Vladimir Vapnik 和Alexei Chervonenkis 在1963年提出的一种构建最佳分离超平面的算法是一种线性分类算法。然而，1992年，Bernhard Boser、Isabelle Guillon和Vapnik提出了一种基于从标量积到任意核的过渡来创建非线性分类器的方法，即所谓的核诀窍（首先由M.Aizerman, Braverman, and Rozonoer的潜力函数法），它允许人们构建非线性分离器。由此产生的算法与线性分类算法极为相似，唯一不同的是，上述公式中的每个标量积被一个非线性核函数（大维空间中的标量积）所取代。在这个空间里，已经可以存在一个最佳的分离超平面。
Vladimir Vapnik 和Alexei Chervonenkis 在1963年提出的一种构建最佳分离超平面的算法是一种线性分类算法。然而，1992年，Bernhard Boser、Isabelle Guillon和Vapnik提出了一种基于从标量积到任意核的过渡来创建非线性分类器的方法，即所谓的核技巧（首先由M.Aizerman, Braverman, and Rozonoer的潜力函数法），它允许人们构建非线性分离器。由此产生的算法与线性分类算法极为相似，唯一不同的是，上述公式中的每个标量积被一个非线性核函数（大维空间中的标量积）所取代。在这个空间里，已经可以存在一个最佳的分离超平面。
一切，我发现一个正常的男孩，很好的解释，立即记住了一切
很好！！！"。
所以现在你的问题已经解决了，关于转换和映射到2D空间？
虽然我不懂俄语，但我多少明白了这个公式。这只是2个向量的大小的余弦和乘除法的游戏 :))
你在MQL5中转换了代码吗？
参考向量法
内核[编辑 | 编辑代码]
Vladimir Vapnik 和Alexei Chervonenkis 在1963年提出的一种构建最佳分离超平面的算法是一种线性分类算法。然而，1992年，Bernhard Boser、Isabelle Guillon和Vapnik提出了一种基于从标量积到任意核的过渡来创建非线性分类器的方法，即所谓的核诀窍（首先由M.Aizerman, Braverman, and Rozonoer的潜力函数法），它允许人们构建非线性分离器。由此产生的算法与线性分类算法极为相似，唯一不同的是，上述公式中的每个标量积被一个非线性核函数（大维空间中的标量积）所取代。在这个空间里，已经可以存在一个最佳的分离超平面。
看来，马克西姆-德米特里耶夫斯基设定的目标与瓦普尼克追求的目标非常接近。我们应该从Wapnick那里获得选择（和选择）近似函数的基础。
我已经读过了英国的信件。勉强可以。事实证明，瓦普尼克，在读完TC#1 后立即想到了他的想法，首先，他还活着，其次，他将机器学习神经网络的经验（平均）风险最小化的想法发展到了支持向量的方法，在这篇通信中讨论了其非线性版本。VIKI:
参考向量法
内核[编辑 | 编辑代码]
Vladimir Vapnik 和Alexei Chervonenkis 在1963年提出的一种构建最佳分离超平面的算法是一种线性分类算法。然而，1992年，Bernhard Boser、Isabelle Guillon和Vapnik提出了一种基于从标量积到任意核的过渡来创建非线性分类器的方法，即所谓的核技巧（首先由M.Aizerman, Braverman, and Rozonoer的潜力函数法），它允许人们构建非线性分离器。由此产生的算法与线性分类算法极为相似，唯一不同的是，上述公式中的每个标量积被一个非线性核函数（大维空间中的标量积）所取代。在这个空间里，已经可以存在一个最佳的分离超平面。
马克西姆-德米特里耶夫斯基似乎在制定与瓦普尼克追求的目标非常接近的目标。我们应该从Wapnick那里寻求选择（和选择）近似函数的依据。
是的，谢谢。Yandex会议上，一位俄罗斯科学家用英语发言，令人汗颜
是的，谢谢你。Yandex会议与俄罗斯科学家用英语交流，令人遗憾
他于1990年来到美国生活，当时他已经54岁了。难怪他用俄语发音来念英语单词。我没有看到任何令人尴尬的事情。他说得很清楚，就像大多数英语不是他们第一语言的人一样。想想希腊语Demis Roussos的发音，惊人的清晰和独立的歌曲。
Yandex是一家俄罗斯公司。他们关闭了自己的学术机构和那些想用俄语向他们学习的人，这是一种耻辱。
他们甚至对自己的机器学习算法都有英文的描述。嗨，马克西姆。
那么，你在之前被卡住的代码上有了进一步的进展？
P = cvxopt.matrix (np.outer (y, y) * K) q = cvxopt.matrix (np.ones (n_samples) * - 1 ) A = cvxopt.matrix (y, ( 1 , n_samples)) b = cvxopt.matrix ( 0.0 )嗨，马克西姆。
那么，你在之前被卡住的代码上有了进一步的进展？
我们不能以这种方式使用内核，因为这种算法只适用于内积，而我不知道如何将特征映射成向量。
我们不能以这种方式使用内核，因为这种算法只适用于内积，而我不知道如何将特征映射成向量。
嗯，这正是内核函数的主要功能。
但我们不能用内核函数来映射特征的进出。这不是内核函数的工作。核函数只是通过将价格点映射到更高的维度，使分类过程更快、更容易。
最重要的是，即使你将一个特征，例如一个蜡烛的接近价格映射到一个三维空间。蜡烛的收盘值在3D中是不会改变的。即使你把它映射回二维，它也是非常正常的。
这时花键就会出现，用于价格插值，我想你已经知道花键了。我的意思是，我们以花键的方式提供数据，并通过核子完成分类。
现在，如果你正在寻找映射的功能，那么，请明确说明你在价格方面试图映射什么。我的意思是，你是否试图绘制蜡烛收盘价、蜡烛开盘价，等等。
嗨，马克西姆。
我很抱歉再次打扰你。我只是想赶快向你确认一下，你是否还在进行你的RDF项目。
我正试图改进你目前的RDF算法，同时我也正试图将Python强化算法与MQL相结合。因此，我想直接与其他对它感兴趣的程序员合作。
如果你还在工作，你可以向我更新，到目前为止，你已经取得了多大的进展。
我有一些有趣的想法要用RDF来实现，我可以和你一起分享MQL5的源代码，我还没有学会Mt5和python之间的桥梁。
谢谢你...
嗨，马克西姆。
我很抱歉再次打扰你。我只是想赶快向你确认一下，你是否还在进行你的RDF项目。
我正试图改进你目前的RDF算法，同时我也正试图将Python强化算法与MQL相结合。因此，我想直接与其他对它感兴趣的程序员合作。
如果你还在工作，你可以向我更新，到目前为止，你已经取得了多大的进展。
我有一些有趣的想法要用RDF来实现，我可以和你一起分享MQL5的源代码，我还没有学会Mt5和python之间的桥梁。
谢谢你...
嗨，是的，我尝试了各种想法，其中有一部分是在这里讨论的 https://www.mql5.com/ru/forum/86386/page1056