어떤 이유로 테스트 세트에서 최소 오차로 최적의 4000-4500 bar를 얻었습니다. 음, 동일한 결과가 H1보다 M15에서 더 좋습니다(시각적으로 일정에 따라)
나는 "메모리"에 대한 검색을 시작하는 25000개의 샘플 시리즈를 선택합니다. 여러 수준의 시장 기억이 있음이 밝혀졌습니다. 말 그대로 "단기"와 "장기". "장기 메모리"를 사용할 때 단거리(유출 부근)를 예측하면 심각한 오류가 발생합니다. 일반적으로 이론은 아직 초기 단계에 있으며 작업 중입니다. :에 대한)
모델링 틱 ... 수익성있는 거래를위한 충분한 시간이 있다고 생각합니다 (예외는 뉴스 중 움직임이며 작동하지 않는 것이 좋습니다). 우리의 임무 또는 귀하의 연구는 계산의 끝점 측면에서 방향, 대략적인 궤적 및 랜드마크를 예측하는 것입니다.
연구에 행운을 빕니다!
추신 나는 그러한 예측의 가능성에 놀랐습니다.
개념적으로, 나는 미래에 가장 큰 영향을 미치는 역사적 시계열의 길이를 부정확하게 결정하는 주된 실수가 어디에 있는지 이해했습니다. 행 메모리.
어떤 이유로 테스트 세트에서 최소 오차로 최적의 4000-4500 bar를 얻었습니다. 음, 동일한 결과가 H1보다 M15에서 더 좋습니다(시각적으로 일정에 따라)
틱 모델링...수익성 있는 거래를 위한 충분한 시간이 있다고 생각합니다(예외는 뉴스 중 움직임이며 작업하지 않는 것이 좋습니다). 우리의 임무 또는 귀하의 연구는 계산의 끝점 측면에서 방향, 대략적인 궤적 및 랜드마크를 예측하는 것입니다.
연구에 행운을 빕니다!
당신의 소원을 대단히 감사합니다! 나는 모든 것이 잘 될 것이라고 확신합니다 :o)
추신 나는 그러한 예측의 가능성에 놀랐습니다.
나는 항상 자연의 발현 가능성을 제한하는 것은 불가능하며, 특히 종종 자연을 이해하지 못한다고 말했습니다. 자연을 제한함으로써(무언가의 불가능성에 의해) - 따라서 우리는 우리 자신을 제한하고 나서 확실히 - 무언가를 찾을 기회가 없습니다.
어떤 이유로 테스트 세트에서 최소 오차로 최적의 4000-4500 bar를 얻었습니다. 음, 동일한 결과가 H1보다 M15에서 더 좋습니다(시각적으로 일정에 따라)
나는 "메모리"에 대한 검색을 시작하는 25000개의 샘플 시리즈를 선택합니다. 여러 수준의 시장 기억이 있음이 밝혀졌습니다. 말 그대로 "단기"와 "장기". "장기 메모리"를 사용할 때 단거리(유출 부근)를 예측하면 심각한 오류가 발생합니다. 일반적으로 이론은 아직 초기 단계에 있으며 작업 중입니다. :에 대한)
나는 항상 자연의 발현 가능성을 제한하는 것은 불가능하며, 특히 종종 자연을 이해하지 못한다고 말했습니다. 자연을 제한함으로써(무언가의 불가능성에 의해) - 따라서 우리는 우리 자신을 제한하고 나서 확실히 - 무언가를 찾을 기회가 없습니다.
예, 제한이 아니라 끝없는 구현에서 길을 잃는 건전한 기회가 있습니다.
이 검색 모드에는 최적의 동작이 있어야 하며 질문은 - 이 최적이 무엇입니까?
대략 이것은 그가 시스템이 "긴 메모리를 잡아먹었다"는 의미입니다.
중성자 에게
역시 그렇습니다. 여기에 감각과 직관이 필요합니다.o)
모두 좋은 하루!
Dax 사진은 현재 너무 논란의 여지가 있습니다.
가장 가능성이 높습니다 - 성장 방향으로 간격이 열린 다음 약간 증가하고 주요 움직임으로 하락합니다.
그러나 나는 오늘 거래를 자제할 것입니다.
안녕하세요! 나는 이것에 새로운 것입니다! 나는 내가 얻은 EUR/USD에 대한 예측을 게시하기로 결정했습니다. 누군가가 내 실수를 지적해 주기를 바랍니다 =)
막대의 수를 줄인 후 우리는 그러한 예측을 얻었습니다! 두 지표의 예측은 동일하며 눈을 즐겁게 하지만 시간이 얼마나 정확한지 알려줄 것입니다.
그리고 우선순위에 따라 최적화(학습)할 때 주의할 점을 알려주지 마세요.
1. 훈련 세트의 평균 제곱 오차
2. 훈련 세트의 최대 2차 오차
3. 훈련 세트에서 주어진 최소 오류 값에 대해 인식된 예의 백분율(또는 수)
4. 테스트 세트의 평균 제곱 오차
5. 테스트 세트의 최대 2차 오류
6. 테스트 세트에서 주어진 최소 오류 값에 대해 인식된 예의 백분율(또는 수)
자르 가 쓴 >>
그리고 우선순위에 따라 최적화(학습)할 때 주의할 점을 알려주지 마세요.
1. 훈련 세트 의 평균 제곱 오차
2. 훈련 세트 의 최대 2차 오차
3. 훈련 세트 에서 주어진 최소 오류 값에 대해 인식된 예의 백분율(또는 수)
4. 테스트 세트 의 평균 제곱 오차
5. 테스트 세트 의 최대 2차 오류
6. 테스트 세트 에서 주어진 최소 오류 값에 대해 인식된 예의 백분율(또는 수)
훈련에 대한 오차의 RMS가 주어진 수준에 도달할 때 테스트 샘플의 RMS가 최소화되는 훈련 샘플의 최적 길이.