交易中的机器学习:理论、模型、实践和算法交易 - 页 96 1...8990919293949596979899100101102103...3399 新评论 Dr. Trader 2016.08.09 08:11 #951 虹膜花瓣数据不是一个信号,这个表根本不适合做foreca测试。只有时间序列 适合于批处理,你在一定的时间间隔内收到新的数值,并将它们组合成一个向量。由于这个原因,你不能改变foreca的数据表中的行的顺序。而且你不能随意删除一些用于验证的行,一切都必须严格按照顺序进行--先是训练用的数据,然后是验证用的数据。没有样品。对虹膜来说,最好的办法是使用最大组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。 mytarmailS 2016.08.09 08:22 #952 Dr.Trader:对虹膜来说,最好的办法是使用最大的组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。 两者都做了,准确率约为85%,而仅仅是forec显示为95%。 СанСаныч Фоменко 2016.08.09 08:23 #953 Dr.Trader:虹膜花瓣数据不是一个信号,这个表根本不适合做foreca测试。只有时间序列适合于批处理,你在一定的时间间隔内收到新的数值,并将它们组合成一个向量。由于这个原因,你不能改变foreca的数据表中的行的顺序。而且你不能随意删除一些用于验证的行,一切都必须严格按照顺序进行--先是训练用的数据,然后是验证用的数据。没有样品。对虹膜来说,最好的办法是使用最大组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。我认为关于鸢尾花的帖子非常重要。问题是,RF非常容易出现过度训练。而在这里,事实证明,foreCA没有这种倾向。所以这是一个非常有用的软件包。 mytarmailS 2016.08.09 08:34 #954 Dr.Trader: 你在那里使用BP的结果如何? Dr. Trader 2016.08.09 08:53 #955 桑桑尼茨-弗门科。我觉得关于鸢尾花的帖子非常重要。事实是,rf非常容易出现过度学习的情况。而在这里,事实证明,foreCA没有这种倾向。所以这是一个非常有用的软件包。即使是过度训练,如果你在虹膜的4个预测器上增加10列随机值,森林仍能以几乎100%的准确率预测新数据。我很惊讶,也很高兴森林做得很好。我自己以前没有做过这样的实验,以后会牢牢记住的。就我而言,我把所有可预测性~1%的预测器称为噪声(包括叶长和来自随机值的预测器),并试图从这一切中提取一些信号。我认为从不应该有信号的地方提取信号是没有用的,这个实验并不能告诉foreca任何东西。mytarmailS: 你在那里使用BP的结果如何?该模型仍在学习。我可能已经输入了太多的数据,但我不想取消它,让它工作到最后,我将离开它。然后我将在结束后写下结果。 Mihail Marchukajtes 2016.08.09 12:45 #956 我当然不想出人头地,但雷舍托夫在新版本中做了这样一件很酷的事情....它能在短时间内解决你的问题。我给他出了个主意,但他自己已经在想了,所以傻子都是这样想的,结果是很厉害。你不应该把气撒在他身上.....。 СанСаныч Фоменко 2016.08.09 13:33 #957 Mihail Marchukajtes: 我当然不想出人头地,但雷舍托夫在新版本中做了这么一件很酷的事情.....你不应该批评他.....。谈论很酷的东西...而我们是否会看到至少有一个与普遍接受的、众所周知的、公认的比较? Mihail Marchukajtes 2016.08.09 13:39 #958 桑桑尼茨-弗门科。谈论很酷的东西...我们甚至会看到与普遍接受的、普遍知道的和公认的一个比较吗? 有一天你会看到一个,为什么不呢..... mytarmailS 2016.08.09 15:13 #959 Dr.Trader: 虽然森林进行了重新训练,但如果我们在4个Iris预测器上再增加10列随机值,森林仍然以几乎100%的准确率预测新数据。我很惊讶,也很高兴森林做得很好。我自己还没有做过这样的实验,我会为将来记住它。是的,我自己也很惊讶,它如此出色地忽略了噪音,并与预测者区分开来,我也从来没有这样做过,自己也很好奇....。因此,即使到今天为止,我对进口 功能完全没有信心。但它使我相信了它。 Dr. Trader 2016.08.09 16:34 #960 在将其用于外汇时,继续不要相信重要性。虹膜是非常简单的数据,现有数据和类别之间有直接的规律性。RF只需找到一个最小的 预测器集合,在此基础上可以定义虹膜类别,就可以了。 1...8990919293949596979899100101102103...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
虹膜花瓣数据不是一个信号,这个表根本不适合做foreca测试。只有时间序列 适合于批处理,你在一定的时间间隔内收到新的数值,并将它们组合成一个向量。由于这个原因,你不能改变foreca的数据表中的行的顺序。而且你不能随意删除一些用于验证的行,一切都必须严格按照顺序进行--先是训练用的数据,然后是验证用的数据。没有样品。
对虹膜来说,最好的办法是使用最大组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。
对虹膜来说,最好的办法是使用最大的组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。
虹膜花瓣数据不是一个信号,这个表根本不适合做foreca测试。只有时间序列适合于批处理,你在一定的时间间隔内收到新的数值,并将它们组合成一个向量。由于这个原因,你不能改变foreca的数据表中的行的顺序。而且你不能随意删除一些用于验证的行,一切都必须严格按照顺序进行--先是训练用的数据,然后是验证用的数据。没有样品。
对虹膜来说,最好的办法是使用最大组件数min(dim(forec.dt))=14,但我认为准确率仍将低于100%。
我认为关于鸢尾花的帖子非常重要。
问题是,RF非常容易出现过度训练。
而在这里,事实证明,foreCA没有这种倾向。所以这是一个非常有用的软件包。
我觉得关于鸢尾花的帖子非常重要。
事实是,rf非常容易出现过度学习的情况。
而在这里,事实证明,foreCA没有这种倾向。所以这是一个非常有用的软件包。
即使是过度训练,如果你在虹膜的4个预测器上增加10列随机值,森林仍能以几乎100%的准确率预测新数据。我很惊讶,也很高兴森林做得很好。我自己以前没有做过这样的实验,以后会牢牢记住的。
就我而言,我把所有可预测性~1%的预测器称为噪声(包括叶长和来自随机值的预测器),并试图从这一切中提取一些信号。我认为从不应该有信号的地方提取信号是没有用的,这个实验并不能告诉foreca任何东西。
你在那里使用BP的结果如何?
该模型仍在学习。我可能已经输入了太多的数据,但我不想取消它,让它工作到最后,我将离开它。然后我将在结束后写下结果。
我当然不想出人头地,但雷舍托夫在新版本中做了这么一件很酷的事情.....你不应该批评他.....。
谈论很酷的东西...
而我们是否会看到至少有一个与普遍接受的、众所周知的、公认的比较?
谈论很酷的东西...
我们甚至会看到与普遍接受的、普遍知道的和公认的一个比较吗?
虽然森林进行了重新训练,但如果我们在4个Iris预测器上再增加10列随机值,森林仍然以几乎100%的准确率预测新数据。我很惊讶,也很高兴森林做得很好。我自己还没有做过这样的实验,我会为将来记住它。
是的,我自己也很惊讶,它如此出色地忽略了噪音,并与预测者区分开来,我也从来没有这样做过,自己也很好奇....。
因此,即使到今天为止,我对进口 功能完全没有信心。
但它使我相信了它。