神经病患者，不要路过 :) 需要建议 - 页 8 1234567891011121314 新评论 Alexey Burnakov 2011.04.01 08:44 #71 好吧，让我们暂时忘掉培训这一项。 我有一个近似于1个值的网络，这就是价格是会上升还是下降。我就不说细节了。 我们可以把一个测试样本（不是那些网络学习的数据，而是当这个样本的误差不再下降时，神经网络的 训练就会停止）作为一个单一的数据，这个数据将紧随训练样本之后，在网络实际交易的OOS期之前出现。在这种情况下，我们在可能与训练数组有很大差异的数据上估计网络泛化误差。 我提到的另一个选择是，从OOS之前的样本阵列中随机 生成一个控制样本。样本将被洗牌。因此，事实证明（至少在我的案例中），相邻的样本是相似的，网络在一个样本（训练样本）上进行学习，并立即在相邻的（控制）样本上估计网络泛化误差。在这种情况下，测试样品上的误差最小值可能比测试样品由一个单独的片子来取的情况下要深得多。 TheXpert 2011.04.01 09:02 #72 现在多多少少有些明白了。我没有受过训练。在所有。 因此，不可能有你建议的那种形式的测试抽样。 说实话，我怀疑这根本不会很有效。 我不反对它的应用，但我没有看到一个有效的计划。 为了真正做到可测试，样本必须不在训练区间。也就是说，远在OOS之前。这实质上给人一种延迟使用的感觉，而且不能保证有改善:) 。当你训练一次，测试一次，然后愚蠢地使用它时，测试采样是好的，我不明白用它来预测价格系列的意义。 不要把它当作摆脱它的理由（这是对所有读者的呼吁:）），它只是一个imho。 Alexey Burnakov 2011.04.01 09:51 #73 你说的这些都是合理的。我只是想用实践来检验我的假设，虽然我自己也从一个选项到另一个选项，然后再回来......)))但我已经把总是以某种方式使用测试样本作为一项规则。 顺便说一下，我也总是在将EA放在账户上之前，先在正向测试中检查系统。我可以告诉你，我所有的EA都通过了单次远期测试（我有足够的时间只为欧元兑美元H1 做多次远期测试）。如果他们没有通过，我甚至懒得让他们通过，因为我不再有任何信心))))。 TheXpert 2011.04.03 15:17 #74 又是一勺焦油。一张个人网。 1 -1021.00 870 0.95 -1.17 2253.80 21.60% Fake=0 2 1336.30 862 1.08 1.55 939.40 8.90% Fake=1 3 2174.60 869 1.12 2.50 1471.40 14.45% Fake=2 4 2239.00 844 1.15 2.65 942.70 9.42% Fake=3 5 2433.90 901 1.15 2.70 1191.70 9.43% Fake=4 6 3746.20 864 1.24 4.34 777.60 7.41% Fake=5 7 -1804.60 868 0.90 -2.08 2966.00 28.61% Fake=6 8 555.30 842 1.03 0.66 1360.90 12.77% Fake=7 你可以看到，平均数是+，但是，我的妈呀，差距一点也不小。 Viktor Zhuravlev 2011.04.03 16:05 #75 TheXpert: 又是一勺焦油。独立的网络。 当然，你可以看到平均数是+，但是，我的妈呀，差价一点都不小。 你好! 你是否对你输入到网络输入的电感器做了任何去势（在文章中发现）？ 你也可以尝试让诱导剂变得不稳定。 TheXpert 2011.04.03 17:27 #76 唉......。我不提供火鸡。 Viktor Zhuravlev 2011.04.03 17:55 #77 TheXpert: 唉......。我不为任何指数服务。 有趣的是... 对单一区间（或至少是一个区间）的归一化如何处理？ 敢问一个不谦虚的问题：老师是什么人？ 通过提前几个小节的预测实现利润最大化？ TheXpert 2011.04.03 18:20 #78 renegate: 我敢问一个不谦虚的问题：老师是什么人？ 通过提前数条预测实现利润最大化？ 不，这种方法不能很好地与回声网络结合。在这个主题中已经说过关于老师的问题。 出尔反尔。 对单一区间（或至少是一个区间）进行配给如何？ 好吧，如果只是这样的话，是的，我愿意 :) Viktor Zhuravlev 2011.04.03 19:07 #79 在这个主题中没有找到一个老师。我稍后会看一下。明天早上会更好... [删除] 2011.04.03 19:47 #80 我们已经忘记了我们的 "绵羊"）。开始的信息是 "如何改进？" 我建议我们抽象一点（仅仅是一点），思考如何在我们感兴趣的应用领域中普遍改善NS的结果，而不仅仅是这个结果。在此，逐点说明。 1) 输入/输出的选择（一个亲密的问题，几乎总是不需要讨论，在这种情况下，它是基于我们商业论坛中两个有经验的成员所认可的理论，我们认为没有什么可以改进的。） 2）输入预处理（这个问题似乎相当简单，而且相当开放，我们可以讨论是否会知道，在这种情况下做什么和怎么做（虽然我有一个明智的NS，其中基本的 "热情 "是原始的（在任何地方都没有遇到）输入数据的编码，我还不打算分享）。 3）NS的数学。(一切都是在我们之前在这里发明的）。你可以自由地分享和讨论任何你喜欢的东西。只不过，在这里，所有改进东西的尝试都更像是萨满教和盲目的实验，而不是自觉的行动) 4）NS的 "组织 "问题。(如何/何时训练/再训练，周期/间隔，网络输出解释器的逻辑，MM，等等。我们已经看到了关于整个TS的报告，一般来说。锯，但通过看报告而不是一些琐碎的MM想到了明智的改进意见。 我错过了什么？ 听从一个没有沉浸在发展本质中的人的建议，理论上在哪里/有什么可以改进？ 这就留下了第2项和第3项。第2点被TopikStarter省略了，因为不值得关注，"那里都是通常的"（尽管在我看来，可能有变种）。第3点，有些文章没有100克是看不懂的，我个人还不能完全理解（试图实现哪怕是一个简单的回声网络，至今都没有成功）。 TheXpert，你能告诉我关于你的TS的其他一些不是秘密的事情吗？我们会先验地感兴趣，因为你有一定的结果（我个人是这样认为的），而且可能会 "反客为主 "的聪明建议。例如，我想知道。 - 为什么会有 "回声"？你去过那里，告诉我它的优点和缺点。你当初是怎么把它挖出来的？ - 输入/输出：朱先生 谈到了 "流动的模式 "和2型TC。我认为 "流动 "是值得讨论的，第2种类型只是一个邪恶的人，我认为。 a) 你真的 确定输入/输出不能被改进吗？ b) 预处理：它看起来是怎样的？例如，是否对输入值的分布进行过分析？ 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
好吧，让我们暂时忘掉培训这一项。
我有一个近似于1个值的网络，这就是价格是会上升还是下降。我就不说细节了。
我们可以把一个测试样本（不是那些网络学习的数据，而是当这个样本的误差不再下降时，神经网络的 训练就会停止）作为一个单一的数据，这个数据将紧随训练样本之后，在网络实际交易的OOS期之前出现。在这种情况下，我们在可能与训练数组有很大差异的数据上估计网络泛化误差。
我提到的另一个选择是，从OOS之前的样本阵列中随机 生成一个控制样本。样本将被洗牌。因此，事实证明（至少在我的案例中），相邻的样本是相似的，网络在一个样本（训练样本）上进行学习，并立即在相邻的（控制）样本上估计网络泛化误差。在这种情况下，测试样品上的误差最小值可能比测试样品由一个单独的片子来取的情况下要深得多。
现在多多少少有些明白了。我没有受过训练。在所有。
因此，不可能有你建议的那种形式的测试抽样。
说实话，我怀疑这根本不会很有效。
我不反对它的应用，但我没有看到一个有效的计划。
为了真正做到可测试，样本必须不在训练区间。也就是说，远在OOS之前。这实质上给人一种延迟使用的感觉，而且不能保证有改善:) 。当你训练一次，测试一次，然后愚蠢地使用它时，测试采样是好的，我不明白用它来预测价格系列的意义。
不要把它当作摆脱它的理由（这是对所有读者的呼吁:）），它只是一个imho。
你说的这些都是合理的。我只是想用实践来检验我的假设，虽然我自己也从一个选项到另一个选项，然后再回来......)))但我已经把总是以某种方式使用测试样本作为一项规则。
顺便说一下，我也总是在将EA放在账户上之前，先在正向测试中检查系统。我可以告诉你，我所有的EA都通过了单次远期测试（我有足够的时间只为欧元兑美元H1 做多次远期测试）。如果他们没有通过，我甚至懒得让他们通过，因为我不再有任何信心))))。
又是一勺焦油。一张个人网。
你可以看到，平均数是+，但是，我的妈呀，差距一点也不小。
又是一勺焦油。独立的网络。
当然，你可以看到平均数是+，但是，我的妈呀，差价一点都不小。
你好!
你是否对你输入到网络输入的电感器做了任何去势（在文章中发现）？
你也可以尝试让诱导剂变得不稳定。
唉......。我不为任何指数服务。
有趣的是...
对单一区间（或至少是一个区间）的归一化如何处理？
敢问一个不谦虚的问题：老师是什么人？ 通过提前几个小节的预测实现利润最大化？
我敢问一个不谦虚的问题：老师是什么人？ 通过提前数条预测实现利润最大化？
不，这种方法不能很好地与回声网络结合。在这个主题中已经说过关于老师的问题。
对单一区间（或至少是一个区间）进行配给如何？
好吧，如果只是这样的话，是的，我愿意 :)
我们已经忘记了我们的 "绵羊"）。开始的信息是 "如何改进？"
我建议我们抽象一点（仅仅是一点），思考如何在我们感兴趣的应用领域中普遍改善NS的结果，而不仅仅是这个结果。在此，逐点说明。
1) 输入/输出的选择（一个亲密的问题，几乎总是不需要讨论，在这种情况下，它是基于我们商业论坛中两个有经验的成员所认可的理论，我们认为没有什么可以改进的。）
2）输入预处理（这个问题似乎相当简单，而且相当开放，我们可以讨论是否会知道，在这种情况下做什么和怎么做（虽然我有一个明智的NS，其中基本的 "热情 "是原始的（在任何地方都没有遇到）输入数据的编码，我还不打算分享）。
3）NS的数学。(一切都是在我们之前在这里发明的）。你可以自由地分享和讨论任何你喜欢的东西。只不过，在这里，所有改进东西的尝试都更像是萨满教和盲目的实验，而不是自觉的行动)
4）NS的 "组织 "问题。(如何/何时训练/再训练，周期/间隔，网络输出解释器的逻辑，MM，等等。我们已经看到了关于整个TS的报告，一般来说。锯，但通过看报告而不是一些琐碎的MM想到了明智的改进意见。
我错过了什么？
听从一个没有沉浸在发展本质中的人的建议，理论上在哪里/有什么可以改进？ 这就留下了第2项和第3项。第2点被TopikStarter省略了，因为不值得关注，"那里都是通常的"（尽管在我看来，可能有变种）。第3点，有些文章没有100克是看不懂的，我个人还不能完全理解（试图实现哪怕是一个简单的回声网络，至今都没有成功）。
TheXpert，你能告诉我关于你的TS的其他一些不是秘密的事情吗？我们会先验地感兴趣，因为你有一定的结果（我个人是这样认为的），而且可能会 "反客为主 "的聪明建议。例如，我想知道。
- 为什么会有 "回声"？你去过那里，告诉我它的优点和缺点。你当初是怎么把它挖出来的？
- 输入/输出：朱先生 谈到了 "流动的模式 "和2型TC。我认为 "流动 "是值得讨论的，第2种类型只是一个邪恶的人，我认为。
a) 你真的 确定输入/输出不能被改进吗？
b) 预处理：它看起来是怎样的？例如，是否对输入值的分布进行过分析？