程序库: BestInterval - 页 19

新评论
 
Andrey Khatimlianskii:

反其道而行之，为一周中的不同日子 寻找不同的间隔时间，也是绝对有道理的。然后，你就可以增加间隔的数量，这样每天就可以有 2-3 个片段。

但不是每天，而是把一周中的片段扔掉。现在，这些片段是从一天中丢出来的，但我们需要从一周中丢出来。也就是说，从任何周期性的时间间隔中扔出。

 
fxsaber:

NS 与此无关，哪怕是假设。

我和你做了完全一样的事情，但我是通过 NS 做的。我对亏损的交易说 "不"，对盈利的交易说 "要"。

运行之后，所有（几乎）亏损都会被抵消。几乎是因为网络可能存在一些近似误差。另外一点是，输入不是时间（为什么不呢），而是任意符号。

在机器学习中，这种方法被称为元分区。当第二个模型修正第一个模型时。

很显然，这可以简单地提高一个好的 TS 的性能，但你不能用糖果来做糖果。

 
Maxim Dmitrievsky:

和你做的一模一样，不过是通过 NS。

恐怕我的任务没有被理解。

 
fxsaber:

恐怕我的任务没有得到理解。

我明白，我只是说可以用不同的方法做同样的事情。如何分析结果是另外一个问题。我不会对它进行任何分析，因为它不是一个主要模型，只是一个调整模型。

 
Maxim Dmitrievsky:

这不是主要模式，只是一种调整。

任务不是调整，而是在任何 TC（如果有的话）中找到常识。

 
fxsaber:

直到后来我才发现。事实证明，剪了很多，结果还是送人了，这纯粹是修修补补。但如果把大量删减当作分析好 2-3 个区间的中间阶段，情况就会变得有些不同。

我看不出这些原始数据有什么用处。试图对几个相邻区间进行聚类？


fxsaber:

但不是每一天，而是一周中的几块。现在的分块是按天进行的，但我们需要按周进行。也就是说，从任何循环时间间隔开始。

这正是我的想法。

 
Andrey Khatimlianskii:

我不知道这样的原始数据有什么用。试图将几个相邻的区间分组？

现在的优化标准 是 20 个区间的利润总和。而我需要从这 20 个区间中选择拟合概率较低的区间。因此，标准应该只考虑这些区间。

 
fxsaber:

我需要从这 20 个区间中选出拟合概率较低的区间。

这怎么可能呢？内置的 "狼来了"？

 
Andrey Khatimlianskii:

这有什么可能？内在的狼性？

举例来说，如果我在 12:13-14:05 之间看到 500 笔交易，PF 值为 2.4，我至少会认为这种情况很有趣。

 
fxsaber:

举例来说，如果我在 12:13-14:05 PF 2.4 的区间内看到 500 笔交易，我至少会认为情况是有趣的。

如果这个区间与其他区间不同，那么在切出 2 个图时（而不是 20 个）就会突出显示出来。

如果不是，为什么要单独考虑？

1...121314151617181920212223242526...29
新评论