Evgeny Dyuka: Wenn Sie mit Prädiktoren Fiches meinen, dann denke ich, dass es im allgemeinen Fall nicht gleichwertig ist, es hängt davon ab, wie Sie die Fiches aufteilen. Höchstwahrscheinlich wird ein Modell, das theoretisch mit 1000 Daten trainiert werden könnte, aufgrund des Mangels an Daten nicht mit 100 trainiert. Es ist nicht klar, warum wir dies überhaupt tun sollten, denn die Abrufe werden so ausgewählt, dass das Modell einen minimal ausreichenden Satz von Daten erhält. Wie können wir sie später aufteilen, wenn sie doch ursprünglich nur für ein Minimum gedacht war?
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
Es gab noch weitere ähnliche Beiträge, aber ich bin zu faul, um nachzusehen...
Saber schreibt immer so, dass man eine Woche braucht, um zu verstehen, worum es geht, und dann stellt sich heraus, dass er es nicht so gemeint hat. Und er selbst wendet dieselbe Strategie bei einem Symbol an (ein anderes habe ich nicht gesehen).
Alexander_K2:
Max, mach mir nur keine Angst, dass du Forex völlig verlassen hast... Das wäre sehr traurig... Alles ist erst der Anfang :))
Manchmal handle ich mit Arbitrage oder Händen... Neuronale Netze sind tot, sie wollen nicht richtig handeln
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
Bitte erklären Sie mir genauer, wie Sie 45 Variablen aus zwei Kerzenständern erhalten?
Ich glaube, das ist ein bisschen zu viel, oder vielleicht denke ich auch nur darüber nach.
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
Versuchen Sie https://colab.research.google.com/ In den Einstellungen wählen TPU, arbeitet schnell genug, der einzige Nachteil ist, dass sie nicht lassen Sie es für eine lange Zeit, sie schalten Sie auf normale CPU, aber es ist auch lebendig, können Sie es über Nacht aufladen
Können Sie genauer erläutern, wie aus zwei Kerzen 45 Variablen werden?
Ich denke, es ist ein bisschen zu viel oder ich denke darüber nach.
Wir haben zwei Vektoren von Variablen, die aktuelle Kerze und die vorherige ("-1")
a = "offen", "hoch", "niedrig", "schließen", "Mitte"
b = "open-1", "high-1", "low-1", "close-1", "center-1"
die Variable "center" ist die Mitte der Kerze (high+low)/2, ohne diese Variable ist es unmöglich, ein Muster wie "eskimo" etc. zu beschreiben. Ich denke, die Bedeutung der anderen Variablen ist nicht notwendig zu erklären, sie sind offensichtlich.
Lassen Sie uns also alle möglichen logischen Kombinationen erstellen (auch nicht logische).
Die klarste Antwort auf die Frage , warum eine Gruppe von Modellen besser abschneidet als einzelne schwache Modelle.
Eine Erklärung im Sinne von DSP (Digital Signal Processing) am Beispiel von Signal und Rauschen, wie Rauschen sich selbst unterdrückt, wenn es addiert wird
Этот ролик знакомит нас с основными характеристиками случайных процессов, такими как математическое ожидание, дисперсия, корреляционная функция и спектральна...
Wir haben zwei Vektoren von Variablen, die aktuelle Kerze und die vorherige ("-1")
a = "offen", "hoch", "niedrig", "schließen", "Mitte"
b = "open-1", "high-1", "low-1", "close-1", "center-1"
die Variable "center" ist die Mitte der Kerze (high+low)/2, ohne diese Variable ist es unmöglich, ein Muster wie "eskimo" etc. zu beschreiben. Ich denke, die Bedeutung der anderen Variablen ist nicht notwendig zu erklären, sie sind offensichtlich.
Erstellen wir also alle möglichen logischen Kombinationen (können auch unlogisch sein).
Nur zwei Kerzen, miserable zwei Kerzen.....
Alle diese Kombinationen werden von NS/Les intern analysiert. Nur OHLC und Center sollten in den Eingang eingespeist werden. Ja und Center wird intern definiert, wenn es für das Ergebnis nützlich ist.
Been tun diese Art von Strategie für ein halbes Jahr, max Ergebnis auf Backtests ist x5 für ein Jahr, aber 1 Mal im Jahr ist verpflichtet, es alle zu saugen und es gibt keine Möglichkeit, dieses Problem zu lösen.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Wenn Sie mit Prädiktoren Fiches meinen, dann denke ich, dass es im allgemeinen Fall nicht gleichwertig ist, es hängt davon ab, wie Sie die Fiches aufteilen. Höchstwahrscheinlich wird ein Modell, das theoretisch mit 1000 Daten trainiert werden könnte, aufgrund des Mangels an Daten nicht mit 100 trainiert.
Es ist nicht klar, warum wir dies überhaupt tun sollten, denn die Abrufe werden so ausgewählt, dass das Modell einen minimal ausreichenden Satz von Daten erhält. Wie können wir sie später aufteilen, wenn sie doch ursprünglich nur für ein Minimum gedacht war?
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
Hier ist die erste, die ich gefunden habe:
Es gab noch weitere ähnliche Beiträge, aber ich bin zu faul, um nachzusehen...
Saber schreibt immer so, dass man eine Woche braucht, um zu verstehen, worum es geht, und dann stellt sich heraus, dass er es nicht so gemeint hat. Und er selbst wendet dieselbe Strategie bei einem Symbol an (ein anderes habe ich nicht gesehen).
Max, mach mir nur keine Angst, dass du Forex völlig verlassen hast... Das wäre sehr traurig... Alles ist erst der Anfang :))
Manchmal handle ich mit Arbitrage oder Händen... Neuronale Netze sind tot, sie wollen nicht richtig handeln
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
Bitte erklären Sie mir genauer, wie Sie 45 Variablen aus zwei Kerzenständern erhalten?
Ich glaube, das ist ein bisschen zu viel, oder vielleicht denke ich auch nur darüber nach.
Dividieren, um die Dimensionalität zu reduzieren...
Woher wissen wir, dass dieses Minimum an Merkmalen ausreicht? Nur durch Training ist es nicht möglich, Hunderte von Merkmalen zu trainieren, aber was ist, wenn wir 10 000 Merkmale benötigen?
Um zum Beispiel ein komplettes Merkmal mit zwei Kerzenständern zu beschreiben, müssen wir 45 Variablen erstellen, und bei drei Kerzenständern benötigen wir 105 Variablen...
In den Einstellungen wählen TPU, arbeitet schnell genug, der einzige Nachteil ist, dass sie nicht lassen Sie es für eine lange Zeit, sie schalten Sie auf normale CPU, aber es ist auch lebendig, können Sie es über Nacht aufladen
Können Sie genauer erläutern, wie aus zwei Kerzen 45 Variablen werden?
Ich denke, es ist ein bisschen zu viel oder ich denke darüber nach.
Wir haben zwei Vektoren von Variablen, die aktuelle Kerze und die vorherige ("-1")
a = "offen", "hoch", "niedrig", "schließen", "Mitte"
b = "open-1", "high-1", "low-1", "close-1", "center-1"
die Variable "center" ist die Mitte der Kerze (high+low)/2, ohne diese Variable ist es unmöglich, ein Muster wie "eskimo" etc. zu beschreiben. Ich denke, die Bedeutung der anderen Variablen ist nicht notwendig zu erklären, sie sind offensichtlich.
Lassen Sie uns also alle möglichen logischen Kombinationen erstellen (auch nicht logische).
Nur zwei Kerzen, miserable zwei Kerzen.....Die klarste Antwort auf die Frage , warum eine Gruppe von Modellen besser abschneidet als einzelne schwache Modelle.
Eine Erklärung im Sinne von DSP (Digital Signal Processing) am Beispiel von Signal und Rauschen, wie Rauschen sich selbst unterdrückt, wenn es addiert wird
https://www.youtube.com/watch?v=wqD892r-wfo&list=PLmu_y3-DV2_kpP8oX_Uug0IbgH2T4hRPL&index=13
Ich empfehle Ihnen, alle Vortragsreihen zu sehen, ich garantiere Ihnen, dass Sie klüger werden + neue Ideen bekommen... Super Vorträge! )
Wir haben zwei Vektoren von Variablen, die aktuelle Kerze und die vorherige ("-1")
a = "offen", "hoch", "niedrig", "schließen", "Mitte"
b = "open-1", "high-1", "low-1", "close-1", "center-1"
die Variable "center" ist die Mitte der Kerze (high+low)/2, ohne diese Variable ist es unmöglich, ein Muster wie "eskimo" etc. zu beschreiben. Ich denke, die Bedeutung der anderen Variablen ist nicht notwendig zu erklären, sie sind offensichtlich.
Erstellen wir also alle möglichen logischen Kombinationen (können auch unlogisch sein).
Nur zwei Kerzen, miserable zwei Kerzen.....Wow))
Wow)))
Wow)))