交易中的机器学习:理论、模型、实践和算法交易 - 页 1240 1...123312341235123612371238123912401241124212431244124512461247...3399 新评论 forexman77 2018.12.26 21:20 #12391 马克西姆-德米特里耶夫斯基。我们不是为了钱,而是为了想法。)钱可以通过更微不足道的手段来赚。是的,这个想法有什么意义。嗯,有机器学习,但奇迹不会发生,它只是一个更复杂的指标,仅此而已。 我想交易一些股票、期货,但我需要更多的钱,这意味着,它不适合我。 我不知道如何使用这些指标,它们可能属于不同的交易类型。 Maxim Dmitrievsky 2018.12.26 21:22 #12392 forexman77:是的,这个想法有什么意义。嗯,有机器学习,但没有奇迹,它只是一个更复杂的指标,仅此而已。 好吧,或股票交易,或期货交易,但我需要更多的钱在那里,所以它不适合我。 我有很多神经和力量,而输出的东西就像蚊子的肉。我必须让我的屁股保持温暖,然后受苦......或者在这块场地上寻找出租车 forexman77 2018.12.26 21:24 #12393 为了使它更简短,想象一下外汇是一座你必须要爬的山。但是,它实际上是一座光滑的山,没有什么可依附的。 而对MO的改进1-2%几乎没有任何作用,那里没有预测因素,只有噪音和所有的东西,剩下的就是再训练,没有别的。 Forester 2018.12.26 21:26 #12394 Maxim Dmitrievsky: 简而言之,在alglib分类错误和logloss...logloss一点意义都没有,在训练样本>0.8和oob 0.2的情况下,森林的分类误差下降到零。这就是为什么我采取了一个小的训练样本,以获得某种误差,但它仍然很小。我不知道如何与Python的比较。 更像是再培训...树可以完全记住输入数据。R可以减少,而且Algibe中似乎没有其他可以调整的地方。例如,在xgboost 中,你可以限制树的深度。 这就是为什么我起初没有使用它们,而改用网格。但电网也有自己的问题。 Maxim Dmitrievsky 2018.12.26 21:28 #12395 Vizard_。幽默风趣...马克西姆卡,这就是为什么他在发呆))))。我没有写任何东西。简而言之--logloss是一种惩罚。用akuarisi改,很容易解释,这就是为什么要用它。 Logloss mona,然后弯曲一点,如果幸运的话,再来几个百分点,就可以把它挤出来了。给Fa看的,R.A.有一本圣经。 我总是忘记一半,然后在一年后惊讶地发现同样的事情。重新计算:)在alglib中有一些废话,不像在严肃的lib中,森林是自制的。 Forester 2018.12.26 21:29 #12396 Vizard_。幽默风趣...马克西姆卡,这就是为什么他在发呆))))。我没有写任何东西。简而言之--logloss是一种惩罚。它很容易解释,这就是为什么它被使用。 Logloss mona然后弯曲一点,更多的百分比对,如果你幸运地挤出来的准确性。我给Fa看了,R里有一本圣经......algib里有什么,我不知道你的设置是怎么回事...... 拨浪鼓上的贪婪... Alglib-e只有r用于正则化。 forexman77 2018.12.26 21:29 #12397 我认为你根本不能把acuracu应用于市场,那里的阶层从一开始就不平衡。 如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。最好是看一下混淆矩阵,它显示了类别的划分情况。 Maxim Dmitrievsky 2018.12.26 21:31 #12398 elibrarius。 更像是过度训练...另一方面,Treynes可以完全记住输入数据。R可以减少,而且Alglib中似乎没有其他可以调整的地方。例如,在xgboost中,你可以限制树的深度。 这就是为什么我起初没有使用它们,而改用网格。但电网也有自己的问题。只有树的数量和r是的,如果r大于0.6,几乎总是在托盘上有一个分类错误0.0 :)))在测试中可能有变化,通常在0.5左右。 Forester 2018.12.26 21:33 #12399 forexman77:我认为你根本不能将acuracu应用于市场,那里的阶层从一开始就不平衡。 如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。我宁愿看到混乱矩阵,它具体显示了阶级是如何划分的。 我也不太理解 "准确性"。错误矩阵或分类错误比较清楚,我把它显示在我的屏幕上。 Maxim Dmitrievsky 2018.12.26 21:35 #12400 Vizard_: Nspesh在python中也可以尝试不同的。例如,Cat Boost,即使开箱也没有什么优惠+它在一排吃所有的东西+有一个带圆点的可视器(在切割没有真正改善的时候把它打开)等等......已经安装好了,明天我就试试,还有GBM,也许还有LightGbm...xgboost的设置很繁琐,要花很长时间才能搞清楚。 1...123312341235123612371238123912401241124212431244124512461247...3399 新评论 原因: 取消 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
我们不是为了钱,而是为了想法。)钱可以通过更微不足道的手段来赚。
是的,这个想法有什么意义。嗯,有机器学习,但奇迹不会发生,它只是一个更复杂的指标,仅此而已。
我想交易一些股票、期货,但我需要更多的钱,这意味着,它不适合我。
我不知道如何使用这些指标,它们可能属于不同的交易类型。
是的,这个想法有什么意义。嗯,有机器学习,但没有奇迹,它只是一个更复杂的指标,仅此而已。
好吧,或股票交易,或期货交易,但我需要更多的钱在那里,所以它不适合我。
我有很多神经和力量,而输出的东西就像蚊子的肉。
我必须让我的屁股保持温暖,然后受苦......或者在这块场地上寻找出租车
为了使它更简短,想象一下外汇是一座你必须要爬的山。但是,它实际上是一座光滑的山,没有什么可依附的。
而对MO的改进1-2%几乎没有任何作用,那里没有预测因素,只有噪音和所有的东西,剩下的就是再训练,没有别的。
简而言之,在alglib分类错误和logloss...logloss一点意义都没有,在训练样本>0.8和oob 0.2的情况下,森林的分类误差下降到零。
这就是为什么我采取了一个小的训练样本,以获得某种误差,但它仍然很小。我不知道如何与Python的比较。
这就是为什么我起初没有使用它们,而改用网格。但电网也有自己的问题。
幽默风趣...马克西姆卡,这就是为什么他在发呆))))。我没有写任何东西。简而言之--logloss是一种惩罚。用akuarisi改,很容易解释,这就是为什么要用它。
Logloss mona,然后弯曲一点,如果幸运的话,再来几个百分点,就可以把它挤出来了。给Fa看的,R.A.有一本圣经。
我总是忘记一半,然后在一年后惊讶地发现同样的事情。重新计算:)在alglib中有一些废话,不像在严肃的lib中,森林是自制的。
幽默风趣...马克西姆卡,这就是为什么他在发呆))))。我没有写任何东西。简而言之--logloss是一种惩罚。它很容易解释,这就是为什么它被使用。
Logloss mona然后弯曲一点,更多的百分比对,如果你幸运地挤出来的准确性。我给Fa看了,R里有一本圣经......algib里有什么,我不知道你的设置是怎么回事......
拨浪鼓上的贪婪...
我认为你根本不能把acuracu应用于市场,那里的阶层从一开始就不平衡。
如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。最好是看一下混淆矩阵,它显示了类别的划分情况。
更像是过度训练...另一方面,Treynes可以完全记住输入数据。R可以减少,而且Alglib中似乎没有其他可以调整的地方。例如,在xgboost中,你可以限制树的深度。
这就是为什么我起初没有使用它们,而改用网格。但电网也有自己的问题。
只有树的数量和r是的,如果r大于0.6,几乎总是在托盘上有一个分类错误0.0 :)))在测试中可能有变化,通常在0.5左右。
我认为你根本不能将acuracu应用于市场,那里的阶层从一开始就不平衡。
如果你有阿库拉修100%的东西都会飞到多数人的阶层是最差的尺度。我宁愿看到混乱矩阵,它具体显示了阶级是如何划分的。
Nspesh在python中也可以尝试不同的。例如,Cat Boost,即使开箱也没有什么优惠+它在一排吃所有的东西+有一个带圆点的可视器(在切割没有真正改善的时候把它打开)等等......
已经安装好了,明天我就试试,还有GBM,也许还有LightGbm...xgboost的设置很繁琐,要花很长时间才能搞清楚。