交易中的机器学习：理论、模型、实践和算法交易 - 页 993 1...9869879889899909919929939949959969979989991000...3399 新评论 Vasily Perepelkin 2018.06.26 12:39 #9921 尤里-阿索连科。 是吗？仔细想想，看过你的帖子吗？嗯，只有球比马克西姆更酷）。Aaahhhhhh...这很有趣，谢谢你!是的，有趣的人物，滑稽。 Yuriy Asaulenko 2018.06.26 14:05 #9922 亚历山大_K2。尤里，再一次--原则是正确的。 但是，你看，问题是--如果没有信号（如护照）或像我这样的负面信号，即使是很酷的想法也不会与人产生共鸣。我在我的例子中看到 - 好吧，没有正的平衡....。 这个原则是正确的，而且对很多人都有效。但是，也许可以改变温室里的一些东西？你有没有想过这个问题？ Yuriy Asaulenko 2018.06.26 14:17 #9923 亚历山大_K2。但是，你看，问题是，如果没有信号（如护照）或像我这样的负面信号，即使是伟大的想法也不会引起人们的共鸣。我在自己的例子中看到了这一点--好吧，似乎没有积极的平衡--拿起旗帜，把工作完成，请人们。没有--没有人感兴趣。 这个主题也是如此。 好吧，没有人有 "天上的股权 "或任何其他股权，就是这样--这个主题立即变得过时和无趣了。 结论是，每个主体都必须有一个 "有信号的人"。一个积极的!然后，生活开始了。 我们正在等待这个人。我们希望并相信。 诚然，我没有看到它--我对任何人的信号或甚至来自现实世界的报告都不感兴趣。我看不出有什么意义。我不理解这种普遍的愿望。 Alexander_K2 2018.06.26 14:49 #9924 尤里-阿索连科。 我必须承认，我从来没有对某人的信号或甚至实时报告感兴趣。我看不出有什么意义。我不理解这种普遍的愿望。不，我和很多人一样--感兴趣。 无论你怎么看，这都是衡量智力的一个标准。例如，我有一个有体面信号的人作为朋友。它激励着我，使我一次又一次地工作，因为我真的可以看到，在外汇上赚钱是可能的。我已经做了很长时间了，我相信还会有很长一段时间。 Yuriy Asaulenko 2018.06.26 15:23 #9925 亚历山大_K2。不，我和很多人一样--感兴趣。 无论你怎么看，这都是衡量智力的一个标准。例如，我有一个有体面信号的人作为朋友。它激励着我，使我一次又一次地工作，因为我真的可以看到，在外汇上赚钱是可能的。事实上，我个人并不能做到这一点--好吧，现在还不是晚上。 我明白了，你需要外部刺激。你不能没有他们）。我知道，我不在乎是谁，也不在乎多少钱。 Alexander_K2 2018.06.26 15:40 #9926 尤里-阿索连科。 我明白了，你需要一些外部刺激。你不能没有他们）。我已经知道了，我不关心谁或多少。我忘记说的最重要的事情是，这个人，嗯，不以任何方式使用神经网络。 我绝对相信，如果有人在这个话题中展示了这样的结果，整个论坛都会被铆在这里，因为NS是一个有趣的东西。但是，唉--如果没有这个重要的观点，这里就没有什么可看可读的。IMHO。 Yuriy Asaulenko 2018.06.26 15:50 #9927 亚历山大_K2。我忘记说的最重要的事情是，这个人，嗯，不以任何方式使用神经网络。 我绝对相信，如果有人在这个主题中展示了这样的结果，整个论坛都会被拖到这里，因为NS是一个有趣的东西。但是，唉--如果没有这重要的一点，这里就没有什么可看可读的。IMHO。你是说你的主题？)) 如果他们开始发布实时报告、信号广告和其他自我宣传的东西，那就没有什么可读的了。我不知道如何使用它。这个话题被淹没了，这也是好事））。 Vladimir Perervenko 2018.06.26 18:56 #9928 mytarmailS:为什么不适用？ 为什么是反问句？PCA是一个线性变换+可重复性问题。 "傅里叶变换、小波、谱系奇异等。-分解 算法 Tsne是一种优秀的可视化降维 算法。 它需要整个数据集来工作。它不能与新的单一数据一起工作。有可能（一些消息来源说）使其不仅适用于训练/测试集，也适用于新的单一数据。这对我来说并不奏效，我也没有看到任何关于MO中缩减预测器的成功Tsne实施的文章。 修辞，因为显然你还没有尝试过这种算法。否则你就不会建议用它来降维...尽管如果你有关于这种算法的结果，请分享。 祝好运 mytarmailS 2018.06.27 06:20 #9929 弗拉基米尔-佩雷文科。PCA--线性变换+可重复性问题。 "傅里叶变换、小波、谱系奇异等。-分解 算法 Tsne是一种优秀的可视化降维 算法。 它需要整个数据集来工作。它不能与新的单一数据一起工作。有可能（一些消息来源说）使其不仅适用于训练/测试集，也适用于新的单一数据。这对我来说并不奏效，我也没有看到任何关于MO中缩减预测器的成功Tsne实施的文章。 修辞，因为显然你还没有尝试过这种算法。否则你就不会建议用它来降维...尽管如果你有关于这种算法的结果，请分享。 祝好运看，这个人叙述了一个问题，有太多的数据需要分类，我提出了一个解决方案...... 如果我没记错的话，PCA也是一种分解算法，和其他的算法一样，只是实现了分解和降维（有些东西被扔掉，有些东西被留下）。 所有这些算法都不会带来任何好处（除了降低维度），这是另一回事，这不是算法的问题，而是数据本身。 我不知道新的数据，我在互联网上看到过有训练和测试的tsne的例子，但我猜你也看到了。 Forester 2018.06.27 06:46 #9930 mytarmailS:至于tsne，它可能是一个伟大的算法，但是它的工作方式和其他的 算法一样，所以我试着把它分成几类， 但是没有什么有趣的结果，所以我放弃了。 至于新的数据我不知道，我在网上看到tsne用训练和测试工作的例子，但是你可能也看到了 那么，如果你没有从他们那里得到任何东西，你为什么要推荐他们？事实上--误导性!mytarmailS:"PCA、傅里叶变换、小波等......的新T-SNE。在他们的帮助下，你可以把100个ns的输入做成5倍，而且 几乎有同样的质量。 1...9869879889899909919929939949959969979989991000...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
是吗？仔细想想，看过你的帖子吗？嗯，只有球比马克西姆更酷）。
Aaahhhhhh...这很有趣，谢谢你!是的，有趣的人物，滑稽。
尤里，再一次--原则是正确的。
但是，你看，问题是--如果没有信号（如护照）或像我这样的负面信号，即使是很酷的想法也不会与人产生共鸣。我在我的例子中看到 - 好吧，没有正的平衡....。
但是，你看，问题是，如果没有信号（如护照）或像我这样的负面信号，即使是伟大的想法也不会引起人们的共鸣。我在自己的例子中看到了这一点--好吧，似乎没有积极的平衡--拿起旗帜，把工作完成，请人们。没有--没有人感兴趣。
这个主题也是如此。
好吧，没有人有 "天上的股权 "或任何其他股权，就是这样--这个主题立即变得过时和无趣了。
结论是，每个主体都必须有一个 "有信号的人"。一个积极的!然后，生活开始了。
我们正在等待这个人。我们希望并相信。
我必须承认，我从来没有对某人的信号或甚至实时报告感兴趣。我看不出有什么意义。我不理解这种普遍的愿望。
不，我和很多人一样--感兴趣。
无论你怎么看，这都是衡量智力的一个标准。例如，我有一个有体面信号的人作为朋友。它激励着我，使我一次又一次地工作，因为我真的可以看到，在外汇上赚钱是可能的。我已经做了很长时间了，我相信还会有很长一段时间。
不，我和很多人一样--感兴趣。
无论你怎么看，这都是衡量智力的一个标准。例如，我有一个有体面信号的人作为朋友。它激励着我，使我一次又一次地工作，因为我真的可以看到，在外汇上赚钱是可能的。事实上，我个人并不能做到这一点--好吧，现在还不是晚上。
我明白了，你需要一些外部刺激。你不能没有他们）。
我忘记说的最重要的事情是，这个人，嗯，不以任何方式使用神经网络。
我绝对相信，如果有人在这个话题中展示了这样的结果，整个论坛都会被铆在这里，因为NS是一个有趣的东西。但是，唉--如果没有这个重要的观点，这里就没有什么可看可读的。IMHO。
我忘记说的最重要的事情是，这个人，嗯，不以任何方式使用神经网络。
我绝对相信，如果有人在这个主题中展示了这样的结果，整个论坛都会被拖到这里，因为NS是一个有趣的东西。但是，唉--如果没有这重要的一点，这里就没有什么可看可读的。IMHO。
为什么不适用？
为什么是反问句？
PCA是一个线性变换+可重复性问题。
"傅里叶变换、小波、谱系奇异等。-分解 算法
Tsne是一种优秀的可视化降维 算法。 它需要整个数据集来工作。它不能与新的单一数据一起工作。有可能（一些消息来源说）使其不仅适用于训练/测试集，也适用于新的单一数据。这对我来说并不奏效，我也没有看到任何关于MO中缩减预测器的成功Tsne实施的文章。
修辞，因为显然你还没有尝试过这种算法。否则你就不会建议用它来降维...尽管如果你有关于这种算法的结果，请分享。
祝好运
PCA--线性变换+可重复性问题。
"傅里叶变换、小波、谱系奇异等。-分解 算法
Tsne是一种优秀的可视化降维 算法。 它需要整个数据集来工作。它不能与新的单一数据一起工作。有可能（一些消息来源说）使其不仅适用于训练/测试集，也适用于新的单一数据。这对我来说并不奏效，我也没有看到任何关于MO中缩减预测器的成功Tsne实施的文章。
修辞，因为显然你还没有尝试过这种算法。否则你就不会建议用它来降维...尽管如果你有关于这种算法的结果，请分享。
祝好运
看，这个人叙述了一个问题，有太多的数据需要分类，我提出了一个解决方案......
如果我没记错的话，PCA也是一种分解算法，和其他的算法一样，只是实现了分解和降维（有些东西被扔掉，有些东西被留下）。
所有这些算法都不会带来任何好处（除了降低维度），这是另一回事，这不是算法的问题，而是数据本身。
我不知道新的数据，我在互联网上看到过有训练和测试的tsne的例子，但我猜你也看到了。
至于tsne，它可能是一个伟大的算法，但是它的工作方式和其他的 算法一样，所以我试着把它分成几类， 但是没有什么有趣的结果，所以我放弃了。 至于新的数据我不知道，我在网上看到tsne用训练和测试工作的例子，但是你可能也看到了
"PCA、傅里叶变换、小波等......的新T-SNE。在他们的帮助下，你可以把100个ns的输入做成5倍，而且 几乎有同样的质量。