем строить ансамбли. Теперь к bagging-ансамблю, созданному ранее, добавим обучаемый объединитель — глубокую нейросеть. Одна нейросеть объединяет 7 лучших выходов ансамбля после обрезки. Вторая принимает на вход все 500 выходов ансамбля, обрезает и объединяет их. Нейросети будем строить с... Глубокие нейросети (Часть VI). Ансамбль...
即不考虑历史的变化，即2016年第一季度与2017年第一季度不一样？
还有分形，所以我几乎有一个分形系统来测量1小时、4小时、1天、1周、1个月 范围内的价格波动。计算出计划中的波动规模，看看此刻的价格在哪里（在什么水平）。
它不是分形的））。
只是每个季度的模式都会发生变化，有时会发生巨大的变化。
即系统在关节处发生故障的概率很高它不是分形的 ))
只是，每一个新的季度，模式都会发生变化，有时甚至是巨大的变化。
怎么不是分形，根据我的系统，小的TF与大的相似，或者反之亦然，随你喜欢，它是一个分形。但相似性的频率是不知道的，因为它是由函数定义的。
也就是说，系统很有可能会在一些关口出现故障。我明白了，但从根本上说，它应该是可行的。）可能本季度是一个趋势运动，当这个运动发生变化时，系统就会崩溃......。
我明白了，但从根本上说，它应该是可行的。）可能本季度是一个趋势运动，当这个运动发生变化时，系统就会崩溃......。
基本原因--过期等。年度报告通常都是报告。
凡是有金钱交易的地方，总是有变化的。
我想玩一下循环搜索，谷歌一下。要知道什么时候进行正确的训练，从什么日期开始，训练到什么程度
没有固定模式的主要原因是资本化和资本流动的不断变化。大资本的流动很少而且很慢。
有没有人能够在振荡器上达到0.2或0.3的误差？ 最小的是在0.45左右。此外，它经常在OOS上工作。
但与Trayne的2-2.5倍差距有点令人讨厌。
我不知道什么时候能完成开发并开始实践））。
在弗拉基米尔的文章中
你能给我一个链接吗？
哪个建筑？ 你能给我一个链接吗？
好了，你已经读完了......
基本原因--到期日等。年度报告，作为一项规则。
凡是有现金转移的地方，总是有一个结点的变化。
我想玩一下循环搜索，谷歌一下。要知道什么时候进行正确的训练，从什么日期开始，训练到什么程度
没有固定模式的主要原因是资本化和资本流动的不断变化。大资本的流动很少而且很慢。
因此，你需要增加数据量来搜索这样的周期，你需要对2-3年而不是一年进行采样，并增加月份数...
在达奇和榆树上--https://www.mql5.com/ru/users/vlad1949/publications--从第4条开始，雅克的成绩都在70%左右，甚至更高。
好吧，你们都读了...
不错。
是的，我读过了，但是是对角线，因为我不想用R，不是那么运动 )
然后，事实证明，我们需要增加数据量来搜索这样的周期，不要在一年内取样，而是在2-3年内取样，并增加月份数......
我不确定，这方面的信息不多。
但事实证明，例如，如果在一年的最后一个季度，我钻研一个模型，它在整个一年中工作正常，然后它崩溃了。
像这样的事情...
如果是短期的，它可以工作3个月左右，然后就会崩溃......也就是说，我们再次进入一个周期，但每季度一次。