기본적으로 순차적 연관 규칙이 구현되지만 정적 항목 대신 논리적 규칙이 구현됩니다. 이것은 알고리즘에 더 많은 깊이를 제공하고 관찰을 훨씬 더 미묘하게 이해할 수 있습니다. 이 개념은 규칙의 복잡성과 유형이 어떤 것에 의해 제한되지 않기 때문에 모든 종류의 규칙성을 설명 할 수 있습니다.
한 숟가락의 타르가 있으며 알고리즘은 아키텍처의 특성으로 인해 매우 길기 때문에 큰 데이터 배열을 연구 할 여유가 없습니다.
따라서 검색의 차원을 줄이기위한 몇 가지 접근 방식을 생각해 냈습니다.
1) 나는 극단에만 관심이 있고, 그것에 집중하면 검색 공간을 10-20 배 줄이며, 실제로 시장에서 필요한 것은 그것이 반전인지 아닌지, 트렌드-슈멘드, 플랫-슈멧... 이것은 우리가 주요한 것에 집중하는 것을 방해하는 주관적인 쓰레기입니다.
2) 내가 보는 "원샷 학습"과 같은 것을 발명하고 구현했는데, 이제는 무언가를 배우기 위해 전체 역사를 계산할 필요가 없으며, 멋진 노하우가 아니라 전체 역사에 대한 학습이 적어도 아직은 작동하지 않을 것이기 때문에 절망에 가깝습니다.
지금까지는 첫 번째 실험 만 있지만 알고리즘이 완전히 어리석은 것은 아니며 배울 것이 있다고 확신 할 수 있습니다.
거래 알고리즘 자체는 패턴으로 구성되며 패턴은 특정 상황에 대한 일련의 규칙입니다.
이것이 한 상황에 대한 패턴의 모습입니다.
규칙은 원시적이지만 우리는 이제 막 워밍업 중입니다.)
패턴은 포레스트처럼 거래되고, 패턴에는 많은 규칙이 있으며, 어떤 임계값의 규칙이 트리거되면 URAH 우리는 반전을 인식하고 거래합니다.
이렇게 생겼습니다.
이런 식입니다.
이 알고리즘의 장점은 무엇인가요?
1) 패턴을 깊이 파고든다는 점입니다.
2) 지수에 묶여 있지 않고 표 형식의 데이터로 작동하지 않으므로 비고정성 및 연관 규칙에 저항력이 있습니다.
제 아이디어와PRIM 알고리즘의 아이디어를 결합할 수 있는 가능성을 생각하고 있습니다. 저는 자랑할 게 별로 없어요.
흥미롭게도이 PRIM에는 제가 실현하려는 것과 동일한 아이디어가 포함되어 있습니다.
기사를 읽었지만 몇 가지 혼란스러운 부분이 있습니다:
1. 경계 분할을 위한 양자화 프로세스는 무엇인가요? 특정 단계로 균일하게 분할하는 건가요?
2. 경계가 명확합니다-내가 직접하지만 그림에 추가 클리핑이 있습니다-두 번째 클리핑은 샘플링의 어리석은 배제입니까?
3. 내가 올바르게 이해했다면 그들은 나처럼 각 예측자를 개별적으로 고려하여 소위 "상자"를 찾지 만 설명에서 이러한 서로 다른 예측자가 어떻게 결합되는지 이해하지 못했습니다.
이 방법의 단점은 부트 스트랩 샘플링 (전체 샘플에서 주어진 비율의 샘플을 무작위로 가져옴)을 통해 지표의 안정성을 평가하므로 패턴이 샘플 시작시에는 존재하지만 끝날 때까지 완전히 사라질 수 있기 때문에 거래에 중요한 지표의 안정성 역학에 대한 이해를 제공하지 못한다는 것입니다.
기본적으로 순차적 연관 규칙이 구현되지만 정적 항목 대신 논리적 규칙이 구현됩니다. 이것은 알고리즘에 더 많은 깊이를 부여하고 관찰을 훨씬 더 미묘하게 이해할 수 있습니다. 이 개념은 규칙의 복잡성과 유형이 어떤 것에 의해 제한되지 않기 때문에 모든 종류의 규칙성을 설명할 수 있습니다.
예측자가있는 동일한 테이블이지만 불평등은 예측자 점수뿐만 아니라 예측자 자체의 불평등에 의해서도 구성된다는 것을 올바르게 이해합니까?
그럴 수도 있습니다. 하지만 기능의 비교/선택과 메타변수 최적화에 있어서는 더 해석하기 쉬운 접근 방식인 것 같습니다.
연관 규칙이 제대로 작동하지 않으면 어떻게 하나요?
아이디어는 일반적으로 명확합니다. 어쨌든 먼저 연속적인 예측자 집합을 규칙이 형성되는 불연속적인 항목으로 분할하는 알고리즘을 생각해야 합니다. 그러한 좋은 예측자와 그 좋은 분할이 실제로 존재하고 발견된다면 나머지는 기술의 문제입니다.
아이디어는 일반적으로 명확합니다. 어쨌든 먼저 연속적인 예측자 집합을 규칙이 형성되는 불연속적인 항목으로 분할하는 알고리즘을 생각해야 합니다. 그러한 좋은 예측자와 좋은 분할이 실제로 존재하고 발견된다면 나머지는 기술의 문제입니다.
기호 회귀 실험...
기본적으로 순차적 연관 규칙이 구현되지만 정적 항목 대신 논리적 규칙이 구현됩니다. 이것은 알고리즘에 더 많은 깊이를 제공하고 관찰을 훨씬 더 미묘하게 이해할 수 있습니다. 이 개념은 규칙의 복잡성과 유형이 어떤 것에 의해 제한되지 않기 때문에 모든 종류의 규칙성을 설명 할 수 있습니다.
한 숟가락의 타르가 있으며 알고리즘은 아키텍처의 특성으로 인해 매우 길기 때문에 큰 데이터 배열을 연구 할 여유가 없습니다.
따라서 검색의 차원을 줄이기위한 몇 가지 접근 방식을 생각해 냈습니다.
1) 나는 극단에만 관심이 있고, 그것에 집중하면 검색 공간을 10-20 배 줄이며, 실제로 시장에서 필요한 것은 그것이 반전인지 아닌지, 트렌드-슈멘드, 플랫-슈멧... 이것은 우리가 주요한 것에 집중하는 것을 방해하는 주관적인 쓰레기입니다.
2) 내가 보는 "원샷 학습"과 같은 것을 발명하고 구현했는데, 이제는 무언가를 배우기 위해 전체 역사를 계산할 필요가 없으며, 멋진 노하우가 아니라 전체 역사에 대한 학습이 적어도 아직은 작동하지 않을 것이기 때문에 절망에 가깝습니다.
지금까지는 첫 번째 실험 만 있지만 알고리즘이 완전히 어리석은 것은 아니며 배울 것이 있다고 확신 할 수 있습니다.
거래 알고리즘 자체는 패턴으로 구성되며 패턴은 특정 상황에 대한 일련의 규칙입니다.
이것이 한 상황에 대한 패턴의 모습입니다.
규칙은 원시적이지만 우리는 이제 막 워밍업 중입니다.)
패턴은 포레스트처럼 거래되고, 패턴에는 많은 규칙이 있으며, 어떤 임계값의 규칙이 트리거되면 URAH 우리는 반전을 인식하고 거래합니다.
이렇게 생겼습니다.
이런 식입니다.
이 알고리즘의 장점은 무엇인가요?
1) 패턴을 깊이 파고든다는 점입니다.
2) 지수에 묶여 있지 않고 표 형식의 데이터로 작동하지 않으므로 비고정성 및 연관 규칙에 저항력이 있습니다.
그건 그렇고, 누군가에게는 흥미로울 수 있습니다.
바운스가 작동하지 않는 경우 저항이 지지대가 되는 경우가 많습니다.
그림에서처럼요.
그리고 그것은 설명 될 수 있으므로 레벨이 거기에 있고 거기에 없을 수 없습니다.
제 아이디어와 PRIM 알고리즘의 아이디어를 결합할 수 있는 가능성을 생각하고 있습니다. 저는 자랑할 게 별로 없어요.
흥미롭게도이 PRIM에는 제가 실현하려는 것과 동일한 아이디어가 포함되어 있습니다.
기사를 읽었지만 몇 가지 혼란스러운 부분이 있습니다:
1. 경계 분할을 위한 양자화 프로세스는 무엇인가요? 특정 단계로 균일하게 분할하는 건가요?
2. 경계가 명확합니다-내가 직접하지만 그림에 추가 클리핑이 있습니다-두 번째 클리핑은 샘플링의 어리석은 배제입니까?
3. 내가 올바르게 이해했다면 그들은 나처럼 각 예측자를 개별적으로 고려하여 소위 "상자"를 찾지 만 설명에서 이러한 서로 다른 예측자가 어떻게 결합되는지 이해하지 못했습니다.
이 방법의 단점은 부트 스트랩 샘플링 (전체 샘플에서 주어진 비율의 샘플을 무작위로 가져옴)을 통해 지표의 안정성을 평가하므로 패턴이 샘플 시작시에는 존재하지만 끝날 때까지 완전히 사라질 수 있기 때문에 거래에 중요한 지표의 안정성 역학에 대한 이해를 제공하지 못한다는 것입니다.
이 방법에 개선할 점이 있나요?
기호 회귀 실험하기.....
기본적으로 순차적 연관 규칙이 구현되지만 정적 항목 대신 논리적 규칙이 구현됩니다. 이것은 알고리즘에 더 많은 깊이를 부여하고 관찰을 훨씬 더 미묘하게 이해할 수 있습니다. 이 개념은 규칙의 복잡성과 유형이 어떤 것에 의해 제한되지 않기 때문에 모든 종류의 규칙성을 설명할 수 있습니다.
예측자가있는 동일한 테이블이지만 불평등은 예측자 점수뿐만 아니라 예측자 자체의 불평등에 의해서도 구성된다는 것을 올바르게 이해합니까?
2) 내가 보는 "원샷 학습"과 같은 것을 발명하고 구현했는데, 이제는 무언가를 배우기 위해 전체 역사를 계산할 필요가 없으며, 멋진 노하우가 아니라 적어도 아직은 전체 역사에 대한 학습이 불가능하기 때문에 절망에 가깝습니다.
즉, 한 가지 예를 들어 불평등으로 구성된 많은 변형 잎 (패턴)을 생성 한 다음 더 큰 샘플에서 테스트 한 다음 허용 가능한 결과를 보여주는 샘플을 그대로 두는 것입니다.
알고리즘의 장점은 무엇인가요?
1) 내가 그렇게 말할 수 있다면 패턴에 깊이 들어갑니다.
2) 인덱스에 묶여 있지 않고 표 형식의 데이터로 작동하지 않으므로 비고정성 및 연관 규칙에 강합니다.
그리고 여기서 이해가 안되는 것은 데이터가 테이블에 있지 않으면 무엇을 사용하여 작업합니까?
1. 무엇이든, 판타지의 한계
1. 예를 들어 더 구체적으로 설명할 수 있습니다.
2. 이러한 규칙이 명확하고 얼마나 빨리 생성되나요? MQL5에 업로드하고 기록을 통해 실행하는 것이 합리적 일 수 있습니다. 에이전트로 인해 더 빠를 수 있습니다. 나는 이미 오래 전에 쓴 비슷한 일을했지만 유전자 나무에서 나뭇잎을 가져 왔습니다.
3. 나는 대답을 이해하지 못합니다 - 입력에 무엇을 공급하는지 - 그것이 질문입니다.
이 설명에는 "거래의 성배"라는 개념에 대한 정의가 없기 때문에 우리 모두가이 정의에 동의 할 수 있기 때문에이 설명에는 진실이 있습니다......
그리고 정의가 없으면 "백조, 가재, 파이크"가 시작됩니다....