Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 227
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Eh, bunun özü bir dizi cümleyle formüle edilebilir. Tüm sorduğum bu.
Şimdi görev konuyu incelemek değil, hacminin ön değerlendirmesini yapmak. Bu nedenle, diyorum ki - formüle edin (anlıyorsanız).
En azından ilk dersi izleyin. Birkaç cümlede imkansız, alan çok büyük.
Görüyorsunuz, özü formüle etmenizi bekliyorum çünkü "makine öğrenimi" kavramı altında tam olarak neye ihtiyacınız olduğunu anlamak istiyorum.
Derste anlatacakları şey, diğer insanların anlayışıdır. Belki de algoritmik ticaret topluluğunun belirli makine öğrenimine ihtiyacı vardır.
Algo tüccarlarının geniş bir makine öğrenimi alanında tam olarak neye ihtiyaç duyduklarını anlamak ve böylece alakasız alanları inceleme süresini azaltmak, gereksiz görevlerin çözümünü atlayarak kodu sınırlamak ve sonuç olarak setin doğru uygulanmasını sağlamak istiyorum. hedef.
Görüyorsunuz, özü formüle etmenizi bekliyorum çünkü "makine öğrenimi" kavramı altında tam olarak neye ihtiyacınız olduğunu anlamak istiyorum.
Derste anlatacakları şey, diğer insanların anlayışıdır. Belki de algoritmik ticaret topluluğunun belirli bir makine öğrenimine ihtiyacı vardır.
Algoritmik tüccarların geniş bir makine öğrenimi alanında özellikle neye ihtiyaç duyduklarını anlamak ve böylece alakasız alanları inceleme süresini azaltmak, gereksiz görevlerin çözümünü atlayarak kodu sınırlamak ve sonuç olarak setin doğru uygulanmasını sağlamak istiyorum. hedef.
çok genelse iki görev vardır
1) niteliksel özellik seçimi
işaretler şunlardır:
Örneğin, şu analizleri, desteği, direnci, ribaundları, koparmaları vb. seversiniz...
Piyasayı bu işaretlerin prizmasından görüyorsunuz, fiyatları kendimiz vermiyoruz, algoritmaya sadece aynı desteğin, direncin, ribaundların, kırılmaların vb. işaretlerini veriyoruz.
ve asıl mesele geliyor
2) karar oluşturma
Bu işaretleri "hokkabazlık eden" algoritma, bazı optimal ticaret kuralları - kararlar yaratmaya başlar ve yol boyunca bir değeri olan işaretleri ve iyi bir karar vermek için önemli olmayanları seçer.
======================
bu doğru veri işleme, işin %98'idir.
MO eğitimi %2
çok genelse iki görev vardır
1) niteliksel özellik seçimi
işaretler şunlardır:
Örneğin, şu analizleri, desteği, direnci, ribaundları, koparmaları vb. seversiniz...
Piyasayı bu işaretlerin prizmasından görüyorsunuz, fiyatları kendimiz vermiyoruz, algoritmaya sadece aynı desteğin, direncin, ribaundların, kırılmaların vb. işaretlerini veriyoruz.
ve asıl mesele geliyor
2) karar oluşturma
Bu işaretleri "hokkabazlık eden" algoritma, bazı optimal ticaret kuralları - kararlar yaratmaya başlar ve yol boyunca bir değeri olan işaretleri ve iyi bir karar vermek için önemli olmayanları seçer.
Teşekkürler. Resim şimdiden kendini göstermeye başladı.
Özel olarak sunulan, cari dönemde çeşitli verilerdeki değişikliklerin ortak imzalarının bir tür toplanması ve analizi. algoritma burada analiz edilir, veri imza istatistikleri toplanır, imzaların düzenlilikleri ve tekrarları incelenir ve sistemin davranışı hakkında kararlar üretilir.
Aşağı yukarı böyle mi?
Görüyorsunuz, özü formüle etmenizi bekliyorum çünkü "makine öğrenimi" kavramı altında tam olarak neye ihtiyacınız olduğunu anlamak istiyorum.
Derste anlatacakları şey, diğer insanların anlayışıdır. Belki de algoritmik tüccarlar topluluğunun belirli bir makine öğrenimine ihtiyacı vardır.
Algo tüccarlarının geniş bir makine öğrenimi alanında tam olarak neye ihtiyaç duyduklarını anlamak ve böylece alakasız alanları inceleme süresini azaltmak, gereksiz görevlerin çözümünü atlayarak kodu sınırlamak ve sonuç olarak setin doğru uygulanmasını sağlamak istiyorum. hedef.
MO'nun özü, onu oluşturan yarı-modeli elde etmek için bir veri kümesi kullanan bir yaklaşımdır. Sınıflandırma durumunda, onları ayıran maskeler elde etmek için işaretli noktalardan oluşan bir bulut aracılığıyla yapılır.
MO'nun özü, onu oluşturan yarı-modeli elde etmek için bir veri kümesi kullanan bir yaklaşımdır. Sınıflandırma durumunda, onları ayıran maskeler elde etmek için işaretli noktalardan oluşan bir bulut aracılığıyla yapılır.
Yaklaşım, değerlerin genelleştirilmesidir. Yani, seçilen bir aralıkta farklı veri değerleri mi içeriyor? Ardından, belirli bir süre boyunca bazı değerlerdeki değişimi özetleyen bir dijital model oluşturabilirsiniz. Bu modelleri toplayarak, kararlarda ve eylem seçimlerinde güvenebileceğiniz istatistikler oluşturabilirsiniz.
Doğru yönde mi düşünüyorum?
Kısaca söylemek gerekirse, -
1. İhtiyacımız olan herhangi bir parametrenin (verinin) değer akışlarını toplayan ve bunları halka arabelleği üzerinden süren bir algoritma oluşturuyoruz.
2. Halka arabelleğinde depolanan değer akışlarını, onları genelleştiren özel bir filtreden geçirerek bu değerlerin aralıklarına yönlendiririz.
3. Halka tamponunda her parametrenin değerindeki değişimin doğasının genelleştirilmiş (aralıkların yardımıyla) bir dijital modeli oluşturulur ve uygun formatta kaydedilir.
4. Bu model, bu modelleri toplayan istatistiksel bir algoritmaya gönderilir.
5. Parametrelerimizin değerlerindeki değişimin doğasının içerdiği modelin (imza) bazında bir döngü yaparız ve mevcut duruma en uygun modeli buluruz.
6. Verilen imzada (modelde) yakalanan durumda sistemin davranışı hakkında bir karar verilir.
Daha sonra daha kesin olacağım.
ne toksik gösterdi kümeleme gibidir, ancak bir öğretmenle, en baştaki noktalar, olduğu gibi, işaretler veya daha doğrusu sayısal parametreleridir, bir hedef satın al ve otur, eğitimden önce bir artışın olduğu yeri işaretlediniz (satın al ) ve bir düşüş (sat) ve algoritma başlar, mavi alan bir satın alma, kırmızı olan bir köy gibi özelliklerin parametrelerini hedefe göre ayırmak aptalcadır ...
Ama şimdi son dikiz böyle bir şey
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
ama ben tam bir acemiyim
Ve genellikle komik)))
https://www.youtube.com/watch?v=pgaEE27nsQw
ne toksik gösterdi kümeleme gibidir, ancak bir öğretmenle, en baştaki noktalar, olduğu gibi, işaretler veya daha doğrusu sayısal parametreleridir, bir hedef satın al ve otur, eğitimden önce bir artışın olduğu yeri işaretlediniz (satın al ) ve bir düşüş (sat) ve algoritma başlar, mavi alan bir satın alma, kırmızı olan bir köy gibi özelliklerin parametrelerini hedefe göre ayırmak aptalcadır ...
Ama şimdi son dikiz böyle bir şey
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
ama ben tam bir acemiyim
Yarın bütün bunlara bir göz atacağım.
2 yıl önce bile, ortaya çıktığı gibi, bir şekilde makine öğrenimine benzer fikirlerim vardı. Ben buna "değişen parametre değerlerinin dijital imzalarını toplama" adını verdim. Bu teknolojinin temelini buldum ve yazdım. Hiçbir zaman gerçekleşmedi, çünkü her zaman başka konularla dikkatim dağıldı.
Yarın bu "imzaların" tüm konseptini anlatacağım ve siz bunun makine öğrenimine ne kadar benzer olduğunu söyleyeceksiniz.
Bunlar yakın şeylerse, algoritma oluşturma teknolojisi benim için zaten açık.