Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2461
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Carrie trading é um antigo banger....
mas no fim de contas, como se diz na internet: continue assistindo!
p.s.
Vladimir Baskakov , as suas exclamações em #24597 já não o tornam um interlocutor interessado, mais como um paparazzi à procura de onde gritar... a gritar?... - o tema do seu alcaçuz acabou... você claramente não está interessado em trabalhar com o seu cérebro no assunto, e a EA não trabalhará por conta própria sem um codificador...
yep, você teve sua resposta, (se você não aprendeu mais nada com os tópicos acima em sua vida)
p.s.
Vladimir Baskakov , as suas exclamações em #24597 já não o tornam um interlocutor interessado, mais como um paparazzi à procura de um lugar para gritar... a gritar?... - o tema do seu alcaçuz acabou... obviamente não estás interessado em trabalhar com o teu cérebro no assunto, e a EA não vai trabalhar por si só sem um codificador...
Eu gosto de pessoas com tanta autoconfiança, verdade não confirmada. Mas tais pessoas aparecem aqui regularmente e desaparecem rapidamente. Como: esperando tranquilamente pelo lucro...
yep, você já foi respondido, (se você não conseguiu obter mais nada dos tópicos acima)
p.s.
Eu gosto de pessoas com tanta autoconfiança, sem o apoio de qualquer verdade. Mas eles aparecem aqui regularmente e desaparecem rapidamente. É do tipo: "Esperamos calmamente pelos lucros...
Sim... porque se trata de personalidades, não do assunto... você para Einstein com o seu pedido para lhe provar algo com o seu depósito... (como, colocá-lo no chão também, se ele não entregar toda a sua vantagem competitiva neste mercado, eu vou zombar e zombar e insultar e colocá-lo no chão e cutucá-lo, até que ele se apresse a mostrar fotos, e se "eu" (ou seja, você) gosta de fotos, então importuná-lo até a morte, para se apegar aos seus lucros ou à sua conversa podre para não lhe dar tempo de ganhar até que ele compartilhe) ... Einstein vai entender-te...
diálogos como este falam realmente muito de si como pessoa, como comerciante, como analista e como programador... Pessoalmente, estou enojado de participar em debates deste tipo em tais talk shows de "profissionais" tão superficiais... por isso nem sequer começo o show.
Sim... porque esta é uma discussão sobre personalidades, não o tema do tópico declarado... você para Einstein com o seu pedido para lhe provar algo com o seu depósito... (como, colocá-lo no chão também, se ele desistir de toda sua vantagem competitiva neste mercado, vai perseguir e zombar até que ele se apresse a mostrar fotos, e se "eu" (ou seja, você) gostar das fotos, então incomodá-lo até a morte para ficar com seus lucros ou sua tagarelice podre para não lhe dar tempo de ganhar até que ele compartilhe) ... Einstein vai entender-te...
diálogos como este falam realmente muito de si como pessoa, como comerciante, como analista e como programador... pessoalmente, estou enojado de me envolver neste tipo de debate sobre tais talk shows de "profissionais" tão superficiais... para que eu nem sequer comece o show
Saudações, irmãos!!!
Lembro-me de o ter dito mais do que uma vez, mas vou dizê-lo novamente. Sim, o método de treinamento e a arquitetura NS são importantes, mas muito mais importantes são os dados que você usa. Em muitos aspectos, uma ampla gama de arquiteturas de rede funcionará bem com dados bem preparados. É natural que cada tipo de NS precise de pré-processamento específico, mas se os dados de entrada, as informações que você leva para entrar na rede fazem sentido para o alvo, então o resultado será visível de uma só vez. O ponto de cavar diferentes métodos de construção do NS se a saída apenas na configuração única ainda não pode funcionar.
Bem, só estou a dizer, talvez os jovens leiam :-).
Pela minha experiência, os dados (dados de pré-processamento) e a função de destino são especialmente importantes. Na verdade, os dados são "receptores", saída dos receptores, você pode/deve permitir que eles "evoluam", para serem selecionados. A função alvo correctamente escolhida/formada fornece resultados robustos de aprendizagem/evolução, resolve o problema do "treino/reciclagem".
Na minha experiência, os dados (pré-processamento de dados) e a função de destino são particularmente importantes. Na verdade, os dados são "receptores", a saída dos receptores pode/deve ser permitida para "evoluir" e ser seleccionada. A função alvo correctamente seleccionada/formada proporciona uma aprendizagem robusta/ resultados evolutivos, resolve o problema da potenciação/aprendizagem.
Eu discordo um pouco sobre a função do alvo. Suponha que temos um alvo ideal, mas a aprendizagem é má e não é possível obter resultados de aprendizagem satisfatórios com os dados actuais, se começarmos a degradar o alvo, tornando-o menos ideal, isso levará a melhores resultados de aprendizagem. É como se estivéssemos a ajustar o alvo aos dados de entrada que temos. Sim, a qualidade da aprendizagem irá melhorar, mas será de pouca utilidade. Na minha opinião, deveríamos construir um alvo ideal e procurar um conjunto de dados que nos permitisse obter os melhores resultados de aprendizagem possíveis. Ou seja, você deve procurar nos dados de entrada, não nos dados de destino.
Quando falamos de dados, referimo-nos à informação alimentada à entrada. Quanto ao pré-processamento, é padrão e aplicável a quaisquer dados que utilizamos. Isto é pelo menos centrado e escalonado.
Eu discordo um pouco sobre o alvo. Suponha que temos um alvo ideal, mas a aprendizagem é pobre e não podemos obter resultados de aprendizagem satisfatórios com os dados atuais, se começarmos a degradar o alvo tornando-o menos que ideal, isso levará a melhores resultados de aprendizagem. É como se estivéssemos a ajustar o alvo aos dados de entrada que temos. Sim, a qualidade da aprendizagem irá melhorar, mas será de pouca utilidade. Na minha opinião, deveríamos construir um alvo ideal e procurar um conjunto de dados que nos permitisse obter os melhores resultados de aprendizagem possíveis. Ou seja, você deve procurar nos dados de entrada, não nos dados de destino.
Quando falamos de dados, referimo-nos à informação alimentada à entrada. Quanto ao pré-processamento, é padrão e aplicável a quaisquer dados que utilizamos. É pelo menos centrado e escalonado.
Você interpretou a minha opinião no sentido contrário, na natureza, o alvo é o mais prático - o mais "necessário" sobrevive e se multiplica. E é necessário treinar o alvo mais "prático" sem alterá-lo de forma alguma.
Sobre os dados, sim, a informação alimentada à entrada, mas idealmente devemos ter "olhos", "orelhas", "nariz", etc.
Você interpretou a minha opinião no sentido contrário, na natureza o alvo é o mais prático - o mais "necessário" sobrevive e se multiplica. E é necessário treinar o alvo mais "prático" sem alterá-lo de forma alguma.
Sobre os dados, sim, a informação alimentada à entrada, mas idealmente devemos formar/receber - "olhos", "orelhas", "nariz", etc.
Sim... porque esta é uma discussão sobre personalidades, não o tema do tópico declarado...