交易中的机器学习:理论、模型、实践和算法交易 - 页 979 1...972973974975976977978979980981982983984985986...3399 新评论 Maxim Dmitrievsky 2018.06.07 04:07 #9781 我玩过NS和kfold,也玩过来自alglib的NS组合,用于分类(softmax),第一印象。 1.LBFGS的列车比LM快得多(等待第二辆是不真实的),即使是没有合奏的NS也是如此。 2.kfold一直显示出巨大的学习误差,我甚至在2次犯规时都没能让策略进入++位置,更不用说10次了。也许不是很适合我的任务,但我会再试试。 基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量,但训练速度较慢。 3.带有验证抽样的早期停顿集合(我使用的是LM):完全迫不及待地想学习它。 4)参数的调整(步长、再触发次数)并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。 5.总的来说,我的印象是,国家安全局是以同样的方式进行再培训的,国家安全局在越野方面的合奏,比森林委员会的再培训要少一点。所有这些都是为了然后与xgboost进行比较,例如,我将在以后调查。 ++和我一起堆放 模型并没有带来更多的稳定性,训练的方式是一样的,有时你可以在一个托盘上改善结果,因为模型只是训练得更多。 Evgeny Raspaev 2018.06.07 07:51 #9782 马克西姆-德米特里耶夫斯基。嗨,有点离题了。有一次在论坛上我发现了你与另一个人的通信。你们在那里讨论用什么程序来做微软的帮助。(按F1弹出的那个)。以更方便的形式收集我的代码变体,并进行搜索。请再次告知。(我希望我没有弄错,是你))。 Maxim Dmitrievsky 2018.06.07 07:52 #9783 叶夫根尼-拉斯帕耶夫。嗨,有点离题了。前几天我在论坛上发现了你和另一个人的通信。你在那里讨论了你用什么程序来做微软的帮助。(当你按下F1时弹出的那个)。以更方便的形式收集我的代码变体,并进行搜索。请再次告知。(我希望我没有弄错,是你))。我想这不是我)不记得了。 Evgeny Raspaev 2018.06.07 07:53 #9784 马克西姆-德米特里耶夫斯基。我不认为是我)我不记得了。抱歉,抱歉)))。 Dmitriy Skub 2018.06.07 08:54 #9785 叶夫根尼-拉斯帕耶夫。遗憾的是,我向你道歉)))。 帮助与手册尝试。 Evgeny Raspaev 2018.06.07 08:55 #9786 Dmitriy Skub: 帮助与手册 试试吧。哦,这正是我需要的。 Alexander Ivanov 2018.06.07 10:17 #9787 下午好))。 当你在这里搜索时,我们已经创造了REE--俄罗斯的突破性元素。 这就是 "第五元素"--圣杯、哲学家的石头、朱砂、气功系统,我们的科学专家在算法方面的成就。 现在,任何经济-金融项目 都将通过RPE的深度神经元分析进行优化。 也就是说,在未来,1卢布将等同于1美元--通过经济突破。 我们正在走向更光明的未来!) mytarmailS 2018.06.07 13:15 #9788 亚历山大-伊万诺夫。下午好))。 ....你一定是天才团队中的一员,不是吗? 等等,普通不成熟的头脑可能不明白) Vladimir Perervenko 2018.06.07 14:26 #9789 马克西姆-德米特里耶夫斯基。我玩过NS和kfold,也玩过来自alglib的NS组合,用于分类(softmax),第一印象。 1.LBFGS的列车比LM快得多(等待第二辆是不真实的),即使是没有合奏的NS也是如此。 2.kfold一直显示出巨大的学习误差,我甚至在2次犯规时都没能让策略进入++位置,更不用说10次了。也许不是很适合我的任务,但我会再试试。 基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量,但训练速度较慢。 3.带有验证抽样的早期停顿集合(我使用的是LM):完全迫不及待地想学习它。 4)参数的调整(步长、再触发次数)并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。 5.总的来说,我的印象是,国家安全局是以同样的方式进行再培训的,国家安全局在越野方面的合奏,比森林委员会的再培训要少一点。所有这些都是为了然后与xgboost进行比较,例如,我将在以后调查。 ++和我一起堆放模型并没有带来更多的稳定性,学到的东西是一样的,有时你可以在一个托盘上提高结果,因为模型只是更容易训练。我还想知道你正在玩的那个玩具的名字。 Maxim Dmitrievsky 2018.06.07 14:31 #9790 弗拉基米尔-佩雷文科。我希望我知道你所玩的玩具的名字。它说 - 数值分析库alglib,移植到MT5。我已经把它用起来了,一般来说没有问题,图书馆也不错。但没有可视化和较新的模型。似乎图书馆不再发展了,他们的网站上一片寂静。 1...972973974975976977978979980981982983984985986...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
我玩过NS和kfold,也玩过来自alglib的NS组合,用于分类(softmax),第一印象。
1.LBFGS的列车比LM快得多(等待第二辆是不真实的),即使是没有合奏的NS也是如此。
2.kfold一直显示出巨大的学习误差,我甚至在2次犯规时都没能让策略进入++位置,更不用说10次了。也许不是很适合我的任务,但我会再试试。
基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量,但训练速度较慢。
3.带有验证抽样的早期停顿集合(我使用的是LM):完全迫不及待地想学习它。
4)参数的调整(步长、再触发次数)并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。
5.总的来说,我的印象是,国家安全局是以同样的方式进行再培训的,国家安全局在越野方面的合奏,比森林委员会的再培训要少一点。
所有这些都是为了然后与xgboost进行比较,例如,我将在以后调查。
++和我一起堆放 模型并没有带来更多的稳定性,训练的方式是一样的,有时你可以在一个托盘上改善结果,因为模型只是训练得更多。
嗨,有点离题了。有一次在论坛上我发现了你与另一个人的通信。你们在那里讨论用什么程序来做微软的帮助。(按F1弹出的那个)。以更方便的形式收集我的代码变体,并进行搜索。请再次告知。(我希望我没有弄错,是你))。
嗨,有点离题了。前几天我在论坛上发现了你和另一个人的通信。你在那里讨论了你用什么程序来做微软的帮助。(当你按下F1时弹出的那个)。以更方便的形式收集我的代码变体,并进行搜索。请再次告知。(我希望我没有弄错,是你))。
我想这不是我)不记得了。
我不认为是我)我不记得了。
抱歉,抱歉)))。
遗憾的是,我向你道歉)))。
帮助与手册 试试吧。
哦,这正是我需要的。
下午好))。
当你在这里搜索时,我们已经创造了REE--俄罗斯的突破性元素。
这就是 "第五元素"--圣杯、哲学家的石头、朱砂、气功系统,我们的科学专家在算法方面的成就。
现在,任何经济-金融项目 都将通过RPE的深度神经元分析进行优化。
也就是说,在未来,1卢布将等同于1美元--通过经济突破。
我们正在走向更光明的未来!)
下午好))。
....
你一定是天才团队中的一员,不是吗? 等等,普通不成熟的头脑可能不明白)
我玩过NS和kfold,也玩过来自alglib的NS组合,用于分类(softmax),第一印象。
1.LBFGS的列车比LM快得多(等待第二辆是不真实的),即使是没有合奏的NS也是如此。
2.kfold一直显示出巨大的学习误差,我甚至在2次犯规时都没能让策略进入++位置,更不用说10次了。也许不是很适合我的任务,但我会再试试。
基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量,但训练速度较慢。
3.带有验证抽样的早期停顿集合(我使用的是LM):完全迫不及待地想学习它。
4)参数的调整(步长、再触发次数)并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。
5.总的来说,我的印象是,国家安全局是以同样的方式进行再培训的,国家安全局在越野方面的合奏,比森林委员会的再培训要少一点。
所有这些都是为了然后与xgboost进行比较,例如,我将在以后调查。
++和我一起堆放模型并没有带来更多的稳定性,学到的东西是一样的,有时你可以在一个托盘上提高结果,因为模型只是更容易训练。
我还想知道你正在玩的那个玩具的名字。
我希望我知道你所玩的玩具的名字。
它说 - 数值分析库alglib,移植到MT5。我已经把它用起来了,一般来说没有问题,图书馆也不错。但没有可视化和较新的模型。似乎图书馆不再发展了,他们的网站上一片寂静。