Diskussion zum Artikel "Entwicklung eines Roboters in Python und MQL5 (Teil 1): Vorverarbeitung der Daten" - Seite 3
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
Dann muss der Preis pseudostationär sein. Dies ist bei tendenziellen Märkten nicht der Fall.
Okay, lassen Sie uns die Inkremente prognostizieren. Dann nehmen wir die Inkremente der Inkremente. Sind sie pseudo-stationär?
Wenn wir jedoch gelernt haben, Inkremente zu prognostizieren, bedeutet das, dass wir auch gelernt haben, ihre Ableitung - den Preis - zu prognostizieren?
Ich bin eine Null in MO, also verlasse ich mich auf den Artikel.
Wenn ich es richtig verstehe, ist ein Automat ein breiteres Feld menschlicher Wahlmöglichkeiten. Wenn ein Mensch einen kumulativen Betrag wählen kann, dann kann ein Automat das erst recht.
Der Punkt ist, dass alle Merkmale, die in das Modell eingespeist werden, pseudo-stationär sein müssen, da das Modell sonst bei neuen Daten nicht korrekt funktioniert. Dies ist eine Einschränkung des Klassifikators.
Die Daten müssen in einem Wertrang dargestellt werden, der auch bei neuen Daten erhalten bleibt. Ist diese Bedingung nicht erfüllt, bleibt das Modell beim Verlassen dieses Bereichs an den Grenzwerten hängen.
Zum Beispiel: immer 0 oder immer 1 vorhersagen.Okay, lassen Sie uns die Inkremente vorhersagen. Dann nehmen wir die Inkremente der Inkremente. Sind sie pseudo-stationär?
Wenn wir jedoch gelernt haben, Inkremente vorherzusagen, bedeutet das, dass wir auch gelernt haben, ihre Ableitung - den Preis - vorherzusagen?
Ja
die Daten müssen in einem Wertebereich dargestellt werden, der bei neuen Daten gespeichert wird. Ist diese Bedingung nicht erfüllt, bleibt das Modell beim Überschreiten dieses Bereichs an den Grenzwerten hängen.
D.h. diese Zeichen sollten offensichtlich verworfen werden?
Denn sie können leicht Werte außerhalb des Trainingsintervalls erreichen.
Diese Schilder sollen also weggeworfen werden?
Weil sie leicht Werte außerhalb des Trainingsintervalls erreichen können.
Ja, sie können nicht verwendet werden, genau wie die Eröffnungskurse.
Nun, man kann es nicht. Technisch gesehen schon, aber es birgt das Risiko, dass das Modell bei neuen Daten ins Stocken gerät.
Wenn Sie eine Vorstellung davon haben, dass sie in naher Zukunft nicht über ihren Bereich hinausgehen werden, dann können Sie das tun.
Wenn es eine Vision gibt, dass sie in naher Zukunft nicht aus ihrem Sortiment verschwinden werden, können Sie das tun.
Gold und Krypto sind dafür nicht geeignet.
Das Klassifikationslernen erkennt, dass die Merkmale Preis, Rendite^1, Rendite^2, ... ein und dasselbe sind - es besteht eine eindeutige Beziehung zwischen ihnen, und daher sollte nur ein Attribut aus dieser Liste übrig bleiben?
Es ist nicht dasselbe, es gibt immer noch einen Unterschied. Die Lösung wird von der Gesamtzahl der Attribute abhängen. Wenn sie zu groß ist, kann sie bereinigt werden. Wenn nicht, kann man sie ohne Probleme stehen lassen. Außerdem sind sie leicht unterschiedlich (Inkremente mit unterschiedlichen Verzögerungen) und können dem Modell zusätzliche nützliche Informationen liefern.
Der Preis wird aus dem oben genannten Grund gestrichen.Gold und Kryptowährungen kommen dafür nicht in Frage.
nicht viel passt, so dass alle Zeichen zumindest abweichend sind.
Es scheint, dass MO als ein Wesen (Mega-Mensch) mit Super-Computerfähigkeiten und Gedächtnis positioniert wird.
Welche Zeichen verwendet ein normaler Mensch, um eine TK zu erstellen? Ich habe noch nie einen Menschen gesehen, der sich ein Diagramm mit Inkrementen ansieht und versucht, es vorherzusagen.