基于宏观经济指标的市场预测 - 页 44 1...373839404142434445464748495051...61 新评论 Vizard_ 2016.03.16 08:10 #431 СанСаныч Фоменко: 第四届论坛的教训已被普遍理解，对你有好处。很遗憾，它没有自己来找你。 我没有想到会以平庸的卖书结束，所以他告诉))))对不起)))) hilarious... Vizard_ 2016.03.16 08:26 #432 Vladimir: 这里有两个严重的问题。(1)如何正确计算StdDev的随时间变化的方差，以及(2)如果未来方差未知，如何将预测转换回原始序列形式。 你不能。为了清晰起见，让差异成为一个滑动窗口，并将其可视化... Vasiliy Sokolov 2016.03.16 08:31 #433 СанСаныч Фоменко:我想把所有的现代经济数学分为两部分分析过去的情况用于预测未来。...看似细微的差异却有着非常严重的后果。...两者都使用了数据的推断这种方式。如果你把车和马对调，它仍然是车和马--一种推断。无论我们最初是在寻找影响未来变化的因素，还是将已经发生的变化与这些因素进行比较，结果都是一样的，都是根据过去的数据，建立一个我们认为应该预测未来的模型，这并不重要。就个人而言，我将所有的交易方法分为另外两组。预测模型。利用特定工艺特性的模型。对于第一组，一切或多或少都很清楚。这些是具有不同权重的预测因子的无限组合，试图解释据称取决于它们的变量--价格。第二组的工作方式不同。它的基础是识别特定的过程属性，然后利用这些属性。例如，如果该模型能够识别一个强大的过程性回报，它只需找到具有这种特征的市场，并开始在 "水平回撤 "时进行交易。同时，识别这一神奇 "水平 "的具体规则或具体的交易技巧并不十分重要。重要的是，这个过程真的有这个特点，而且不会随着时间的推移而改变。同时，每个特定市场进入 的结果根本不重要，因为不知道对某一交易的预测。重要的是最终的统计数据，这取决于过程的属性。 СанСаныч Фоменко 2016.03.16 11:14 #434 Vasiliy Sokolov:前者和后者都使用了数据的外推法。在这里，你根本没有意识到这一点。在机器学习分类模型中不存在这样的推断。例如，森林。树是建立在训练样本上的，通常对于一个超过3000条的样本，你会得到100多棵树--一个树的森林。每棵树都是TA术语中的一个模式。在下一栏到来时，在树中搜索与这最后一栏对应的预测器组合。它可以是第1棵树，第50棵树或最后一棵树--最适合的那棵。这里的推断在哪里呢？它的基础是确定过程的特定属性，然后利用这些属性 如果你能产生一个训练样本，这是个好主意。整个问题在于老师。否则，用旋钮.... Mykola Demko 2016.03.16 18:56 #435 СанСаныч Фоменко:在这里，你根本就脱节了。在机器学习分类模型中不存在这样的推断。例如，森林。树是建立在训练样本上的，通常对于一个超过3000条的样本，你会得到100多棵树--一个树的森林。每棵树都是TA术语中的一个模式。在下一栏到来时，在树中搜索与这最后一栏对应的预测器组合。它可以是第1棵树，第50棵树或最后一棵树--最适合的那棵。这里的推断在哪里呢？它的基础是确定过程的特定属性，然后利用这些属性 如果你能产生一个训练样本，这是个好主意。整个问题在于老师。否则，用旋钮.... 为什么要用笔呢，Kohonen的分类很好，只需要把特征呈现出来就可以了关于Kohonen地图的再次 介绍 СанСаныч Фоменко 2016.03.17 07:05 #436 Nikolay Demko: 为什么要用手，Kohonen的分类很完美，只需要把征兆提出来就可以了再次了解Kohonen地图我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。在这里呢？有PCA，它对预测器进行了重构，新的集合有许多非常有趣的特征，在这里呢？ Vizard_ 2016.03.17 07:18 #437 СанСаныч Фоменко:我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。在这里呢？有PCA，所以它对预测器进行了重构，新的集合有许多非常有趣的特征，但在这里呢？ 光能也可以用在老师身上))) Stanislav Korotky 2016.03.17 13:59 #438 СанСаныч Фоменко:我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。在这里呢？有PCA，所以它对预测器进行了重构，新的集合有许多非常有趣的特征，但在这里呢？ 什么是没有老师的学习 - 自动选择模式。拥有模式--我们在地图上找到 "某些东西：多头-空头，突破-反弹...... "的堆积点，然后我们在网上等待信号来激活这些点。 СанСаныч Фоменко 2016.03.17 14:40 #439 Stanislav Korotky: 什么是没有老师的学习 - 自动选择模式。拥有模式--我们在地图上找到 "某些事情堆积在一起：多头-空头，突破-反弹...... "的点，然后我们在网上等待信号来激活这些点。如果没有老师，图案的意义就不清楚。什么是教师？一大块商数对应的是长线，这一大块商数对应的是短线。当模型被教授时，预测值的集合被划分为与教师相对应的两个类别。没有老师怎么办？模式的意义何在？ TheXpert 2016.03.17 20:52 #440 СанСаныч Фоменко:没有老师怎么办？模式的意义何在？ 集群。 1...373839404142434445464748495051...61 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
我没有想到会以平庸的卖书结束，所以他告诉))))对不起)))) hilarious...
我想把所有的现代经济数学分为两部分
...
看似细微的差异却有着非常严重的后果。
...
两者都使用了数据的推断这种方式。如果你把车和马对调，它仍然是车和马--一种推断。无论我们最初是在寻找影响未来变化的因素，还是将已经发生的变化与这些因素进行比较，结果都是一样的，都是根据过去的数据，建立一个我们认为应该预测未来的模型，这并不重要。
就个人而言，我将所有的交易方法分为另外两组。
对于第一组，一切或多或少都很清楚。这些是具有不同权重的预测因子的无限组合，试图解释据称取决于它们的变量--价格。第二组的工作方式不同。它的基础是识别特定的过程属性，然后利用这些属性。例如，如果该模型能够识别一个强大的过程性回报，它只需找到具有这种特征的市场，并开始在 "水平回撤 "时进行交易。同时，识别这一神奇 "水平 "的具体规则或具体的交易技巧并不十分重要。重要的是，这个过程真的有这个特点，而且不会随着时间的推移而改变。同时，每个特定市场进入 的结果根本不重要，因为不知道对某一交易的预测。重要的是最终的统计数据，这取决于过程的属性。
前者和后者都使用了数据的外推法。
在这里，你根本没有意识到这一点。在机器学习分类模型中不存在这样的推断。
例如，森林。
树是建立在训练样本上的，通常对于一个超过3000条的样本，你会得到100多棵树--一个树的森林。每棵树都是TA术语中的一个模式。
在下一栏到来时，在树中搜索与这最后一栏对应的预测器组合。它可以是第1棵树，第50棵树或最后一棵树--最适合的那棵。这里的推断在哪里呢？
它的基础是确定过程的特定属性，然后利用这些属性
如果你能产生一个训练样本，这是个好主意。整个问题在于老师。否则，用旋钮....
在这里，你根本就脱节了。在机器学习分类模型中不存在这样的推断。
例如，森林。
树是建立在训练样本上的，通常对于一个超过3000条的样本，你会得到100多棵树--一个树的森林。每棵树都是TA术语中的一个模式。
在下一栏到来时，在树中搜索与这最后一栏对应的预测器组合。它可以是第1棵树，第50棵树或最后一棵树--最适合的那棵。这里的推断在哪里呢？
它的基础是确定过程的特定属性，然后利用这些属性
如果你能产生一个训练样本，这是个好主意。整个问题在于老师。否则，用旋钮....
为什么要用手，Kohonen的分类很完美，只需要把征兆提出来就可以了再次了解Kohonen地图
我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。
在这里呢？有PCA，它对预测器进行了重构，新的集合有许多非常有趣的特征，在这里呢？
我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。
在这里呢？有PCA，所以它对预测器进行了重构，新的集合有许多非常有趣的特征，但在这里呢？
我不明白在没有老师的情况下，分类方法的交易有什么实际价值。我们交易相当具体的东西：多头和空头，一个水平的突破和反弹。
在这里呢？有PCA，所以它对预测器进行了重构，新的集合有许多非常有趣的特征，但在这里呢？
什么是没有老师的学习 - 自动选择模式。拥有模式--我们在地图上找到 "某些事情堆积在一起：多头-空头，突破-反弹...... "的点，然后我们在网上等待信号来激活这些点。
如果没有老师，图案的意义就不清楚。
什么是教师？
一大块商数对应的是长线，这一大块商数对应的是短线。当模型被教授时，预测值的集合被划分为与教师相对应的两个类别。
没有老师怎么办？模式的意义何在？
没有老师怎么办？模式的意义何在？