Discussão do artigo "Avaliação e seleção de variáveis para os modelos de aprendizado da máquina" - página 5

 
Vladimir Perervenko:

Desenho de um desenho simples ilustrando os números (-1, 1 (0) ????

Por favor, leia o artigo com atenção? E ao lado? E não sabe como usar o ZZ?

Talvez a tradução não esteja boa?

Especifique com mais precisão seus comentários, por favor, pode melhorar o inglês?


ZigZag Essa sequência não precisa ser prevista, se você souber que o lag(ZigZag)=-1 ,então o ZigZag deve ser 1;o lag(ZigZag)=1 ,então o zigzag=-1;.

Se você souber que a defasagem (ZigZag) =-1, então o ziguezague deve ser 1; a defasagem (ZigZag) =-1, então o ziguezague =-1;. com 100% de precisão

prever que o ziguezague é -1 ou 1.

Mas, em tempo real, não é possível saber que o tempo é o ponto de ziguezague, portanto, é preciso calcular o terceiro status (0).

Você pode consultar esse artigo no site https://www.mql5.com/pt/articles/2773.

运用人工智能实现的 Thomas DeMark 次序 (TD SEQUENTIAL)
运用人工智能实现的 Thomas DeMark 次序 (TD SEQUENTIAL)
  • 2017.06.19
  • Mihail Marchukajtes
  • www.mql5.com
首先, 我们设定一个神经网络不能自行完成交易。这便是, 如果有一个神经网络, 并为它提供无限量的价格数据, 指标和其它他美味佳肴 — 获得永无终止的结果, 所以这个想法可以立即被丢弃。神经网络只能从侧面为策略 "服务": 协助制订决策, 过滤, 预测。能体现出一个完整策略的神经网络是无稽之谈 (至少我个人从未见过)。 首先, 用几句话来概括策略。次序是逆势策略。其中出现的信号不依赖于彼此。换言之, 可以在一行里收到买卖信号, 这令次序的使用极大地复杂化。就像任何其它策略一样, 它会产生假信号, 我们将要找出来。作者本人很好地描述了基于次序生成信号的原理。他的解释在这里稍作修改。仅应用了策略的第一部分, 使用 设置 和 交汇 信号。选择它们出于两个原因: 一是这些信号位于顶部和底部...
 
desejável
 
2935071411 :
Boa tarde.

Boa tarde.

O ZZ realmente não é definido nas últimas barras (o último vértice). O treinamento da rede neural é realizado nos valores de ZZ sem as últimas 300 barras !!!! Nas barras em que o ZZ está definido.

Observe atentamente os scripts e não tire conclusões precipitadas. Você pode parecer estúpido.

Observe cuidadosamente os scripts e não tire conclusões precipitadas.

 

em tempo real, você usa 'sem as últimas 300 barras'!

Você parece tão estúpido que pode usar isso em tempo real?


Todos os seus artigos estão errados, porque a definição do seu objetivo está errada. Todos não podem funcionar em tempo real, pois, se você seguir seu argumento, o sinal acontecerá depois de 300 barras.

Todos não podem trabalhar em tempo real, pois, seguindo seu ponto de vista, o único problema acontecerá depois de 300 barras.

 
freewalk:

em tempo real, você usa 'sem as últimas 300 barras'!

Você parece tão estúpido que pode usar isso em tempo real?


Todos os seus artigos estão errados, porque a definição do seu objetivo está errada. Todos não podem funcionar em tempo real, pois, se você seguir seu argumento, o sinal acontecerá depois de 300 barras.

Tudo não pode funcionar em tempo real, já que, de acordo com seu ponto de vista, seu sinal acontecerá depois de 300 barras.


Você realmente não entende a visão do autor, é muito ingênuo em sua própria imaginação, e a estupidez do que diz é apenas mapeada em você mesmo.


Para Vladimir Perervenko: obrigado novamente por esses artigos maravilhosos, você fez e faz uma pesquisa muito boa! essa coisa estúpida do "freewalk", nem todos os chineses gostam dele.

 
Vladimir Perervenko:
Respondi a você na próxima ramificação.

Oi Vladimir,


Não encontrei sua resposta para essa pergunta. Também não tenho certeza de qual é o valor de Dig. Você poderia especificar, por favor?

 
hzmarrou :


Prezados,


Alguém pode me dizer o que significa a variável --Dig-- definida na função ZZ . É uma constante? Se sim, qual deve ser o valor dessa constante?

Dig - o número de dígitos após o ponto decimal entre aspas. Talvez 5 ou 3.

Desculpe-me pelo atraso na resposta. Não vi a pergunta. A discussão está espalhada por vários ramos. Não tenho tempo para acompanhá-la.

Desculpe-me.

 

O artigo é volumoso, obrigado pelo trabalho.

No entanto, ele é questionável:

1. usar a estratificação com um alvo selecionado que é rotulado em cada barra. A mistura de duas amostras não representativas geralmente melhora o resultado, o que o distorce.

2- A seleção de recursos com base em modelos construídos, especialmente considerando a primeira divisão de randoms e o método guloso, é mais um método de redução de recursos para o método de construção de modelos. O método guloso nem sempre é correto e estável. Nesse caso, talvez você precise usar subamostras diferentes, pelo menos.

Não entendi o segundo método até o final - é o mesmo com um primeiro preditor aleatório e, em seguida, tentamos criar uma folha ou criamos uma árvore e deixamos a melhor folha, que é usada para avaliação?