市场礼仪或雷区中的良好风度 - 页 80 1...737475767778798081828384858687...104 新评论 Neutron 2009.06.22 05:33 #791 gpwr писал(а)>> 为什么在蓝色圆圈附近有一个统计上的散点？如果权重从零开始，就不应该有任何统计上的分散。 重点是，我不是为同一个训练样本生成统计数字，而是在每个周期内一次转移一个样本。因此，训练的结果并不吻合。我不记得我为什么这么做，但这并不改变本质。显然，我想展示市场中的准稳定过程，并反映它们对学习速度的影响。 下面是在同一训练样本上进行10次实验的平均值，结果是什么样子的（图左）。 你可以看到，初始化为零的权重没有统计学上的变化。 右图是基于一个有12个输入、隐藏层有5个神经元、输出有1个神经元的网络架构，训练样本为120个，也就是说，它是你的案例的一个副本。这些统计数字是从50个独立的数字实验中收集的。另外，一切工作都很正常。 如果使用按标准差归一化的欧元兑美元1h开盘价，其平均值不等于零。还是你减去了平均数？ 不，我用第一次开盘价差作为输入（以为从上下文中可以看出）。很明显，平均数是零。预测了下一个差异的振幅和符号。 至于该定理，我喜欢它。但是，它与我们的网络有关，是一种特殊的情况! 你已经证明了训练样本长度趋于无穷大的退化情况。实际上，在这种情况下，对于代表SV的MO为零的输入数据向量，我们得到的权重为零--对于综合SV来说，明天的最佳预测是今天的当前值。但是，一旦我们采取有限长度的训练样本，训练后的权重将趋于平衡，使误差的平方最小。作为证明这一说法的例子，以SLAE（相同的NS）为例。在这种情况下，权重是唯一定义的，训练样本的训练误差完全等于零（未知数等于方程数），权重（未知数处的系数）显然不等于零。 paralocus 2009.06.22 08:47 #792 这个设计对我来说有些不合适。 Neutron 2009.06.22 08:53 #793 为什么你在标尺上看到+/-1的范围？它应该是+/-N...也许你把 "+/-1 "的限制设置得很硬，现在你什么都看不到了，但它就像图片中一样。 paralocus 2009.06.22 09:08 #794 我不认为这就是原因。我根本就没有指定一个范围边界。现在，它被硬性设定为从-N到+N。 我怀疑这是Matkad的一个小故障。我已经拿到了新的，但邮局今天不上班。只有明天才能拿到。 Neutron 2009.06.22 09:33 #795 paralocus писал(а)>> 我不认为这就是原因。我根本就没有指定一个范围边界。现在，它被硬性设定为从-N到+N。 我怀疑这是Matkad的一个小故障。我已经拿到了新的，但邮局今天不上班。我只有在明天才能得到它。 我很好。 你，给我看看矢量值。比如，F=...你有什么？ paralocus 2009.06.22 09:38 #796 Neutron 2009.06.22 09:40 #797 啊哈。你知道该怎么做--将循环中的差值四舍五入为整数：dif[i]=trunc(K*(Open[i]-Open[i-1]))。也许你的原始商数中没有4位数。请看表格中的小木箱本身是怎样的。 paralocus 2009.06.22 09:59 #798 是的，它成功了... 奇怪，我的商数中怎么没有四位数？ Neutron 2009.06.22 10:04 #799 从哪里来，从哪里来...因为你已经将Matcad设置为表示小数点后三位的数字。 哦，不。不过，问题出在原始商数上。在原始数据中寻找。 paralocus 2009.06.22 12:01 #800 这是因为数据类型的不同。trunc()只是将第一个商差的值设置为一个整数类型。 1...737475767778798081828384858687...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
为什么在蓝色圆圈附近有一个统计上的散点？如果权重从零开始，就不应该有任何统计上的分散。
重点是，我不是为同一个训练样本生成统计数字，而是在每个周期内一次转移一个样本。因此，训练的结果并不吻合。我不记得我为什么这么做，但这并不改变本质。显然，我想展示市场中的准稳定过程，并反映它们对学习速度的影响。
下面是在同一训练样本上进行10次实验的平均值，结果是什么样子的（图左）。
你可以看到，初始化为零的权重没有统计学上的变化。
右图是基于一个有12个输入、隐藏层有5个神经元、输出有1个神经元的网络架构，训练样本为120个，也就是说，它是你的案例的一个副本。这些统计数字是从50个独立的数字实验中收集的。另外，一切工作都很正常。
如果使用按标准差归一化的欧元兑美元1h开盘价，其平均值不等于零。还是你减去了平均数？
不，我用第一次开盘价差作为输入（以为从上下文中可以看出）。很明显，平均数是零。预测了下一个差异的振幅和符号。
至于该定理，我喜欢它。但是，它与我们的网络有关，是一种特殊的情况!
你已经证明了训练样本长度趋于无穷大的退化情况。实际上，在这种情况下，对于代表SV的MO为零的输入数据向量，我们得到的权重为零--对于综合SV来说，明天的最佳预测是今天的当前值。但是，一旦我们采取有限长度的训练样本，训练后的权重将趋于平衡，使误差的平方最小。作为证明这一说法的例子，以SLAE（相同的NS）为例。在这种情况下，权重是唯一定义的，训练样本的训练误差完全等于零（未知数等于方程数），权重（未知数处的系数）显然不等于零。
这个设计对我来说有些不合适。
我不认为这就是原因。我根本就没有指定一个范围边界。现在，它被硬性设定为从-N到+N。
我怀疑这是Matkad的一个小故障。我已经拿到了新的，但邮局今天不上班。只有明天才能拿到。
我不认为这就是原因。我根本就没有指定一个范围边界。现在，它被硬性设定为从-N到+N。
我怀疑这是Matkad的一个小故障。我已经拿到了新的，但邮局今天不上班。我只有在明天才能得到它。
我很好。
你，给我看看矢量值。比如，F=...你有什么？
啊哈。你知道该怎么做--将循环中的差值四舍五入为整数：dif[i]=trunc(K*(Open[i]-Open[i-1]))。也许你的原始商数中没有4位数。请看表格中的小木箱本身是怎样的。
是的，它成功了...
奇怪，我的商数中怎么没有四位数？
从哪里来，从哪里来...因为你已经将Matcad设置为表示小数点后三位的数字。
哦，不。不过，问题出在原始商数上。在原始数据中寻找。