交易中的机器学习：理论、模型、实践和算法交易 - 页 1003 1...99699799899910001001100210031004100510061007100810091010...3399 新评论 Gramazeka1 2018.07.06 07:57 #10021 当我对样本的代表性进行预处理时，我得到了同样的数据集，但数据的价值却完全不同。也就是说，数字已经改变。我在新的数字上训练网络，并检查它在没有经过预处理的输入上的表现，并立即看到网络对市场的概括程度。也就是说，训练区间变成了测试区间，在模型工作在os之前，我可以立即看到其质量。所以它是这样的 ....利用我的善意 :-)再给所有那些陷入困境的人一个建议。找到一份好工作，你就会很开心。我也做过，我在交易中也发过脾气，但我还是继续交易机器人。我的工作在这个跨大西洋的洲际巨头那里是很了不起的，在它面前，苏尔古特石油公司和俄罗斯天然气工业公司显得微不足道，紧张地屏住呼吸。所以，祝你好运，我觉得我的交易一切都会好起来的。因为制度和纪律使我们成为命运的主人!!!!。 Gramazeka1 2018.07.06 08:00 #10022 亚历山大_K2。嗨，Misha! 是的，现在是时候重新思考神经网络人的所有努力和他们仅对工具本身的微弱希望了。如果没有准备好输入数据，任何东西都无济于事--无论是森林还是大草原。 是的--没有竞争，就有问题，就有普遍的愚民化。 如果你知道如何准备数据，就去吧。人类会感谢你。 研究人员之间总是存在着一种无形的竞争，通常来说，最先想到的人就会赢。Wtrit for R软件包处理的正是这些问题。我还是做了两个预处理出来。我只是还没有时间来完全审查它。我将看看我还能从中得到什么.... Alexander_K2 2018.07.06 08:48 #10023 就我而言，我建议看一下欧元兑美元1.5天的图表。 在底部的图表上。 左边的是滑动时间窗口中的实际刻度数=4小时 在右边--这个过程的增量和分散性。 正如你所看到的，事实上方差与滑动窗口中的tick报价的数量直接相关。 有理由认为，当增加滑动窗口的维度时（例如，增加到1天），右侧的过程方差将几乎为常数。 有条件地，这样的过程可以被认为是静止的，神经网络工具可以应用于它。 Gramazeka1 2018.07.06 09:14 #10024 亚历山大，你的问题是你把科蒂尔看成一个不稳定的BP，仅此而已。我已经告诉你了。尝试参加为银行工作的交易员的cfr1.0证书考试（我可能弄错了名字）。你会对市场总体上的多样性感到惊讶。有一件事你不能用历史数据做，那就是....。 Olga Shelemey 2018.07.06 09:27 #10025 Gramazeka1: 亚历山大，你的问题是你把科蒂尔看成一个不稳定的BP，仅此而已。我已经告诉过你了。试着参加针对在银行工作的交易员的cfr1.0证书考试（我可能弄错了名字）。你会对市场总体上的多样性感到惊讶。有一件事你不能用历史数据做，那就是....。米沙，我不是在争论--我可能在某些方面是错的。但是，我在这个分支中看到了流派的真正危机。 我手中有一个很酷的东西--VisSim的NeuralNet包--我甚至不敢去碰它，因为我看到，非常聪明的人在这里什么都做不了。 如果在我的部门，我知道一些关于扩散过程的知识，在这里，我仍然要阅读和学习。有什么可学的？那 "一切都过去了，神经网络不工作了......"？你至少需要1个人有积极的信号，即使是每月+1％。这真的会激励很多人，也包括我。 Mikhail Khlestov 2018.07.06 10:22 #10026 从一些人那里购买了一个非网络。构建一个sigmoid型网络。在M15上测试了3年。在过去的半年里，我根本没有把它放在测试中，看看它将如何工作。我设置了它，在测试器中一切都很好。我在真实的报价上进行了测试，我已经失去了一切。我是红色的。我已经在不同的经纪人那里试过了。在阅读了该主题后，根据我的理解，神经网络 在市场上不起作用？ СанСаныч Фоменко 2018.07.06 10:22 #10027 奥尔加-谢莱梅. 如果在我自己的部门，在扩散过程中，我知道一两件事，在这里我必须阅读和学习。有什么可学的？那 "一切都过去了，神经网络不工作了......"？你至少需要1个人有积极的信号，即使是每月+1％。这真的会激励很多人，包括我。 请 计算误差的公式显示在表格的标题中。让我来解释一下最后一个nnet例子：204/(204+458)=30.8%，也就是说，模型总共给出了662个单位，其中204个是错误的。 在12种货币对上的结果几乎相同，即模型的性能几乎与模型和货币对无关。 这一结果的取得是由于对预测器的仔细工作，当在5000个蜡烛图文件上运行500个蜡烛图窗口时，其预测能力变化很小。变化在5%以内。 PS。 我还不能展示测试器--它被卡在应用测试器的文件超过1000条。 Aleksey Vyazmikin 2018.07.06 10:26 #10028 米哈伊尔-赫里斯托夫。 我已经从一些人那里买了一个非网络。我正在建立一个类似于sigmoid的网络。我已经在M15上测试了3年。在过去的半年里，我根本没有测试过它，以了解它可能如何运作。我设置了它，在测试器中一切都很好。我在真实的报价上进行了测试，我已经失去了一切。我是红色的。我已经在不同的经纪人那里试过了。在阅读了该主题后，根据我的理解，神经网络在市场上不起作用？你是如何买到一只捅破的猫的？我很抱歉。 Mikhail Khlestov 2018.07.06 11:09 #10029 阿列克谢-维亚兹米 金。你是如何买到一只捅破的猫的？我很遗憾听到这个消息。我曾经从他们那里购买过另一种产品，没有任何问题。但在这里，它开始了。 СанСаныч Фоменко 2018.07.06 11:26 #10030 阿列克谢-维亚兹米 金。你是如何买到一只捅破的猫的？我很抱歉。这都是合法的：不给糖就捣蛋的人必然会受到惩罚。始终如此。 1...99699799899910001001100210031004100510061007100810091010...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
嗨，Misha!
是的，现在是时候重新思考神经网络人的所有努力和他们仅对工具本身的微弱希望了。如果没有准备好输入数据，任何东西都无济于事--无论是森林还是大草原。
是的--没有竞争，就有问题，就有普遍的愚民化。
如果你知道如何准备数据，就去吧。人类会感谢你。
就我而言，我建议看一下欧元兑美元1.5天的图表。
在底部的图表上。
左边的是滑动时间窗口中的实际刻度数=4小时
在右边--这个过程的增量和分散性。
正如你所看到的，事实上方差与滑动窗口中的tick报价的数量直接相关。
有理由认为，当增加滑动窗口的维度时（例如，增加到1天），右侧的过程方差将几乎为常数。
有条件地，这样的过程可以被认为是静止的，神经网络工具可以应用于它。
亚历山大，你的问题是你把科蒂尔看成一个不稳定的BP，仅此而已。我已经告诉过你了。试着参加针对在银行工作的交易员的cfr1.0证书考试（我可能弄错了名字）。你会对市场总体上的多样性感到惊讶。有一件事你不能用历史数据做，那就是....。
米沙，我不是在争论--我可能在某些方面是错的。但是，我在这个分支中看到了流派的真正危机。
我手中有一个很酷的东西--VisSim的NeuralNet包--我甚至不敢去碰它，因为我看到，非常聪明的人在这里什么都做不了。
如果在我的部门，我知道一些关于扩散过程的知识，在这里，我仍然要阅读和学习。有什么可学的？那 "一切都过去了，神经网络不工作了......"？你至少需要1个人有积极的信号，即使是每月+1％。这真的会激励很多人，也包括我。
.
如果在我自己的部门，在扩散过程中，我知道一两件事，在这里我必须阅读和学习。有什么可学的？那 "一切都过去了，神经网络不工作了......"？你至少需要1个人有积极的信号，即使是每月+1％。这真的会激励很多人，包括我。
请
计算误差的公式显示在表格的标题中。让我来解释一下最后一个nnet例子：204/(204+458)=30.8%，也就是说，模型总共给出了662个单位，其中204个是错误的。
在12种货币对上的结果几乎相同，即模型的性能几乎与模型和货币对无关。
这一结果的取得是由于对预测器的仔细工作，当在5000个蜡烛图文件上运行500个蜡烛图窗口时，其预测能力变化很小。变化在5%以内。
PS。
我还不能展示测试器--它被卡在应用测试器的文件超过1000条。
我已经从一些人那里买了一个非网络。我正在建立一个类似于sigmoid的网络。我已经在M15上测试了3年。在过去的半年里，我根本没有测试过它，以了解它可能如何运作。我设置了它，在测试器中一切都很好。我在真实的报价上进行了测试，我已经失去了一切。我是红色的。我已经在不同的经纪人那里试过了。在阅读了该主题后，根据我的理解，神经网络在市场上不起作用？
你是如何买到一只捅破的猫的？我很抱歉。
你是如何买到一只捅破的猫的？我很遗憾听到这个消息。
我曾经从他们那里购买过另一种产品，没有任何问题。但在这里，它开始了。
你是如何买到一只捅破的猫的？我很抱歉。
这都是合法的：不给糖就捣蛋的人必然会受到惩罚。始终如此。