1. 우리는 필요한 모든 매개변수(데이터)의 값 스트림을 수집하고 링 버퍼를 통해 구동하는 알고리즘을 만듭니다.
2. 우리는 링 버퍼에 저장된 값의 스트림을 이러한 값의 범위로 이끄는 일반화하는 특수 필터를 통해 전달합니다.
3. 각 매개변수 값의 변경 특성에 대한 일반화된(범위의 도움으로) 디지털 모델이 링 버퍼에 생성되고 적절한 형식으로 기록됩니다.
4. 이 모델은 이러한 모델을 수집하는 통계 알고리즘으로 전송됩니다.
5. 우리는 매개 변수 값의 변경 특성을 포함하는 모델(서명)의 기반을 통해 루프를 만들고 현재 상황에 가장 적합한 모델을 찾습니다.
6. 주어진 서명(모델)에 캡처된 상황에서 시스템의 동작에 대한 결정이 내려집니다.
나중에 더 정확하게 할게요.
7. 보증금을 테스트하고 배출합니다. 값의 흐름을 입력하고 이에 대한 전문가 고문을 만들 수는 없기 때문입니다. 이러한 스트림을 분석하고 자전거를 작성하여 각각 또는 일부 조합을 신뢰할 수 있는지 확인해야 합니다. 예를 들어, 두 개의 MovingAverage 표시기를 사용하여 문제 없이 2-6단계를 수행할 수 있습니다. 오류는 일곱 번째 단계에서만 드러납니다.
따라서 1과 6 사이에 한 단계 더 있습니다(모든 사람이 어디서 어떻게 수행할지 결정). 이는 부적절한 데이터 스트림을 거부합니다. 이 포럼 스레드의 상당 부분은 이를 수행하는 다양한 방법을 분석하는 데 사용됩니다.
근사는 값의 일반화입니다. 즉, 선택한 범위 내에서 서로 다른 데이터 값을 묶는 것입니까? 다음으로 일정 기간 동안 일부 값의 변화를 요약하는 디지털 모델을 만들 수 있습니다. 이러한 모델을 수집하여 결정 및 조치 선택에 의존할 수 있는 통계를 생성할 수 있습니다.
나는 올바른 방향으로 생각하고 있습니까?
피터 코노우 :
간단히 말해서 -
1. 우리는 필요한 모든 매개변수(데이터)의 값 스트림을 수집하고 링 버퍼를 통해 구동하는 알고리즘을 만듭니다.
2. 우리는 링 버퍼에 저장된 값의 스트림을 이러한 값의 범위로 이끄는 일반화하는 특수 필터를 통해 전달합니다.
3. 각 매개변수 값의 변경 특성에 대한 일반화된(범위의 도움으로) 디지털 모델이 링 버퍼에 생성되고 적절한 형식으로 기록됩니다.
4. 이 모델은 이러한 모델을 수집하는 통계 알고리즘으로 전송됩니다.
5. 우리는 매개 변수 값의 변경 특성을 포함하는 모델(서명)의 기반을 통해 루프를 만들고 현재 상황에 가장 적합한 모델을 찾습니다.
6. 주어진 서명(모델)에 캡처된 상황에서 시스템의 동작에 대한 결정이 내려집니다.
나중에 더 정확하게 할게요.
불행히도, 당신은 잘못된 길을 가고 있습니다 :(
당신은 그것이 무의미하다는 것을 알고 즉시 당신의 지식 기반에 이 "비유적" 비전을 투영하기 시작했지만 불행히도 좋은 결과로 이어지지 않을 요점을 간단히 말해서 내가 헛되이 한 말을 요청했습니다. 마치 당신이 나에게 수학적 분석의 본질을 간단히 말해서 내가 시계열 의 예를 사용하여 도함수는 시리즈의 인접한 두 값 사이의 차라고 말하고, 적분은 누적 합계이며 유체 역학에 대한 나비에 스톡스 방정식을 적분하기 위해 즉시 서두를 것입니다. 상황은 거의 비슷합니다. ML은 인공 지능입니다. 인상적인 과학입니다. ML 덕분에 검색 엔진이 우리가 필요로 하는 것을 찾고 원하는 것보다 더 잘 찾습니다. ML 덕분에 기계가 의사보다 의료 진단을 더 잘 만듭니다. ML 덕분에 새로운 기본 입자가 발견됩니다. hadron collider, ML은 GO에서 체스를 더 잘하고 곧 일반적으로 모든 게임을 더 잘 할 것입니다. MO의 본질을 이해하려면 20년 중 1년을 기술적 마인드로 최소 5년을 보내야 합니다.
실수를 두려워하지 않고 싸우기를 열망하는 것은 매우 칭찬할 만합니다. 이것은 매우 좋은 마음가짐입니다. 잃지 마십시오. 그러나 동시에 이것을 기본적으로 마스터하는 데 필요한 작업의 양을 객관적으로 평가하십시오. 지식의 가장 어려운 분야, 강의를 시청하고, 내가 당신에게 조언하는 것은 입문서입니다.
이 지식의 영역을 모르거나 알고 싶지 않은 사람들과 쓸데없는 토론에 휘말리지 말아주세요. 말하는 "PionErov": "보여라, 증명하라 .. 그리고 나서 나는 연구를 시작할 수 있다"는 포럼에서 바다. 주제에 대해 조금도 생각하지 않고 10대 극단주의로 무의미함을 비판하고 증명할 것입니다. 그들이 그것에 대해 성장하지 않았다면 어떤 종류의 지식의 중요성과 필요성을 사람들에게 확신시키는 것은 불가능하고 불필요합니다.
이러한 논의는 무익할 뿐만 아니라 해롭습니다 . 그렇게 함으로써 당신은 그들의 에고를 먹이고, 그들의 비판의 중요성을 높이고, 그들이 더 이상 쓰레기 같은 말을 하도록 자극합니다. 주제를 벗어난 어리석은 게시물을 금지할 수는 없지만 무시할 수 있고 무시해야 합니다.
기계 학습의 본질을 이해하고 싶어하고 인터넷 검색을 사용할 수 없는 모든 사람에게 제안합니다. 여기에서 시작하세요.
가지가 많이 자라서 읽을 수 없게 되었습니다. MT4/5 터미널에서 문제 없이 수행할 수 있는 언어로 기계 학습 모델 을 사용하는 특정 문제만 논의할 새로운 분기 "RUserGroup"을 시작할 것을 제안합니다. 나는 두 가지 (R, Python)를 알고 있습니다. 강령 제공에 대한 논의. 다른 언어로 된 ML 분야 경험이 있는 전문가도 초빙합니다.
Машинное обучение (англ. ) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных. Различают два типа обучения: Обучение по прецедентам, или индуктивное обучение, основано...
의심할 여지 없이 아마추어적인 나의 관점에 대해 이야기해 주신 모든 분들께 감사드립니다. 나는 이 주제가 나에게 낯설다는 것을 부정하지 않는다. 어제 발표된 아이디어는 기계 학습과 아무 관련이 없을 수도 있지만 포럼에서는 멍청한 사람이 되는 것을 금지하지 않고 복잡하고 중요한 주제를 이해하기 위해 사이비과학적 넌센스를 짜는 것을 금지하지 않습니다. ) 나는 어리석고 무지한 것처럼 보이는 것을 두려워하지 않습니다.
사람들로 하여금 생각하게 하고 고정관념을 넘어서 새로운 접근을 고려하게 하는 토론은 아무 소용이 없다고 생각 합니다. 초보자와 숙련된 전문가 모두에게 똑같이 유용합니다. 내가 극단주의를 보여주는 유일한 것은 그러한 입장을 거부하는 것입니다.
"우리는 MQL 포럼에 앉아 다른 언어를 더 발전된 것으로 홍보하고 MQL이 대처할 수 없는 문제를 해결하는 데 목발 방식의 사용을 요청할 것입니다. 우리는 MQL의 새로운 기능을 구현하여 성장을 돕지 않을 것입니다. 탓하고 우리는 기계 학습에 정통하지만 MQL에서 구현할 수 없으며 시도하려는 사람들은 단순히 무지합니다."
막다른 위치에 있다고 생각합니다. 개인 성장, 언어 개발, 플랫폼 개발을 촉진하지 않으며 MQL을 선호하는 사람을 돕지 않습니다. 다른 사람의 구현이 흥미롭다면 왜 여기에서 논의합니까? 포럼 R이 있습니다. 스스로 전문가라고 생각하는 사람들이 거기에서 아무 것도 구현하지 않을 경우 MQL 개발을 위해 그러한 토론이 무슨 소용이 있습니까? 게다가, 그들은 또한 이것에서 다른 사람들을 단념시킵니다.
크고 복잡한 주제를 "하나 또는 둘"로 나눌 수 없다는 것을 완벽하게 이해하지만 다른 언어의 현지 선전가와 모순되는 정신으로 MQL과 MQL에 새로운 "접근할 수 없는" 기능을 구현할 가능성을 홍보할 것입니다.
간단히 말해서 -
1. 우리는 필요한 모든 매개변수(데이터)의 값 스트림을 수집하고 링 버퍼를 통해 구동하는 알고리즘을 만듭니다.
2. 우리는 링 버퍼에 저장된 값의 스트림을 이러한 값의 범위로 이끄는 일반화하는 특수 필터를 통해 전달합니다.
3. 각 매개변수 값의 변경 특성에 대한 일반화된(범위의 도움으로) 디지털 모델이 링 버퍼에 생성되고 적절한 형식으로 기록됩니다.
4. 이 모델은 이러한 모델을 수집하는 통계 알고리즘으로 전송됩니다.
5. 우리는 매개 변수 값의 변경 특성을 포함하는 모델(서명)의 기반을 통해 루프를 만들고 현재 상황에 가장 적합한 모델을 찾습니다.
6. 주어진 서명(모델)에 캡처된 상황에서 시스템의 동작에 대한 결정이 내려집니다.
나중에 더 정확하게 할게요.
7. 보증금을 테스트하고 배출합니다. 값의 흐름을 입력하고 이에 대한 전문가 고문을 만들 수는 없기 때문입니다. 이러한 스트림을 분석하고 자전거를 작성하여 각각 또는 일부 조합을 신뢰할 수 있는지 확인해야 합니다.
예를 들어, 두 개의 MovingAverage 표시기를 사용하여 문제 없이 2-6단계를 수행할 수 있습니다. 오류는 일곱 번째 단계에서만 드러납니다.
따라서 1과 6 사이에 한 단계 더 있습니다(모든 사람이 어디서 어떻게 수행할지 결정). 이는 부적절한 데이터 스트림을 거부합니다. 이 포럼 스레드의 상당 부분은 이를 수행하는 다양한 방법을 분석하는 데 사용됩니다.
근사는 값의 일반화입니다. 즉, 선택한 범위 내에서 서로 다른 데이터 값을 묶는 것입니까? 다음으로 일정 기간 동안 일부 값의 변화를 요약하는 디지털 모델을 만들 수 있습니다. 이러한 모델을 수집하여 결정 및 조치 선택에 의존할 수 있는 통계를 생성할 수 있습니다.
나는 올바른 방향으로 생각하고 있습니까?
간단히 말해서 -
1. 우리는 필요한 모든 매개변수(데이터)의 값 스트림을 수집하고 링 버퍼를 통해 구동하는 알고리즘을 만듭니다.
2. 우리는 링 버퍼에 저장된 값의 스트림을 이러한 값의 범위로 이끄는 일반화하는 특수 필터를 통해 전달합니다.
3. 각 매개변수 값의 변경 특성에 대한 일반화된(범위의 도움으로) 디지털 모델이 링 버퍼에 생성되고 적절한 형식으로 기록됩니다.
4. 이 모델은 이러한 모델을 수집하는 통계 알고리즘으로 전송됩니다.
5. 우리는 매개 변수 값의 변경 특성을 포함하는 모델(서명)의 기반을 통해 루프를 만들고 현재 상황에 가장 적합한 모델을 찾습니다.
6. 주어진 서명(모델)에 캡처된 상황에서 시스템의 동작에 대한 결정이 내려집니다.
나중에 더 정확하게 할게요.
불행히도, 당신은 잘못된 길을 가고 있습니다 :(
당신은 그것이 무의미하다는 것을 알고 즉시 당신의 지식 기반에 이 "비유적" 비전을 투영하기 시작했지만 불행히도 좋은 결과로 이어지지 않을 요점을 간단히 말해서 내가 헛되이 한 말을 요청했습니다. 마치 당신이 나에게 수학적 분석의 본질을 간단히 말해서 내가 시계열 의 예를 사용하여 도함수는 시리즈의 인접한 두 값 사이의 차라고 말하고, 적분은 누적 합계이며 유체 역학에 대한 나비에 스톡스 방정식을 적분하기 위해 즉시 서두를 것입니다. 상황은 거의 비슷합니다. ML은 인공 지능입니다. 인상적인 과학입니다. ML 덕분에 검색 엔진이 우리가 필요로 하는 것을 찾고 원하는 것보다 더 잘 찾습니다. ML 덕분에 기계가 의사보다 의료 진단을 더 잘 만듭니다. ML 덕분에 새로운 기본 입자가 발견됩니다. hadron collider, ML은 GO에서 체스를 더 잘하고 곧 일반적으로 모든 게임을 더 잘 할 것입니다. MO의 본질을 이해하려면 20년 중 1년을 기술적 마인드로 최소 5년을 보내야 합니다.
실수를 두려워하지 않고 싸우기를 열망하는 것은 매우 칭찬할 만합니다. 이것은 매우 좋은 마음가짐입니다. 잃지 마십시오. 그러나 동시에 이것을 기본적으로 마스터하는 데 필요한 작업의 양을 객관적으로 평가하십시오. 지식의 가장 어려운 분야, 강의를 시청하고, 내가 당신에게 조언하는 것은 입문서입니다.
어떤 독성이 보여 클러스터링과 비슷하지만 교사와 함께
분류
네 맞습니다 제가 입력했습니다)
불행히도 당신은 올바른 방향으로 생각하고 있지 않습니다 :(
예, 시도해 보겠습니다. 하지만 뇌는 교리와 일반적인 고정 관념으로 더럽혀지지 않았지만 흥미로운 것을 장님으로 만들면 어떨까요?
예, 시도해 보겠습니다. 하지만 뇌는 교리와 일반적인 고정 관념으로 더럽혀지지 않았지만 흥미로운 것을 장님으로 만들면 어떨까요?
무엇을 시도할지 여부를 결정하는 것은 당신과 나에게 달려 있지 않습니다. 우리는 이 분야의 기본 지식에 대해 이야기하고 있으며, 이것이 없으면 이 모든 것에 대해 이야기하는 것이 의미가 없습니다.
정말 MO를 공부하는 사람.
이 지식의 영역을 모르거나 알고 싶지 않은 사람들과 쓸데없는 토론에 휘말리지 말아주세요. 말하는 "PionErov": "보여라, 증명하라 .. 그리고 나서 나는 연구를 시작할 수 있다"는 포럼에서 바다. 주제에 대해 조금도 생각하지 않고 10대 극단주의로 무의미함을 비판하고 증명할 것입니다. 그들이 그것에 대해 성장하지 않았다면 어떤 종류의 지식의 중요성과 필요성을 사람들에게 확신시키는 것은 불가능하고 불필요합니다.
이러한 논의는 무익할 뿐만 아니라 해롭습니다 . 그렇게 함으로써 당신은 그들의 에고를 먹이고, 그들의 비판의 중요성을 높이고, 그들이 더 이상 쓰레기 같은 말을 하도록 자극합니다. 주제를 벗어난 어리석은 게시물을 금지할 수는 없지만 무시할 수 있고 무시해야 합니다.
기계 학습의 본질을 이해하고 싶어하고 인터넷 검색을 사용할 수 없는 모든 사람에게 제안합니다. 여기에서 시작하세요.
https://en.wikipedia.org/wiki/Machine_learning
http://www.r2d3.us/Visual-Introduction-to-Machine-Learning-Theory/
http://www.machinelearning.ru/wiki/index.php?title=Machine_Learning
http://datareview.info/article/vse-modeli-mashinnogo-obucheniya-imeyut-svoi-nedostatki/
=================================
가지가 많이 자라서 읽을 수 없게 되었습니다. MT4/5 터미널에서 문제 없이 수행할 수 있는 언어로 기계 학습 모델 을 사용하는 특정 문제만 논의할 새로운 분기 "RUserGroup"을 시작할 것을 제안합니다. 나는 두 가지 (R, Python)를 알고 있습니다. 강령 제공에 대한 논의. 다른 언어로 된 ML 분야 경험이 있는 전문가도 초빙합니다.
이전 게시물에 게시된 컨볼루션 네트워크의 예부터 시작할 수 있습니다.
행운을 빕니다
의심할 여지 없이 아마추어적인 나의 관점에 대해 이야기해 주신 모든 분들께 감사드립니다. 나는 이 주제가 나에게 낯설다는 것을 부정하지 않는다. 어제 발표된 아이디어는 기계 학습과 아무 관련이 없을 수도 있지만 포럼에서는 멍청한 사람이 되는 것을 금지하지 않고 복잡하고 중요한 주제를 이해하기 위해 사이비과학적 넌센스를 짜는 것을 금지하지 않습니다. ) 나는 어리석고 무지한 것처럼 보이는 것을 두려워하지 않습니다.
사람들로 하여금 생각하게 하고 고정관념을 넘어서 새로운 접근을 고려하게 하는 토론은 아무 소용이 없다고 생각 합니다. 초보자와 숙련된 전문가 모두에게 똑같이 유용합니다. 내가 극단주의를 보여주는 유일한 것은 그러한 입장을 거부하는 것입니다.
"우리는 MQL 포럼에 앉아 다른 언어를 더 발전된 것으로 홍보하고 MQL이 대처할 수 없는 문제를 해결하는 데 목발 방식의 사용을 요청할 것입니다. 우리는 MQL의 새로운 기능을 구현하여 성장을 돕지 않을 것입니다. 탓하고 우리는 기계 학습에 정통하지만 MQL에서 구현할 수 없으며 시도하려는 사람들은 단순히 무지합니다."
막다른 위치에 있다고 생각합니다. 개인 성장, 언어 개발, 플랫폼 개발을 촉진하지 않으며 MQL을 선호하는 사람을 돕지 않습니다. 다른 사람의 구현이 흥미롭다면 왜 여기에서 논의합니까? 포럼 R이 있습니다. 스스로 전문가라고 생각하는 사람들이 거기에서 아무 것도 구현하지 않을 경우 MQL 개발을 위해 그러한 토론이 무슨 소용이 있습니까? 게다가, 그들은 또한 이것에서 다른 사람들을 단념시킵니다.
크고 복잡한 주제를 "하나 또는 둘"로 나눌 수 없다는 것을 완벽하게 이해하지만 다른 언어의 현지 선전가와 모순되는 정신으로 MQL과 MQL에 새로운 "접근할 수 없는" 기능을 구현할 가능성을 홍보할 것입니다.
따라서 조금 후에 어쨌든 기계 학습의 개념을 게시할 것입니다.
그리고 그들이 나에게 썩은 토마토를 던지게하십시오.))
글쎄, 왜 마이크로 리터로 자전거를 다시 쓰는 개인 애호가가 있습니까?
그건 그렇고, 최근 누군가가 국회에 간단한 예를 요청했습니다. 어떤 이유에서인지 아무도 Reshetov의 오래된 기술을 기억하지 못했습니다. 그건 그렇고, Reshetov 자신은 내가 이해하는 것처럼 이제 자신의 프로젝트 를 전혀 개발하지 않고 있습니다.
https://www.mql5.com/ru/code/10289
https://www.mql5.com/ru/code/16727
https://www.mql5.com/ru/code/1104
글쎄, 이미 MQL에서 기계 학습 구현을 위한 일종의 기반을 마련한 사람들이 있다면 다른 언어를 홍보하려는 일부 사람들의 욕망은 더욱 이해할 수 없습니다. 이 기반을 계속 개발하기만 하면 됩니다.
단어에서 전혀 근거가 없습니다! 위의 모든 코드는 100500년 전에 논쟁이 있었던 Reshetov의 공예품을 변경한 것입니다. NS 정도입니까, 집에서 만든 쓰레기입니다.
이에 대한 또 다른 증거는 시장에 그러한 전문가 고문이 거의 완전히 없다는 것입니다.
따라서 공개적으로 µl당 NA의 예가 없다고 말할 수 있습니다.
그리고 이것은 6년간의 플랫폼 및 언어 개발을 위한 것입니다. 생각보다 인상적입니다.
개척자가 될 수 있습니다)) 어서오세요!