交易中的机器学习：理论、模型、实践和算法交易 - 页 110 1...103104105106107108109110111112113114115116117...3399 新评论 mytarmailS 2016.08.17 08:48 #1091 尤里-雷舍托夫。jPrediction中的组合 "爆炸 "问题不是通过翻阅所有可能的组合来解决的，而是通过顺序搜索法。该方法的实质如下。假设我们通过尝试所有可能的N个和更少的预测因子的组合，找到了一些包含N个预测因子的组合，具有最大的普遍性。我们需要给它添加N+1个预测器。为此，我们将样本中未包括在组合中的所有预测因子逐一加入，并测量其概括能力。如果在这样的搜索过程中，我们找到了N+1个预测器的组合，其概括能力高于N个预测器的最佳组合，我们可以用同样的方法找到N+2个预测器的组合。如果他们没有找到，那么很明显，再找下去就没有意义了，尝试组合的算法在N个预测器的最佳组合上停止了。因此，与充分尝试所有可能的组合相比，为模型搜索预测器组合的算法停止得更早。由于搜索从少量的预测器开始，并朝着增加预测器数量的方向发展，因此还可以节省计算资源。而且，我们需要用于训练的预测器越少，我们建立模型所需的时间和计算能力就越少。嗨，Yuri !有问题））关于顺序搜索...假设我们有10个预测因子1,2, 3,4, 5, 6, 7, 8, 9, 10绿色 组是表现出最佳概括能力的预测器组；其他预测器N+1将被添加到该组中。红色 组，是比绿色组 稍差的一组，它 将不参加测试，所有的测试都集中在绿色 组上。问题：如果在用其他N+1个预测器逐一进行所有试验后，发现在最终结果中，红色组的概括能力更强，这是否也很现实，还是我误解了什么 ????请解释 mytarmailS 2016.08.17 08:50 #1092 桑桑尼茨-弗门科。除了一个小问题外，一切都很好：没有与其他模型进行比较。比较。 我支持...只需将报价作为数据，而不是一些鸢尾花。 Mihail Marchukajtes 2016.08.17 09:03 #1093 桑桑尼茨-弗门科。除了一个小问题外，一切都很好：没有与其他模型进行比较。我提供我的服务以进行比较1.你准备一个包含预测因子和目标变量的输入Excel文件2.你来计算一下3.你把输入文件发给我。4.我使用Randomforest, ada, SVM进行计算。 我们进行比较。不需要走远，这里有外汇市场行情的文件，用reshetov预测器训练时的平均概括能力为70%至80%。Nusssss......等待你的结果。P.s.将文件重命名 为csv 附加的文件： 1bj8_qxs8yoq.txt 20 kb СанСаныч Фоменко 2016.08.17 10:10 #1094 Mihail Marchukajtes:不需要走远，这里有一个外汇报价的文件，用雷舍托夫的预测器训练时，平均概括能力为70%至80%。Wellsssss......等待你的结果。P.s.将文件重命名 为ksv难道不能打包吗？难道不可能看到结果吗？事实上，训练中的概括性是关于什么的。 СанСаныч Фоменко 2016.08.17 10:11 #1095 mytarmailS: 附议：...只是把报价作为数据，而不是一些鸢尾花。 令人感兴趣的是两个带有算法结果的Reshetov文件 mytarmailS 2016.08.17 10:12 #1096 桑桑尼茨-弗门科。难道不能打包吗？我们不能看到结果吗？其实学习中的普适性是关于什么的。我非常同意。 mytarmailS 2016.08.17 10:17 #1097 Mihail Marchukajtes:不需要走远，这里有一个外汇报价的文件，用雷舍托夫的预测器训练时，平均概括能力为70%至80%。Wellsssss......等待你的结果。P.s.将文件重命名 为csv那是什么？"71项观察"？你是如何检查总容量的？ Mihail Marchukajtes 2016.08.17 10:21 #1098 mytarmailS:那是什么？"71项观察"？你是如何检查总容量的？ 而你还想在5年内遏制市场上的分??????。这71个观察结果，在5分钟内的两个星期的交易，如果有什么......。而且只买。因此，去吧.....还是你泄气了？ СанСаныч Фоменко 2016.08.17 10:31 #1099 Mihail Marchukajtes: 而你却一直试图在5年内遏制市场的分量??????。这71个观察结果，在5分钟内的两个星期的交易中，如果有什么......。而且只买。因此，去吧.....还是你泄气了？说话没有欧洲人的礼貌，你写的是完全的废话......给出正常的两个文件，每个文件至少有500个观察值，以及程序结果。 Dr. Trader 2016.08.17 10:32 #1100 Mihail Marchukajtes:使用雷舍托夫预测器学习的平均概括能力为70%至80%。正如我之前所说，这个指标是无用的。数据被随机分为两个大致相等的部分，然后只对第一部分进行模型训练，并同时对两部分进行测试。通用性~75%意味着模型在最后能正确预测档案中所有例子的75%。 该模型如何达到75%，有几个变种。 1）模型在用于训练的数据上被训练到100%的准确度，而在文件的第二部分的新数据上完全失败，它得到了50%的准确度（与掷硬币相同）。平均数将正好是75%。这是一个非常糟糕的发展，在交易中也会很糟糕。 2）模型在训练数据上被训练到75%的准确率，它在测试数据上显示出同样的75%，这又是平均75%。在这种情况下，这是最好的情况，有机会赢得一些东西。 3）这两者之间的任何中间选项。你的版本可能更接近于第一个版本。你必须大量依赖运气才能有这样的交易结果，我猜你还没有损失你的存款，只是多亏了作为你主要信号的指标（sequent，或其他）。我认为基于这一个指标的专家顾问将给你带来与指标+jPrediction相同的结果。 1...103104105106107108109110111112113114115116117...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
jPrediction中的组合 "爆炸 "问题不是通过翻阅所有可能的组合来解决的，而是通过顺序搜索法。该方法的实质如下。
假设我们通过尝试所有可能的N个和更少的预测因子的组合，找到了一些包含N个预测因子的组合，具有最大的普遍性。我们需要给它添加N+1个预测器。为此，我们将样本中未包括在组合中的所有预测因子逐一加入，并测量其概括能力。如果在这样的搜索过程中，我们找到了N+1个预测器的组合，其概括能力高于N个预测器的最佳组合，我们可以用同样的方法找到N+2个预测器的组合。如果他们没有找到，那么很明显，再找下去就没有意义了，尝试组合的算法在N个预测器的最佳组合上停止了。因此，与充分尝试所有可能的组合相比，为模型搜索预测器组合的算法停止得更早。由于搜索从少量的预测器开始，并朝着增加预测器数量的方向发展，因此还可以节省计算资源。而且，我们需要用于训练的预测器越少，我们建立模型所需的时间和计算能力就越少。
嗨，Yuri !
有问题））关于顺序搜索...
假设我们有10个预测因子
1,2, 3,4, 5, 6, 7, 8, 9, 10
绿色 组是表现出最佳概括能力的预测器组；其他预测器N+1将被添加到该组中。
红色 组，是比绿色组 稍差的一组，它 将不参加测试，所有的测试都集中在绿色 组上。
问题：如果在用其他N+1个预测器逐一进行所有试验后，发现在最终结果中，红色组的概括能力更强，这是否也很现实，还是我误解了什么 ????请解释
除了一个小问题外，一切都很好：没有与其他模型进行比较。
比较。
除了一个小问题外，一切都很好：没有与其他模型进行比较。
我提供我的服务以进行比较
1.你准备一个包含预测因子和目标变量的输入Excel文件
2.你来计算一下
3.你把输入文件发给我。
4.我使用Randomforest, ada, SVM进行计算。
我们进行比较。
不需要走远，这里有外汇市场行情的文件，用reshetov预测器训练时的平均概括能力为70%至80%。Nusssss......等待你的结果。
P.s.将文件重命名 为csv
不需要走远，这里有一个外汇报价的文件，用雷舍托夫的预测器训练时，平均概括能力为70%至80%。Wellsssss......等待你的结果。
P.s.将文件重命名 为ksv
难道不能打包吗？
难道不可能看到结果吗？事实上，训练中的概括性是关于什么的。
附议：...只是把报价作为数据，而不是一些鸢尾花。
难道不能打包吗？
我们不能看到结果吗？其实学习中的普适性是关于什么的。
我非常同意。
不需要走远，这里有一个外汇报价的文件，用雷舍托夫的预测器训练时，平均概括能力为70%至80%。Wellsssss......等待你的结果。
P.s.将文件重命名 为csv
那是什么？"71项观察"？
你是如何检查总容量的？
那是什么？"71项观察"？
你是如何检查总容量的？
而你却一直试图在5年内遏制市场的分量??????。这71个观察结果，在5分钟内的两个星期的交易中，如果有什么......。而且只买。因此，去吧.....还是你泄气了？
说话没有欧洲人的礼貌，你写的是完全的废话......
给出正常的两个文件，每个文件至少有500个观察值，以及程序结果。
使用雷舍托夫预测器学习的平均概括能力为70%至80%。
正如我之前所说，这个指标是无用的。
数据被随机分为两个大致相等的部分，然后只对第一部分进行模型训练，并同时对两部分进行测试。通用性~75%意味着模型在最后能正确预测档案中所有例子的75%。
该模型如何达到75%，有几个变种。
1）模型在用于训练的数据上被训练到100%的准确度，而在文件的第二部分的新数据上完全失败，它得到了50%的准确度（与掷硬币相同）。平均数将正好是75%。这是一个非常糟糕的发展，在交易中也会很糟糕。
2）模型在训练数据上被训练到75%的准确率，它在测试数据上显示出同样的75%，这又是平均75%。在这种情况下，这是最好的情况，有机会赢得一些东西。
3）这两者之间的任何中间选项。
你的版本可能更接近于第一个版本。你必须大量依赖运气才能有这样的交易结果，我猜你还没有损失你的存款，只是多亏了作为你主要信号的指标（sequent，或其他）。我认为基于这一个指标的专家顾问将给你带来与指标+jPrediction相同的结果。