神经病患者,不要路过 :) 需要建议 - 页 6 1234567891011121314 新评论 TheXpert 2011.03.31 14:57 #51 已经知道接下来要测试哪几对了 :) Igor Makanu 2011.03.31 15:01 #52 TheXpert: 我已经知道下一步要测试哪一对了 :) 尽量不要测试对子,但是DTs ... ;) TheXpert 2011.03.31 15:02 #53 alexeymosc: 你如何处理神经网络再训练的问题?你如何形成测试样本? 并没有。有了一定的权重和图案比例,这个问题就不再发生。我刚才说的是取样。 很明显,该系统在测试段中学习得很好,并接近于模式,但有时在验证段中却失败。也许以不同方式塑造测试样本是有意义的...... 如果有这么简单就好了...这可能是有道理的...另一种情况是什么呢? Alexey Burnakov 2011.03.31 15:08 #54 正如他们所说,这些是我目前心中的选择。 - 测试样本总是由验证截止日期之前的最新数据组成(考虑到 "时间序列再现效应",尽管这也是研究者的先验假设之一,但人们可以尝试)。 - 测试样本与训练样本随机地混合在一起。 - 测试样本不是随机地与训练样本混在一起,而是00010001型,即均匀地覆盖样本空间。 并为每种情况尝试不同的测试样本量。选项。 - 等于验证的截止点。 - 根据抽样误差计算,即置信区间为 5%,置信度为95%。 Alexey Burnakov 2011.03.31 15:32 #55 所以我理解,你根本不使用测试样本...你只要训练好网络就可以了,也就是说,你一次就可以测试。而如果网络在相同的数据(训练样本)上进行训练,并在测试样本上评估训练的质量?然后--OOS。 IMHO - 测试样本对于控制网络的训练 是必要的。 Sceptic Philozoff 2011.03.31 16:11 #56 我同意alexeymosc 的观点。如果你进入了神经网络,你应该适当地武装起来。 我想这是它的名字。 训练数据取样(数据段A;对其进行误差估计没有意义)。 验证(估计另一个数据段B的误差;数据段B隐含地参与了训练,因为B通过最小误差决定了训练的结束。) 和测试,C(数据完全不知道)。 [删除] 2011.03.31 16:40 #57 joo: 流动图案理论.... 你是如此自信地谈论着一些流动的模式。与此同时,Yandex和Google甚至都没有听说过他们(或者他们的搜索也不工作:))。虽然我可能知道你的意思,但如果可能的话,我希望至少能有更多的细节。 TheXpert。我已经知道下一步要测试哪一对了 :) 为什么是成对的?)尝试一些指数,黄金...我想知道什么会在那里发挥作用。 而在我看来,到目前为止,所有这些图片都说明,目前TC的这种设置是行不通的。但从2001年到2005年,它是伟大的)我们应该做一些调整。 Andrey Dik 2011.03.31 17:52 #58 Figar0: 1)你如此自信地谈论一些流动的模式。 2)同时,Yandex和Google甚至都没有听说过他们(或者他们的搜索也不工作:))。虽然我可能知道这一切是怎么回事,但如果可能的话,我希望至少能有更详细的内容。 .....1)嗯,还能怎样?你知道这是我的想象力的产物。 2)它不是很出名,我想。:) 我还能说什么呢?- 就像我之前说的那样,你可以在论坛上查找。也许我会把我所有的帖子堆积起来,写一些理论精髓的 "综述",这对我个人会有帮助。 SAMER 2011.03.31 19:00 #59 也许这是一个微不足道的问题,但仍然是。 你能告诉我这是不是教授NS的正确方法吗? 或者说,反复训练,但对指标的目的不同,是否有错,应该这样? 如果有的话,我使用NeuroSolutions。 TheXpert 2011.03.31 19:11 #60 Summer: 请你告诉我,这是否是教授NS的方法? 我看不出有什么好的理由说不。为什么不呢? 这些数据是新的吗?是的。 使用窗口法教学(即基本上得到一个递归公式),正是这样的教学方式。 1234567891011121314 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
已经知道接下来要测试哪几对了 :)
我已经知道下一步要测试哪一对了 :)
尽量不要测试对子,但是DTs ...
;)
你如何处理神经网络再训练的问题?你如何形成测试样本?
并没有。有了一定的权重和图案比例,这个问题就不再发生。我刚才说的是取样。
正如他们所说,这些是我目前心中的选择。
- 测试样本总是由验证截止日期之前的最新数据组成(考虑到 "时间序列再现效应",尽管这也是研究者的先验假设之一,但人们可以尝试)。
- 测试样本与训练样本随机地混合在一起。
- 测试样本不是随机地与训练样本混在一起,而是00010001型,即均匀地覆盖样本空间。
并为每种情况尝试不同的测试样本量。选项。
- 等于验证的截止点。
- 根据抽样误差计算,即置信区间为 5%,置信度为95%。
所以我理解,你根本不使用测试样本...你只要训练好网络就可以了,也就是说,你一次就可以测试。而如果网络在相同的数据(训练样本)上进行训练,并在测试样本上评估训练的质量?然后--OOS。
IMHO - 测试样本对于控制网络的训练 是必要的。
我同意alexeymosc 的观点。如果你进入了神经网络,你应该适当地武装起来。
我想这是它的名字。
流动图案理论....
你是如此自信地谈论着一些流动的模式。与此同时,Yandex和Google甚至都没有听说过他们(或者他们的搜索也不工作:))。虽然我可能知道你的意思,但如果可能的话,我希望至少能有更多的细节。
我已经知道下一步要测试哪一对了 :)
为什么是成对的?)尝试一些指数,黄金...我想知道什么会在那里发挥作用。
而在我看来,到目前为止,所有这些图片都说明,目前TC的这种设置是行不通的。但从2001年到2005年,它是伟大的)我们应该做一些调整。
1)你如此自信地谈论一些流动的模式。
2)同时,Yandex和Google甚至都没有听说过他们(或者他们的搜索也不工作:))。虽然我可能知道这一切是怎么回事,但如果可能的话,我希望至少能有更详细的内容。
.....1)嗯,还能怎样?你知道这是我的想象力的产物。
2)它不是很出名,我想。:) 我还能说什么呢?- 就像我之前说的那样,你可以在论坛上查找。也许我会把我所有的帖子堆积起来,写一些理论精髓的 "综述",这对我个人会有帮助。
也许这是一个微不足道的问题,但仍然是。
你能告诉我这是不是教授NS的正确方法吗?
或者说,反复训练,但对指标的目的不同,是否有错,应该这样?
如果有的话,我使用NeuroSolutions。
请你告诉我,这是否是教授NS的方法?
我看不出有什么好的理由说不。为什么不呢? 这些数据是新的吗?是的。
使用窗口法教学(即基本上得到一个递归公式),正是这样的教学方式。