Sim, a rede de arrasto do canal de Doncian é utilizada (como na amostra de treino). Fechando por SL apenas aqui, claro que o resultado poderia ser melhorado usando TP inteligente, mas eu ainda não tenho tempo para terminar a idéia.
É difícil dizer o quanto estou certo, mas normalmente testei usando lote fixo e sem paragens de percurso, depois vejo a curva a subir, depois posso melhorá-la.
Você tem testes sem trilha e com lote fixo? quero saber se eles são diferentes da imagem acima
É difícil dizer o quanto estou certo, mas normalmente testei o meu TS com o lote fixo e sem trilha, se eu vejo uma curva que sobe, então eu posso melhorá-lo
Você tem testes sem trailing e lote fixo? quero saber como isso difere da imagem acima
O lote está arranjado. Eu posso ajustar TP e SL, mas de que adianta, se inicialmente o conceito de TS foi baseado no arrasto? O meu TS é simples - a entrada no vector ZZ muda e pára a perda no ponto em que o vector ZZ muda para a direcção oposta na próxima barra. Este sistema é conveniente para a aprendizagem e depois pode melhorá-lo deslocando o ponto de entrada, tendo em conta o sinal de entrada e ajuste TP - pode realmente adicionar 30% durante alguns dias de ajuste. Um SL fixo estraga o conceito, porque viola a lógica do TS. A parada de rastreamento é bastante lenta e seu acionamento (fechamento por SL) simboliza o momento de tomar uma nova decisão em relação a novas operações comerciais.
Há muita teoria sobre trajectórias aproximadas e muita matemática... Vou ter de investigar por um tempo. Até agora eu vejo potencial em termos de transformação iterativa de traços (ou seja, você pode adicionar um grau de interpolação a cada iteração e o traço vai mudar), mas há algumas outras características que eu ainda não entendi
Cavalheiros construtores especializados, há algum artigo sobre como fazer aprendizagem de máquinas e redes neurais, por meios padrão?
Há na biblioteca padrão:
Estatísticas - funções para lidar com várias distribuições a partir da teoria da probabilidade
Fuzzy Logic - biblioteca de lógica fuzzy que implementa sistemas de inferência de lógica fuzzy Mamdani e Sugeno
ALGLIB - análise de dados (agrupamento, árvores de decisão, regressão linear, redes neurais), soluções para equações diferenciais, transformações de Fourier, integração numérica, problemas de otimização, análise estatística e muito mais
Cavalheiros construtores especializados, há algum artigo sobre como fazer aprendizagem de máquinas e redes neurais, por meios padrão?
Há na biblioteca padrão:
Estatísticas - funções para lidar com várias distribuições a partir da teoria da probabilidade
Fuzzy Logic - biblioteca de lógica fuzzy que implementa sistemas de inferência de lógica fuzzy Mamdani e Sugeno
ALGLIB - análise de dados (agrupamento, árvores de decisão, regressão linear, redes neurais), soluções para equações diferenciais, transformações de Fourier, integração numérica, problemas de otimização, análise estatística e muito mais
Aprendi a fazer o pré-processamento correctamente, bem, como fazê-lo correctamente, erros de classificação em ambas as amostras <0.1, e começo a trabalhar em novos dados, mas os conjuntos de dados são enormes, um longo tempo para aprender, por isso vou mostrar horas numa pequena história
Sim, a rede de arrasto do canal de Doncian é utilizada (como na amostra de treino). Fechando por SL apenas aqui, claro que o resultado poderia ser melhorado usando TP inteligente, mas eu ainda não tenho tempo para terminar a idéia.
É difícil dizer o quanto estou certo, mas normalmente testei usando lote fixo e sem paragens de percurso, depois vejo a curva a subir, depois posso melhorá-la.
Você tem testes sem trilha e com lote fixo? quero saber se eles são diferentes da imagem acima
É difícil dizer o quanto estou certo, mas normalmente testei o meu TS com o lote fixo e sem trilha, se eu vejo uma curva que sobe, então eu posso melhorá-lo
Você tem testes sem trailing e lote fixo? quero saber como isso difere da imagem acima
O lote está arranjado. Eu posso ajustar TP e SL, mas de que adianta, se inicialmente o conceito de TS foi baseado no arrasto? O meu TS é simples - a entrada no vector ZZ muda e pára a perda no ponto em que o vector ZZ muda para a direcção oposta na próxima barra. Este sistema é conveniente para a aprendizagem e depois pode melhorá-lo deslocando o ponto de entrada, tendo em conta o sinal de entrada e ajuste TP - pode realmente adicionar 30% durante alguns dias de ajuste. Um SL fixo estraga o conceito, porque viola a lógica do TS. A parada de rastreamento é bastante lenta e seu acionamento (fechamento por SL) simboliza o momento de tomar uma nova decisão em relação a novas operações comerciais.
Há muita teoria sobre trajectórias aproximadas e muita matemática... Vou ter de investigar por um tempo. Até agora eu vejo potencial em termos de transformação iterativa de traços (ou seja, você pode adicionar um grau de interpolação a cada iteração e o traço vai mudar), mas há algumas outras características que eu ainda não entendi
https://arxiv.org/pdf/1603.03788.pdf aqui é um uso geral para a aprendizagem de máquinas
https://arxiv.org/pdf/1307.7244.pdf e aqui está uma interpolação linear por aspas e algo mais
é claro que só pode ser relevante se você quiser fazer um TS de auto-aprendizagem completo, o alto nível, por assim dizerCavalheiros construtores especializados, há algum artigo sobre como fazer aprendizagem de máquinas e redes neurais, por meios padrão?
Há na biblioteca padrão:
Cavalheiros construtores especializados, há algum artigo sobre como fazer aprendizagem de máquinas e redes neurais, por meios padrão?
Há na biblioteca padrão:
Lasciate ogni speranza, voi ch'entrate.
Lasciate ogni speranza, voi ch'entrate.
É isso, aquele que for para o MoD irá para o inferno.
Aprendi a fazer o pré-processamento correctamente, bem, como fazê-lo correctamente, erros de classificação em ambas as amostras <0.1, e começo a trabalhar em novos dados, mas os conjuntos de dados são enormes, um longo tempo para aprender, por isso vou mostrar horas numa pequena história
Eu não posso dizer como o fiz :)
Ganancioso :( .
Não tive tempo de apagar, notei )) talvez eu poste mais tarde, mais testes são necessários
É que todos aqui comunicam através de dicas, eles não escrevem nada sobre preparação de dados, todos têm o seu próprio samovarnão teve tempo para apagar, notou )))) pode escrever mais tarde, são necessários mais testes
Todos só dão dicas aqui, não escrevem nada sobre preparação de dados, todos têm o seu próprio samovaré por causa do princípio da "lata" que apenas uma se abre e todos comem ))))
é por causa do princípio da "lata" que uma pessoa abre e todos comem )))