交易中的机器学习：理论、模型、实践和算法交易 - 页 1132

[mytarmailS]

而这里是我需要对一个平面进行算法的内容

Flots根本不是基于价格，而是基于不同的功能......

这里实现了矩形的绘制，所以信号从矩形的最开始就有效，而不是像前面的例子那样在最后有效。

该图有Pd和Sp的水平。红者买，绿者卖

我们得到了一个停止，但它只是一个合成时间框架的一个切口。

根据我的理解，Bp和SP是超买和超卖区。

我使用神经网络来寻找超买和超卖。

[mytarmailS]

马克西姆-德米特里耶夫斯基。

该死的人，让我们讨论一下正常的系统，嗯，有客观的模式

任意两个相关的工具并建立一个模型

套利？

[mytarmailS]

马克西姆-德米特里耶夫斯基。

或者说是蒸蒸日上的。

MO在哪里？

[Renat Akhtyamov]

mytarmailS:

国防部在哪里？

http://sun.tsu.ru/mminfo/2016/Dombrovski/book/chapter-2/chapter-2.htm

[Maxim Dmitrievsky]

有谁在LR中使用过留样的CV？ 它是否取代了单独的验证抽样？我想Vizard是唯一使用过它的人 :)

最好把交叉验证看作是估计由特定程序生成的模型的泛化性能的一种方式，而不是模型本身。留一交叉验证本质上是对一个在n-1个数据样本上训练的模型的泛化性能的估计，这通常是对一个在n个样本上训练的模型的性能的略微悲观的估计。

与其选择一个模型，不如对所有的数据进行模型拟合，并使用LOOC-CV对该模型的性能进行稍微保守的估计。

但是请注意，LOOCV有一个很高的方差（如果你使用不同的随机数据样本，你将得到的数值会有很大的不同），这往往使它成为性能评估的一个糟糕的估计器选择，尽管它是近似无偏 的。我一直用它来选择模型，但实际上只是因为它很便宜（对于我正在研究的内核 模型来说几乎是免费的）。

"缺点和优点。只要有一个这样的估计器，就可以加快模型选择的速度了

[Maxim Dmitrievsky]

发布了最新版本的库 和一个测试案例

[Igor Makanu]

马克西姆-德米特里耶夫斯基。
发布了最新版本的库 和一个测试案例

离新年似乎还有很长的路要走，还有这样的礼物!

[Renat Akhtyamov]

mytarmailS:

仲裁？

这里

https://www.mql5.com/ru/forum/140716/page382

并进一步

仅仅是诱导者的一句话，你在其他地方是找不到的

[mytarmailS]

雷纳特-阿赫蒂亚莫夫。

只是火鸡的一句话，你在其他地方找不到。

以及它在哪里？

[pantural]

马克西姆-德米特里耶夫斯基。
发布了最新版本的库 和一个测试案例

非常酷!谢谢你。令人印象深刻的结果:)