插值、近似等（alglib包）。 - 页 11

新评论
 
Maxim Dmitrievsky:

我只是问有没有人做过，以节省时间。

真是个愚蠢的问题。

为什么有侵略性？

对我来说，这样的问题会给出 "谁能做到？"的答案，因为在我看来，能够使用别人的另一种语言的代码并将其解释为另一种语言，并不是一件容易的事情。

 
Aleksey Vyazmikin:

侵略性从何而来？

对我来说，这样的问题会给出这样的答案："谁能做到这一点？"因为在我看来，能够使用别人的另一种语言的代码并将其解释为另一种语言，并不是一件容易的事情。

我只是不想把水倒在抽象的东西上

 
Maxim Dmitrievsky:

我只是不想把水倒在抽象的地方

所以事实上他们已经倒了不少水，所以也许会有人有能力去实施。

 
Aleksey Vyazmikin:

事实上，他们已经倾注了相当多的资金，所以也许会有人有能力使之成为现实。

这条信息的意义何在？我自己几乎已经做到了。这并不都是有趣的，而且基本上都是初级的

 
Maxim Dmitrievsky:

这条信息的意义何在？我自己也几乎做到了这一点。不是每个人都对它感兴趣，它在本质上是初级的。

最后，这句谚语与我们的对话 "不做亏心事，不怕鬼敲门 "十分吻合。我想通过对你的需求给予不同的措辞来帮助你，结果却收到了否定和怨恨。走了。

 
Aleksey Vyazmikin:

最后，谚语 "不做好事，就不会有坏事 "很适合我们的对话。我想通过对你的需求给予不同的措辞来帮助你，结果是消极和怨恨。走了。

你写了同样的东西，但重新安排了文字，并在上下文中加入了一些你自己的经历 )结果，"特征的转化 "这个简单的短语进入了潜意识图像的某个深处

 

我从很早以前就明白这个项目的目标。事实上，在RDF的前一篇文章中，我要求马克西姆先生在市场变化时立即实施、、、、、、类似于改变功能 或策略的东西。

但现在Maxim给MQL带来了太多的新概念，如 "内核技巧 "和 "花键"，这对我来说是完全陌生的，尽管我必须学习，看看这些是否有什么优势。从理论上讲，这两种方法似乎都很有前途，但我对最终结果表示怀疑。如果不这样做，就不足以带来强化学习的后果。

我有几个简单的实施方法。例如，简单地在OnInit（）函数中使用一篮子交易系统，并使用开关。

在我看来，任何机器学习算法要在外汇市场发挥作用，必须满足以下3个标准。

1.优化过程中对训练数据的学习速度

2.在交易进入和退出时，从训练有素的数据中计算的速度

通过反复学习，算法随时间自动收敛，不显示随机行为

如果强化学习算法不能完成上述任何任务，那么它就只是一个简单的试错算法。

马克西姆关于RDF的前一篇文章成功地完成了前2个目标，但未能完成第三个任务。算法，以便它能够随着时间的推移而收敛，即使我们可以在一周内手动做一次优化。

但我仍然希望Maxim能用内核技巧和花键完成，我急切地等待着下一篇文章。

 

我读了这个话题，我认为，熟悉的风格已经主导了这个论坛--每个人都专门谈论他自己的，痛点，偶尔分散注意力，得罪他的邻居。

至于技术，如果我们谈论内核的技巧，特征空间 的映射，我只对参考向量类型的线性分类器很清楚，但为什么树、森林、神经网络在黑盒子里有自己的内核？

而如果任务只是编造外部公式，那么在我看来，符号回归和遗传编程将比无关的插值和近似更酷）。

 
Ivan Negreshniy:

好吧，从技术上讲，如果我们谈论的是内核技巧，映射特征空间，对我来说很清楚，只与线性 分类器如参考向量有关，但什么树，森林，在神经网络他们的内核，在黑盒子里面。

非线性的为什么要得罪？

但组合式内核。任务是通过小的血液减少错误，我已经成功地做到了这一点。在神经网络中建立150层，然后每次删除1层/神经元。这将是更糟糕的，更慢的。

而且我可以在半小时内训练1-2万个模型:)

 
Maxim Dmitrievsky :

非线性的什么得罪？

但组合核。任务是减少由于低血量造成的错误，我成功地获得了这个机会。在神经网络中增加150层，然后删除1层/神经元。它将变得更糟，更慢。

我可以在半小时内训练1-2万个模型 :)

训练速度听起来很不错 :)

但你确定在交易进场时，该算法能如此迅速地检查如此大量的训练有素的模型，从而做出准确的交易决定吗？

我的意思是，在普通的VPS中，在检查模型和交易决定之间，你预计平均有多少时间差距？或者你打算实施与你之前文章类似的交易政策？

1...4567891011121314151617
新评论