Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1521
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Wow, sogar auf Russisch, danke.
Wir begannen mit guter Gesundheit und endeten mit Elliott-Wellen. Es wurden keine mathematischen Methoden zur Vorhersage von Finanzzeiten vorgeschlagen, mit Ausnahme der Bestimmung der Persistenz der Reihen, die bereits klar ist.
Das ist einfach nur verworren.
Die erste begann mit guter Gesundheit und endete mit Elliott-Wellen. Es wurden keine mathematischen Methoden zur Vorhersage von Finanzzeiten vorgeschlagen, mit Ausnahme der Bestimmung der Persistenz der Reihen, die bereits klar ist.
Das ist eine Sauerei.
Also wieder nichts Neues, was?
Ich werde also weiter daran arbeiten, den Baum zu spalten.
Das Diagramm zeigt die Iterationen des Splittings mit ihren Blättern (X) in Form der Gewinnakkumulation für jedes Blatt (Y) des Splittings außerhalb der Trainingsstichprobe.
Aus dem Diagramm geht hervor, dass die Aufteilung des Baums alternative logische Ketten hervorbringen kann, einschließlich solcher, die einen anderen Bereich des Raums beschreiben, aber mit den gleichen oder besseren Ergebnissen.
Das Problem dabei ist, dass alle Blätter in einem System zusammengefasst und auf der Grundlage ihrer Korrelation untereinander und der Vollständigkeit der Abdeckung des Stichprobenraums gewichtet werden müssen, und ich weiß leider nicht, welche Formeln in diesem Fall zu verwenden sind.
Also wieder nichts Neues, was?
Also werde ich den Baum weiter spalten.
Das Diagramm zeigt die Iterationen des Splittings mit ihren Blättern (X) als eine Akkumulation der Gewinne auf jedem Blatt (Y) des Splittings außerhalb der Trainingsstichprobe.
Aus dem Diagramm geht hervor, dass die Aufteilung des Baums alternative logische Ketten hervorbringen kann, einschließlich solcher, die einen anderen Bereich des Raums beschreiben, aber mit den gleichen oder besseren Ergebnissen.
Das Problem dabei ist, dass alle Blätter zu einem System zusammengefügt und auf der Grundlage ihrer Korrelation untereinander und der Vollständigkeit der Stichprobenraumbeschreibung gewichtet werden müssen, und ich weiß leider nicht, mit welchen Formeln man in diesem Fall arbeiten kann.
Ich habe festgestellt, dass die Ergebnisse besser sind, wenn man den Markt in bedingte Zustände unterteilt, das Modell für jeden dieser Zustände trainiert und zwischen ihnen wechselt.
Das ist es, was ich mit hmm mache.
Ich habe festgestellt, dass die Ergebnisse besser sind, wenn man den Markt in bedingte Zustände unterteilt, das Modell für jeden Zustand trainiert und zwischen den Zuständen wechselt.
dafür ist hmm da.
Es macht Sinn, dass es besser ist, aber wie kann man die Staaten unterscheiden?
Logischerweise ist es besser, aber wie unterscheidet man zwischen den einzelnen Staaten?
Entweder an Automaten (Clustering), ohne Lehrer. D.h. es werden mehrere verborgene Zustände unterschieden, die sich natürlich durch den Status unterscheiden. Statistiken. Die obigen Beispiele wurden geworfen.
oder zufällig
Entweder an Automaten (Clustering), ohne Lehrer. Entweder die automatische (Clustering ohne Lehrer) oder die automatische (Clustering ohne Lehrer). Statistiken. Beispiele wurden bereits genannt.
entweder nach dem Zufallsprinzip
Wurde eine Clustermethode dafür gefunden? Schließlich sollte es, sagen wir, fließende Übergänge von Cluster zu Cluster geben, wenn es globale Trends identifiziert, sollte es eine Art Sensibilität und Logik des Übergangs von einem Zustand zum anderen geben.
Wurde hierfür eine Clustermethode gefunden? Schließlich sollte es, sagen wir, sanfte Übergänge von Cluster zu Cluster geben, wenn es globale Trends identifiziert, sollte es eine Art Sensibilität und Logik für den Übergang von einem Zustand zum anderen geben.
sie haben bereits über HMM geschrieben
Die Jungs auf den Leitern skaten gegen Dipmind (versehentlich von ihnen erwischt)
Ich lese auch über künstliche Intelligenz in Spielen, aber es gibt eine Menge nicht-NS-Spiel-Bots, die Entscheidungsbäume verwenden.
Ich habe auch über künstliche Intelligenz in Spielen gelesen, aber eine Menge von Nicht-NS-Logik in Spiel-Bots verwendet oft Entscheidungsbäume.
Ich habe den Rete-Algorithmus gefunden, ich weiß nicht warum, aber ich habe noch nie davon gehört, ich habe eine Lektüre gefunden, aber sie ist zu umfangreich - 1000 Seiten oder so...
Ich habe auch über künstliche Intelligenz in Spielen gelesen, aber es gibt eine Menge von Nicht-NS-Arbeiten in der Spielbot-Logik, die oft Entscheidungsbäume verwenden.
Ich bin auf den Rete-Algorithmus gestoßen, ich weiß nicht warum, aber ich habe noch nie vom Rete-Algorithmus gehört, ich habe eine Lektüre gefunden, aber es ist ein sehr umfangreicher Band von 1000 Seiten, da ist etwas drin...
Nun, sie machen keine Verstärkungen an Bäumen...
Ich muss viele Spiele spielen, wie kann ich sie umschulen?