市场礼仪或雷区中的良好风度 - 页 52 1...454647484950515253545556575859...104 新评论 Neutron 2009.06.08 14:53 #511 paralocus писал(а)>>而错误向量的长度是新的东西...我们没有通过 -:) 如何寻找一个三角形的边长?这就对了!- 你取根下的平方之和。 这里也一样,只是你用数据向量的长度将其归一化。所以这并不新鲜。这都是科学。 paralocus 2009.06.08 14:57 #512 你对双层的K 是什么? Neutron 2009.06.08 14:59 #513 我现在有一个。我认为这还不重要,但速度会更好。 paralocus 2009.06.08 15:04 #514 我想我还没有达到这个水平。我将在某个地方抓虫子。我还有一个请求:你能不能建议另一种索引方法(通过突触或其他方法),因为直接索引对单层来说是好的,但在双层中它非常复杂,可能因为它很慢(甚至可能有故障)。 Neutron 2009.06.08 15:14 #515 下面是一个所有重量的 "压缩 "周期的例子。 paralocus 2009.06.08 15:25 #516 我也把所有的权重放在同一个数组中,索引也是差不多的 Сергей 2009.06.08 17:10 #517 grasn >> : 你是在预测未来+1栏的 "颜色",还是利用有关当前栏的历史,更准确地估计其运动? 明白了,谢谢你。告诉我,你如何估计你的NS的最佳结果,即实验总量的百分之多少条会成功?好吧,比如说,1000条中有99%预测正确。你的估计是什么? Сергей 2009.06.08 20:05 #518 所以......当你在思考这个问题的时候(考虑到与新西伯利亚的时差,你可能已经睡着了),为了好奇心,我决定尝试用AR方法预测酒吧的颜色。我试图预测 "lob",然后我试图预测酒吧的颜色。我试图预测x[n]-x[n-1](H+L)/2的 "直接 "方向("+"或"-"),而不需要模型识别。同样,如我所料,这也是垃圾,因为人不可能一下子就做到这一点。但我想起了系列处理的一个旧想法,并获得了任何实验结果(在15分钟的欧元兑美元5 000个样本)。 0 - 方向上的错误 1 - 方向是正确的 最令人失望的是,没有任何错误...但你是对的,Serega.知道一个酒吧的 "方向 "和均方 "酒吧呼吸"(一些神秘主义),我们可以建立一个好的策略。那么你的结果是什么呢?你一定估计到了系统被允许撒谎的程度,对吗? Neutron 2009.06.09 05:01 #519 grasn писал(а)>> 明白了,谢谢你。告诉我,你如何估计你的NS的最佳结果,即实验总量的百分之多少条会成功?好吧,比如说,1000条中有99%预测正确。你的估计是什么,或者现有的结果是什么。 如果我们只想预测预期运动的方向,我们应该用公式估计正确预测的百分比。p=n(+)/N,其中 N 为实验总数,n(+) 为正确猜出的符号数。 如果我们谈论的是在考虑到其振幅的情况下预测预期的运动,我们可以通过上面这个主题中描述的算法建立一个预测云,并使用最小二乘法画一条直线穿过它来正确估计预测的可靠性。其斜率的正切值表征了所选算法的预测精度,而实验点的分散度显示了风险。 下面是训练样本(红色)和测试样本(没有参加训练)的这种绘图的例子。 你是对的,Seryoga.知道一个酒吧的 "方向",意味着方形的 "酒吧呼吸"(一些神秘主义),我们可以建立一个良好的策略。那么你的结果是什么呢?你一定估计到了系统被允许撒谎的程度,对吗? 我做到了。这是本主题的第一部分。阅读它。根据这种估计的结果,如果该系统提供了统计上可靠的优势(>50%的正确条目),那么它就明确地定义了MM的最佳参数,允许将市场推向最大化。 P.S. 你花了这么多时间终于明白了,真让人吃惊!而在同一时间,我从你那里听到了多少个侮辱性的绰号?而我还要听多少次......。 Сергей 2009.06.09 06:53 #520 对中子 Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков. 如果我们谈论的是在考虑到其振幅的情况下预测预期的运动,我们应该使用上面这个主题中描述的算法正确估计预测的可靠性,并使用最小二乘法画一条直线穿过它。其斜率的正切值表征了所选算法的预测精度,而实验点的分散度显示了风险。 下面是一个训练样本(红色的)和测试样本(没有参加训练)的这种绘图的例子。 估计的。本主题的第一部分专门讨论了这个问题。阅读。根据这一估计的结果,如果该系统在统计上有明显的优势(>50%的正确条目),那么它就毫不含糊地定义了MM的最佳参数,允许最大限度地挤占市场。 你能明确告诉我 你的超级超级NS系统的猜测率是多少吗?另外,你说你只是在预测颜色,这与振幅有什么关系?这不是这个话题的内容。你不必强迫我阅读所有的东西,尤其是你的数字可能已经改变。 P.S. 你花了这么多时间终于明白了,真让人吃惊!而在同一时间,我从你那里听到了多少个侮辱性的绰号?还有,我还能得到多少...... Seryoga,你有一个受损的心理和膨胀的自我。快点,不要写这种无稽之谈。另外,你的记忆力很差,已经忘记了你是如何把正常的、基本上是好人的人称为疯子的。是的,是的,是的。 PS:令人惊讶的是,你要花多长时间才能最终明白,与你的NS相比,pyremy AR模型不会给你带来更糟的结果。 1...454647484950515253545556575859...104 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
而错误向量的长度是新的东西...我们没有通过 -:)
如何寻找一个三角形的边长?这就对了!- 你取根下的平方之和。
这里也一样,只是你用数据向量的长度将其归一化。所以这并不新鲜。这都是科学。
下面是一个所有重量的 "压缩 "周期的例子。
我也把所有的权重放在同一个数组中,索引也是差不多的
你是在预测未来+1栏的 "颜色",还是利用有关当前栏的历史,更准确地估计其运动?
明白了,谢谢你。告诉我,你如何估计你的NS的最佳结果,即实验总量的百分之多少条会成功?好吧,比如说,1000条中有99%预测正确。你的估计是什么?
所以......当你在思考这个问题的时候(考虑到与新西伯利亚的时差,你可能已经睡着了),为了好奇心,我决定尝试用AR方法预测酒吧的颜色。我试图预测 "lob",然后我试图预测酒吧的颜色。我试图预测x[n]-x[n-1](H+L)/2的 "直接 "方向("+"或"-"),而不需要模型识别。同样,如我所料,这也是垃圾,因为人不可能一下子就做到这一点。但我想起了系列处理的一个旧想法,并获得了任何实验结果(在15分钟的欧元兑美元5 000个样本)。
最令人失望的是,没有任何错误...但你是对的,Serega.知道一个酒吧的 "方向 "和均方 "酒吧呼吸"(一些神秘主义),我们可以建立一个好的策略。那么你的结果是什么呢?你一定估计到了系统被允许撒谎的程度,对吗?
明白了,谢谢你。告诉我,你如何估计你的NS的最佳结果,即实验总量的百分之多少条会成功?好吧,比如说,1000条中有99%预测正确。你的估计是什么,或者现有的结果是什么。
如果我们只想预测预期运动的方向,我们应该用公式估计正确预测的百分比。p=n(+)/N,其中 N 为实验总数,n(+) 为正确猜出的符号数。
如果我们谈论的是在考虑到其振幅的情况下预测预期的运动,我们可以通过上面这个主题中描述的算法建立一个预测云,并使用最小二乘法画一条直线穿过它来正确估计预测的可靠性。其斜率的正切值表征了所选算法的预测精度,而实验点的分散度显示了风险。
下面是训练样本(红色)和测试样本(没有参加训练)的这种绘图的例子。
你是对的,Seryoga.知道一个酒吧的 "方向",意味着方形的 "酒吧呼吸"(一些神秘主义),我们可以建立一个良好的策略。那么你的结果是什么呢?你一定估计到了系统被允许撒谎的程度,对吗?
我做到了。这是本主题的第一部分。阅读它。根据这种估计的结果,如果该系统提供了统计上可靠的优势(>50%的正确条目),那么它就明确地定义了MM的最佳参数,允许将市场推向最大化。
P.S. 你花了这么多时间终于明白了,真让人吃惊!而在同一时间,我从你那里听到了多少个侮辱性的绰号?而我还要听多少次......。
对中子
Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков.
如果我们谈论的是在考虑到其振幅的情况下预测预期的运动,我们应该使用上面这个主题中描述的算法正确估计预测的可靠性,并使用最小二乘法画一条直线穿过它。其斜率的正切值表征了所选算法的预测精度,而实验点的分散度显示了风险。
下面是一个训练样本(红色的)和测试样本(没有参加训练)的这种绘图的例子。
估计的。本主题的第一部分专门讨论了这个问题。阅读。根据这一估计的结果,如果该系统在统计上有明显的优势(>50%的正确条目),那么它就毫不含糊地定义了MM的最佳参数,允许最大限度地挤占市场。
你能明确告诉我 你的超级超级NS系统的猜测率是多少吗?另外,你说你只是在预测颜色,这与振幅有什么关系?这不是这个话题的内容。你不必强迫我阅读所有的东西,尤其是你的数字可能已经改变。
P.S. 你花了这么多时间终于明白了,真让人吃惊!而在同一时间,我从你那里听到了多少个侮辱性的绰号?还有,我还能得到多少......
Seryoga,你有一个受损的心理和膨胀的自我。快点,不要写这种无稽之谈。另外,你的记忆力很差,已经忘记了你是如何把正常的、基本上是好人的人称为疯子的。是的,是的,是的。
PS:令人惊讶的是,你要花多长时间才能最终明白,与你的NS相比,pyremy AR模型不会给你带来更糟的结果。