포워드가 5년 안에 수익을 내는 공개적으로 배포되거나 판매되는 Forex 시스템을 본 사람이 있습니까? 이 제품을 여기에 또는 코드 베이스에 증거로 넣을 수 있습니다. 나는 시장의 수백 퍼센트에 대해 몇 년 동안 심지어 곡선에도 관심이 없습니다. 모두 타이트한 핏이기 때문입니다. 물을 빼다. 나는 나 자신을 위해 만들고 피팅을 피합니다. 그리고 이 시스템의 개선은 PV를 1.5배에서 2배까지 향상시킬 수 있을 만큼 충분히 할 수 있습니다.
일반적으로 이 주제는 재교육되지 않은 제품의 생성을 의미하는 기계 학습에 관한 것입니다. 그리고 이자를 계산하는 것은 두 번째입니다.
알렉세이 버나코프 : 하나의 예측 변수 범위에서 여러 예측 변수를 만드는 방법은 무엇입니까? 나는 그것을 이해하지 못한다.
아, 아주 간단해요) 클러스터링...
1) 각 예측 변수를 가져와서 50개의 클러스터로 클러스터링합니다 (여기서 클러스터링은 두 가지 유형으로 수행될 수 있고 수행되어야 함) "있는 그대로" 클러스터는 숫자 값으로 예측 변수를 클러스터링하고 두 번째 유형 2) 정규화 된 예측자를 클러스터링하여 이미지 형태로 클러스터링) 복잡한 모든 것이 인간의 시각처럼 보일 것입니다. 예측자의 숫자 "실제"값뿐만 아니라 이미지 - 굽힘, 경사
2) 열이 클러스터인 테이블을 만들고 50개의 클러스터 ---> 50개의 열 ---> 50개의 예측 변수를 일부 알고리즘으로 이러한 예측 변수의 중요성을 확인하고 50개의 예측 변수 중 1-5개만 중요하다는 것을 확인합니다. , 그리고 우리는 그들을 떠난다
3) 다음 예측 변수를 사용하여 클러스터링하고 1단계와 2단계를 반복합니다.
이론적으로 예측자 내에서 이러한 선택은 인식 품질을 몇 배나 높여야 합니다 ...
하지만 단점이 있다
1) 값비싼 계산
2) 각 예측변수를 하나씩 분할하고 그 내부를 다른 예측변수의 내부와 별도로 평가하면 예측변수 간의 관계를 추정하는 것이 불가능하므로 어떻게든 해결해야 합니다.
1) 각 예측 변수를 가져와서 50개의 클러스터로 클러스터링합니다 (여기서 클러스터링은 두 가지 유형으로 수행될 수 있고 수행되어야 함) "있는 그대로" 클러스터는 숫자 값으로 예측 변수를 클러스터링하고 두 번째 유형 2) 정규화 된 예측자를 클러스터링하여 이미지 형태로 클러스터링) 복잡한 모든 것이 인간의 시각과 같이 밝혀지면 예측자의 숫자 "실제"값뿐만 아니라 이미지도 알게됩니다. 굴곡, 경사
2) 열이 클러스터, 50개의 클러스터 ---> 50개의 열 ---> 50개의 예측 변수인 테이블을 만들고 일부 알고리즘으로 이러한 예측 변수의 중요도를 확인하고 50개의 예측 변수 중 1-5개만 중요함을 확인하고 놔둬
3) 다음 예측 변수를 사용하여 클러스터링하고 1단계와 2단계를 반복합니다.
이론적으로 예측자 내에서 이러한 선택은 인식 품질을 몇 배나 높여야 합니다 ...
하지만 단점이 있다
1) 값비싼 계산
2) 각 예측변수를 하나씩 분할하고 그 내부를 다른 예측변수의 내부와 별도로 평가하면 예측변수 간의 관계를 추정하는 것이 불가능하므로 어떻게든 해결해야 합니다.
그래서 당신은 시도 할 수 있습니다. 일반적으로 그러한 방법이 있습니다. 출력 예측자 산점도가 구성됩니다. 이상적으로는 좋은 관계가 있을 것입니다. 그러나 특정 간격(보통 꼬리 부분)에서 종속성이 흐려지면 이러한 관찰이 제외됩니다.
This part of the NEAT tutorial will show how to use the RNeat package (not yet on CRAN) to solve the classic pole balance problem. The simulation requires the implementation of 5 functions: processInitialStateFunc – This specifies the initial state of the system, for the pole balance problem the state is the cart location, cart velocity, cart...
좋아, 이것들은 역사 거래에 대한 아주 좋은 지표입니다! 축하합니다.
하나의 예측 변수 범위에서 여러 예측 변수를 만드는 방법은 무엇입니까? 나는 그것을 이해하지 못한다.
아, 아주 간단해요) 클러스터링...
1) 각 예측 변수를 가져와서 50개의 클러스터로 클러스터링합니다 (여기서 클러스터링은 두 가지 유형으로 수행될 수 있고 수행되어야 함) "있는 그대로" 클러스터는 숫자 값으로 예측 변수를 클러스터링하고 두 번째 유형 2) 정규화 된 예측자를 클러스터링하여 이미지 형태로 클러스터링) 복잡한 모든 것이 인간의 시각처럼 보일 것입니다. 예측자의 숫자 "실제"값뿐만 아니라 이미지 - 굽힘, 경사
2) 열이 클러스터인 테이블을 만들고 50개의 클러스터 ---> 50개의 열 ---> 50개의 예측 변수를 일부 알고리즘으로 이러한 예측 변수의 중요성을 확인하고 50개의 예측 변수 중 1-5개만 중요하다는 것을 확인합니다. , 그리고 우리는 그들을 떠난다
3) 다음 예측 변수를 사용하여 클러스터링하고 1단계와 2단계를 반복합니다.
이론적으로 예측자 내에서 이러한 선택은 인식 품질을 몇 배나 높여야 합니다 ...
하지만 단점이 있다
1) 값비싼 계산
2) 각 예측변수를 하나씩 분할하고 그 내부를 다른 예측변수의 내부와 별도로 평가하면 예측변수 간의 관계를 추정하는 것이 불가능하므로 어떻게든 해결해야 합니다.
아, 아주 간단해요) 클러스터링...
1) 각 예측 변수를 가져와서 50개의 클러스터로 클러스터링합니다 (여기서 클러스터링은 두 가지 유형으로 수행될 수 있고 수행되어야 함) "있는 그대로" 클러스터는 숫자 값으로 예측 변수를 클러스터링하고 두 번째 유형 2) 정규화 된 예측자를 클러스터링하여 이미지 형태로 클러스터링) 복잡한 모든 것이 인간의 시각과 같이 밝혀지면 예측자의 숫자 "실제"값뿐만 아니라 이미지도 알게됩니다. 굴곡, 경사
2) 열이 클러스터, 50개의 클러스터 ---> 50개의 열 ---> 50개의 예측 변수인 테이블을 만들고 일부 알고리즘으로 이러한 예측 변수의 중요도를 확인하고 50개의 예측 변수 중 1-5개만 중요함을 확인하고 놔둬
3) 다음 예측 변수를 사용하여 클러스터링하고 1단계와 2단계를 반복합니다.
이론적으로 예측자 내에서 이러한 선택은 인식 품질을 몇 배나 높여야 합니다 ...
하지만 단점이 있다
1) 값비싼 계산
2) 각 예측변수를 하나씩 분할하고 그 내부를 다른 예측변수의 내부와 별도로 평가하면 예측변수 간의 관계를 추정하는 것이 불가능하므로 어떻게든 해결해야 합니다.
그래서 당신은 시도 할 수 있습니다. 일반적으로 그러한 방법이 있습니다. 출력 예측자 산점도가 구성됩니다. 이상적으로는 좋은 관계가 있을 것입니다. 그러나 특정 간격(보통 꼬리 부분)에서 종속성이 흐려지면 이러한 관찰이 제외됩니다.
이 방법을 무엇이라고 하나요?
r-ke에 있습니까?
문제 번호 2를 해결하는 방법?
이 방법을 무엇이라고 하나요?
r-ke에 있습니까?
문제 번호 2를 해결하는 방법?
그건 그렇고, 누군가가 관심이 있는지 없는지, 나는 이해하지 못합니다. 5년 동안 검증된 수익을 내는 훈련된 로봇이 필요하십니까?
그런
휴가에서 돌아왔습니다. 내가 파일을 준비하고 게시할 수 있으며 필요한 사람이 스스로 개선할 것입니다.
나는 당신이 로봇을 한 점 한 점, 어렵지 않다면 어떻게 창조했는지에 관심이 있습니다 ...
1) 방법에 따라 선택한 기능
2) 모델 훈련
그리고 다?
나는 당신이 로봇을 한 점 한 점, 어렵지 않다면 어떻게 창조했는지에 관심이 있습니다 ...
1) 방법에 따라 선택한 기능
2) 모델 훈련
그리고 다?
이것은 항상 작동하는 일반적인 계획입니다.
나는 GBM 실행 후 중요도 측면에서 기능의 순위를 매겼습니다. 그리고 다양한 금액을 시도하고 있습니다. 기계는 GBM을 통해 학습하고 있으며 다양한 피트니스 기능을 사용해 보았습니다. 교차 검증이 사용됩니다. 매개변수도 다양합니다. 그리고 여전히 뉘앙스가 있습니다.
일반적으로 어려운 것이 항상 더 좋은 것은 아니라는 결과를 얻었습니다. EURUSD에서 모델은 5개의 예측 변수와 2개의 교차 검증 폴드만 사용합니다.
매우 흥미로운 신경망 http://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/ 스스로 거래할 수 있다고 생각하십니까? 그리고 실수에 대해 배우나요? 그렇다면, 어떻게, 토론에 초대합니다
개발자가 네트워크가 강화 학습 알고리즘을 대체할 수 있다고 말한다면 이는 유망한 것입니다.
실험을 해야 합니다. 그러나 주제는 흥미롭습니다.
개발자가 네트워크가 강화 학습 알고리즘을 대체할 수 있다고 말한다면 이는 유망한 것입니다.
실험을 해야 합니다. 그러나 주제는 흥미롭습니다.
동의합니다, 흥미롭습니다 ... 그러나 이데올로기에서 시작하여 코드 자체로 끝나는 거기에는 내가 모르는 많은 것들과 많은 연산자가 있습니다.
누군가 이 모든 것을 최소한 거래에 적용하는 방법에 대한 기본적인 예를 들어 설명할 수 있다면 이것은 나 같은 무지한 사람들을 위한 실험에 좋은 자극제가 될 것입니다.