交易中的机器学习：理论、模型、实践和算法交易 - 页 1118 1...111111121113111411151116111711181119112011211122112311241125...3399 新评论 Mihail Marchukajtes 2018.10.18 20:53 #11171 Vizard_。像往常一样--没有什么可谈的））））。哦，来吧。你需要多少数据来估计它们？ Mihail Marchukajtes 2018.10.18 21:01 #11172 Vizard_。我什么都不需要，至少给我 2-3千的观察。 日期, 原始, 加工, 目标不幸的是，你在一生中无法找到那么多。然后，该模型能工作多久？永远？ Yuriy Asaulenko 2018.10.18 21:04 #11173 Vizard_。我不需要什么。给我吧，至少2-3千的观察。 日期，原始，加工，目标。他有人工智能，这个人也会在50岁之前学会。你的做法就是软弱。 Mihail Marchukajtes 2018.10.18 21:04 #11174 因此，我正在等待网络对新数据的工作，否则我不会再发表任何东西 :-( Mihail Marchukajtes 2018.10.18 21:16 #11175 尤里-阿索连科。他有人工智能，这个人也会在50岁之前学会。你的人工智能就是弱。正是如此。我不需要国家统计局在这样的培训后工作一年。如果效果很好，至少有同样的50分，这将是训练期的100%，这将被视为成功。而把成千上万的线条塞进它，用垃圾和不必要的数据填满它的脑袋有什么意义呢???? [删除] 2018.10.18 21:18 #11176 有趣的是，米沙尼的优化器善于从小样本中恢复依赖性，这其实是他的强项。书中是这么说的。而他用取代他大脑的东西依稀捕捉到了它。 另一件事是，无论如何，你必须在一个大的试验地进行测试。 Yuriy Asaulenko 2018.10.18 21:18 #11177 Mihail Marchukajtes:而将数千行的内容塞给它，用垃圾和不必要的数据填满它的脑袋，????，又有什么意义？这时国家统计局会对一些东西进行分类。如果有可能的话，至少它将尝试归纳出一些东西。 Mihail Marchukajtes 2018.10.18 21:27 #11178 尤里-阿索连科。这时，国家统计局会对一些东西进行分类。如果可能的话，至少它将尝试归纳一些东西。如果该地区是有限的和静态的，这是正确的，但在我们的案例中，它是无限的和非平稳的，所以增加样本会导致训练质量下降，结果是模型在新数据上工作得很差。 在其他条件相同的情况下，要在市场上获利，盈利交易的百分比值必须超过75%，而不能低于75%。这就是损益相等的条件。你在1000个数据上训练网络，学习结果是60%，作为一个例子。使用这样的模型有什么意义呢，如果它的训练效果不好，????。我相信你不可能在大面积上获得好的结果。我说的是通用模型，而不是重新训练的模型...IMHO Mihail Marchukajtes 2018.10.18 22:10 #11179 那么，底线是什么？ 你们怎么说？还是数据太好，没有什么可说的？ Mihail Marchukajtes 2018.10.18 22:19 #11180 Vizard_。趋势=100k线。在剩下的（测试）中，你要应用该模型。 该指标为对数损失。结果。趋势 =......测试 =......。我从你的文件中提取了前1--行，并进行了训练。如果结果比我的高40个实例，我将认为你的数据比我的好。现在让我们来看看... 1...111111121113111411151116111711181119112011211122112311241125...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
像往常一样--没有什么可谈的））））。
哦，来吧。你需要多少数据来估计它们？
我什么都不需要，至少给我 2-3千的观察。
日期, 原始, 加工, 目标
不幸的是，你在一生中无法找到那么多。然后，该模型能工作多久？永远？
我不需要什么。给我吧，至少2-3千的观察。
日期，原始，加工，目标。
他有人工智能，这个人也会在50岁之前学会。你的做法就是软弱。
他有人工智能，这个人也会在50岁之前学会。你的人工智能就是弱。
正是如此。我不需要国家统计局在这样的培训后工作一年。如果效果很好，至少有同样的50分，这将是训练期的100%，这将被视为成功。而把成千上万的线条塞进它，用垃圾和不必要的数据填满它的脑袋有什么意义呢????
有趣的是，米沙尼的优化器善于从小样本中恢复依赖性，这其实是他的强项。书中是这么说的。而他用取代他大脑的东西依稀捕捉到了它。
另一件事是，无论如何，你必须在一个大的试验地进行测试。
而将数千行的内容塞给它，用垃圾和不必要的数据填满它的脑袋，????，又有什么意义？
这时国家统计局会对一些东西进行分类。如果有可能的话，至少它将尝试归纳出一些东西。
这时，国家统计局会对一些东西进行分类。如果可能的话，至少它将尝试归纳一些东西。
如果该地区是有限的和静态的，这是正确的，但在我们的案例中，它是无限的和非平稳的，所以增加样本会导致训练质量下降，结果是模型在新数据上工作得很差。
在其他条件相同的情况下，要在市场上获利，盈利交易的百分比值必须超过75%，而不能低于75%。这就是损益相等的条件。你在1000个数据上训练网络，学习结果是60%，作为一个例子。使用这样的模型有什么意义呢，如果它的训练效果不好，????。我相信你不可能在大面积上获得好的结果。我说的是通用模型，而不是重新训练的模型...IMHO
趋势=100k线。在剩下的（测试）中，你要应用该模型。
该指标为对数损失。结果。趋势 =......测试 =......。
我从你的文件中提取了前1--行，并进行了训练。如果结果比我的高40个实例，我将认为你的数据比我的好。现在让我们来看看...