Метод Группового Учета Аргументов применяется в самых различных областях для анализа данных и отыскания знаний, прогнозирования и моделирования систем, оптимизации и распознавания образов. Индуктивные алгоритмы МГУА дают уникальную возможность автоматически находить взаимозависимости в данных, выбрать оптимальную структуру модели или сети, и...
只是提醒一下，Aleshenka和Koldun（似乎是这里唯一一个在神经网络上有任何成功交易的人）。
有什么证据吗？
Alexander_K:
准备输入数据的时间非常长。
这是一种标准，即使是MO的初学者也会说 "输入的垃圾就是输出的垃圾"。
我故意用我的帖子激起他们的反馈:)))唉，保持这个秘密...
)))搞笑
你有什么证据吗？
他们几乎总是删除他们的帖子，你只需要在网上与他们沟通。
他们几乎总是删除他们的帖子，你只需要在网上与他们沟通。
啊，好吧，那就说得通了......。
他们几乎总是删除他们的帖子，你只需要在网上与他们沟通。
他们删除了自己的帖子，以免自己难堪），而你却保持着对他们的迷思
他们删除它们，这样他们就不会为难自己），而你则维持着关于它们的神话。
也许是这样，麦克斯--没有争论 :))
雷舍托夫呢？嗯，是的，他对MSUA很熟悉，他说过一次。
在我看来，列举预测因子、创建模型，然后从复杂度越来越高的模型中创建模型，这个想法非常正确。
但是，也许不寻找预测因素，而是在环境或其他方面寻找交易系统解决方案是个错误......
我认为把模型建立在彼此之上，堆叠或其他的东西，这太过分了。因为如果他们真的学的是垃圾，那就没有帮助，这只是一些零星的进步，毫无意义。
没有错误，只是没有一致的模式 )
顺便说一下，在摆弄雷舍托夫的软件时，无论是从程序库的子目录名称，还是从我遇到的上
http://www.gmdh.net/gmdh.htm
所以它一定是一样的。那里只有Java中的libs和他的程序。
然后他有一个串联的2个分类器--SVM和MLP，它们在转化的特征上反复训练。这就是为什么一切都需要这么长时间才能发挥作用。
但是，把模型建立在彼此之上，进行堆叠或其他什么，我认为是矫枉过正。因为如果他们真的在学习垃圾，那就没有帮助，只是一些零星的进步，毫无意义。
不要从更原始的东西中制造更复杂的东西，这是一个自然的原则，我们从精子中衍生出来））或者从一个想法中衍生出来，如果你看得更远的话）。而现在我们都长大了)
因此，将模型复杂化并无不妥，此外，通过外部和内部标准检查复杂化，测量样本内部和外部的误差，如果误差随着复杂化而增加，则算法停止......。我还没有使用它，但这个方法非常吸引我。
不是从更原始的东西中制造出更复杂的东西，这是自然界本身的原则，我们是精子的后代））或者如果你看得更远，是思想的后代）。
因此，使模型复杂化并无不妥，此外，复杂化是通过外部和内部标准来检查的，即测量样本内部和外部的误差......总之，我自己没有应用，但这个方法非常吸引我。
我们采用一个通常的属性矩阵，在每次迭代中，我们从所有属性中添加一个新的复合属性，重新训练，通过科尔莫戈罗夫多项式将这个属性改为更复杂的属性，重新训练五次......直到误差下降。
但在实践中，这不会发生在嘈杂的数据上。
如果错误仍然很严重，就把所有这些多项式符号拿出来，用它们来创造新的符号：）但你需要一个非常快的神经网络或线性模型，否则你将不得不等待一年。
或者更简单--采用核化 SVM或深度NN，得到同样的结果（通过简单地在神经网络中增加层数，你可以得到与转化性状完全相同的结果），即奇迹发生。
它说GMDH是深度NN的第一个模拟物
我们采用一个普通的属性矩阵，在每次迭代中，我们从所有的属性中添加一个新的复合属性，重新训练，通过科尔莫戈罗夫多项式将这个属性改为更复杂的属性，重新训练五次......直到误差下降。
但在实践中，这不会发生在嘈杂的数据上。
如果错误仍然很严重，就把所有这些多项式符号拿出来，用它们来创造新的符号：）但你需要一个非常快的神经网络或线性模型，否则你将不得不等待一年。
或者更简单--采用核化 SVM或深度NN，得到同样的结果（通过简单地在神经网络中增加层数，你可以得到与转化性状完全相同的结果），即奇迹发生。
它说，GMDH是深层NN的第一个模拟物
也许是这样，我不争论，也许不是）））我只想补充一点，那个使用GMDH的超级机器人的交易员没有使用多项式，而是使用了傅里叶级数（谐波），我们知道傅里叶频谱分析不适用于金融市场，因为它是为周期性函数设计的，但尽管如此，它还是起作用了，而且是类似的）所以我不知道，我应该尝试一切。
但它却对这个人起了作用，而且是如何起作用的。
故事是否有续集？
我观察到，如果一个交易系统只给出积极的结果，那么就会有永久性的损失--我们谈论的是有固定手数和止损的TS。