RU战略在与真实的数据线索运行时，能够在不到60天的时间内使投资几乎翻倍。 I.贝叶斯回归问题。考虑回归问题：我们给了p个训练标记的数据点（Xi，Yi），在1 ^ y ^ n上，Xi∈Rd，y∈R，对于一些固定的e≥1。我们的目标是利用这些数据训练来 预测给定x∈R的未知标签y∈R。 古典方法。 非参数统计学的标准方法（参见[3]，例如）是假设以下类型的模型：根据关系y = F (x) +? 其中? 是代表噪声的独立随机变量，一般假设为高斯，均值为0，（归一化）方差为1 。回归归结为从n个观测值（x1，y1），...，（xn，yup）估计pH值，并使用它进行未来预测。 例如，如果P（x）=xTθ*，即假设F是一个线性函数，那么经典的最小二乘法估计用于估计在*或p：θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...] 。
RU战略在与真实的数据线索运行时，能够在不到60天的时间内使投资几乎翻倍。 I.贝叶斯回归问题。考虑回归问题：我们给了p个训练标记的数据点（Xi，Yi），在1 ^ y ^ n上，Xi∈Rd，y∈R，对于一些固定的e≥1。我们的目标是利用这些数据训练来 预测给定x∈R的未知标签y∈R。 古典方法。 非参数统计学的标准方法（参见[3]，例如）是假设以下类型的模型：根据关系y = F (x) +? 其中? 是代表噪声的独立随机变量，一般假设为高斯，均值为0，（归一化）方差为1 。回归归结为从n个观测值（x1，y1），...，（xn，yup）估计pH值，并使用它进行未来预测。 例如，如果P（x）=xTθ*，即假设F是一个线性函数，那么经典的最小二乘法估计用于估计在*或p：θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...] 。
那你应该去上吊，为什么要发牢骚，我不明白？...... losers？不能交易盈利？你在论坛上做什么？?????，去工厂或其他地方磨螺帽。
如果我不相信交易（不一定是外汇，一般来说），我就不会再访问这个论坛！......，为什么？
但我可以......而且我还在挣钱....。wow....多年来始终如一，稳定地......百分比并不高（因为我是一个现实主义者），但我做到了......嗯......所以呢？有什么问题吗？
你有点得意忘形了。骂你的人加上海洛因。这不是这个论坛的概况。生活是为了什么？它写在人类的第一本书里。其他的书只是说说而已。
真正的信徒在这里)) ...... 我们不是在谈论托拉和新约吗？如果有的话，它们不是第一批书，而且肯定不是最重要的....。而且他们肯定不是最有趣或最聪明的...圣经》.....
这是很有趣的东西。
一个重要的说明：作者写道，对于线性回归 和方差分析，假定数据的分布是正常的。这是一个非常冗长和不正确的说法，许多人不假思索地重复。事实上，它是关于假设模型误差的正常分布。数据本身可能不正常。
而对于价格系列以及增量，不符合条件3a,3b--方差每天都不同，误差是相关的......。
在该主题作者的第一篇帖子中，有一个带公式的pdf格式的描述。找到一个适当的翻译。https://www.mql5.com/go?http://arxiv.org/pdf/1410.1231.pdf
有什么问题呢？谷歌的翻译很好...:)
贝叶斯回归、线性回归、神经网络、进化算法.....，市场上的吸金社区有多丰富....，专业人士有多高兴，有傻瓜相信他们的科学 模型............)
多么令人惊讶的是，它仍然不清楚，市场是一个简单的事情...复杂的算法 -- 搞砸了，因为他们只是不相关...
但是没有--继续吧，对于那些不喜欢数学的人来说就更好了，而是画出阻力位，观察假突破，建立头寸，.....，其余的对论坛上的大多数人来说都是未知的（这是在ATM机上获得钞票）。
We fly and you crawl fools you fools...........
遗留物将由公平组织提交给社区。
也许你真的是一个好的直觉交易员......
正如一位教授所说："要做基础理论，你必须非常愚蠢"。如果它是有趣的，并且从长远来看有望获得利润，为什么不呢？
谷歌随后翻译 道。
RU战略在与真实的数据线索运行时，能够在不到60天的时间内使投资几乎翻倍。
I.贝叶斯回归问题。 考虑回归问题：我们给了p个训练标记的数据点（Xi，Yi），在1 ^ y ^ n上，Xi∈Rd，y∈R，对于一些固定的e≥1。我们的目标是利用这些数据训练来 预测给定x∈R的未知标签y∈R。 古典方法。 非参数统计学的标准方法（参见[3]，例如）是假设以下类型的模型：根据关系y = F (x) +? 其中? 是代表噪声的独立随机变量，一般假设为高斯，均值为0，（归一化）方差为1 。回归归结为从n个观测值（x1，y1），...，（xn，yup）估计pH值，并使用它进行未来预测。 例如，如果P（x）=xTθ*，即假设F是一个线性函数，那么经典的最小二乘法估计用于估计在*或p：θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...] 。
这是来自该主题作者的第一个帖子。顺便问一下，有谁知道如何将pdf格式的文本插入翻译机而不需要手动输入？
P.S. F 一般来说，我希望有一个熟悉MQL社区的主题和方言的翻译。
谷歌随后翻译 道。
RU战略在与真实的数据线索运行时，能够在不到60天的时间内使投资几乎翻倍。
I.贝叶斯回归问题。 考虑回归问题：我们给了p个训练标记的数据点（Xi，Yi），在1 ^ y ^ n上，Xi∈Rd，y∈R，对于一些固定的e≥1。我们的目标是利用这些数据训练来 预测给定x∈R的未知标签y∈R。 古典方法。 非参数统计学的标准方法（参见[3]，例如）是假设以下类型的模型：根据关系y = F (x) +? 其中? 是代表噪声的独立随机变量，一般假设为高斯，均值为0，（归一化）方差为1 。回归归结为从n个观测值（x1，y1），...，（xn，yup）估计pH值，并使用它进行未来预测。 例如，如果P（x）=xTθ*，即假设F是一个线性函数，那么经典的最小二乘法估计用于估计在*或p：θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...] 。
这是来自该主题作者的第一个帖子。顺便问一下，有谁知道如何将pdf格式的文本插入翻译机而不需要手动输入？
P.S. F 一般来说，我希望由熟悉这个MQL社区的主题和方言的人进行翻译。