交易中的机器学习：理论、模型、实践和算法交易 - 页 1274 1...126712681269127012711272127312741275127612771278127912801281...3399 新评论 Farkhat Guzairov 2019.01.26 22:19 #12731 阿列克谢-维亚兹米 金。同样，我不明白关于 "你个人做了什么结果 "的问题--展开来说，什么是结果，我个人要做什么？如果我们谈论的是我对MoD的应用，那么是的，我正在以多种方式研究这个问题（模型创建、选择、应用）--我已经在这里写了很多关于我的成就。也就是说，你已经在应用你在这里所表达的内容了（没有读完所有的内容，因为它只是不现实的1200页）。如果你有100500个信号，也许其中一个是真的。 Aleksey Vyazmikin 2019.01.26 22:19 #12732 法尔哈特-古扎罗夫。所以到了下一场比赛，这种非标准行为就已经被机器人打败了，很明显，目前人类可以通过非标准行为胜过人工智能，但只要人工智能 "说 "出 "为什么会是...."，人类就会很难办。如果这个把戏作为一种战斗手段不断重复，那么是的，它会有所作为，但除此之外，它只是一个普通的异常值，模型不应该对此作出充分的反应。 Aleksey Vyazmikin 2019.01.26 22:28 #12733 法尔哈特-古扎罗夫。也就是说，你已经从这里发出的声音中应用了什么（我没有阅读所有的内容，因为它只是不现实的1200页）。你能不能给我一个链接，你在哪里使用这个，你有100500个信号，可能其中一个就是这个。我使用CatBoost和Doc的 "魔法 "树，我在那里有自己的方法。目前只在一个真实的账户 上进行测试，这暴露了预测器的一些问题，结果我将不得不从头开始学习，从树上开始学习--这大约损失了半年的时间。Catbust烘焙模型的速度相当快，从模型的创建、选择到在交易中应用模型，一切都已经相当自动化了。Catbust对我帮助很大，特别是在MQL的模型解释器方面。如果没有发现错误，我将在春天使用真钱模型--模型将被打包使用，每个模型1批，将有两个账户--用于购买和出售。 Forester 2019.01.27 07:28 #12734 阿列克谢-维亚兹米 金。我正在使用CatBoost和Doc的 "魔法 "树，我在那里有自己的方法。目前只在一个真实的账户 上进行测试，这暴露了预测器的一些问题，结果我将不得不从头开始学习，从树上开始学习--这大约损失了半年的时间。Catbust烘焙模型的速度相当快，从模型的创建、选择到在交易中应用模型，一切都已经相当自动化了。Catbust对我帮助很大，特别是在MQL的模型解释器方面。如果在春天之前没有发现新的错误，我计划用真金白银来使用模型--模型将被分批使用，每个模型1批，将有两个账户--用于购买和出售。 博士的 "神奇 "树是什么？我在哪里可以看到细节？ Aleksey Vyazmikin 2019.01.27 11:09 #12735 elibrarius。 博士的 "神奇 "树是什么？在哪里可以看到这些细节？有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我去掉了带有群体中最佳树的根预测器的那一列，然后重新开始，看来，即使是40个这样的程序，也创造了一些非常好的叶子，所以我得出结论，最佳的数学树布局并不总是最有效的，一种信息会干扰另一种信息，这一点后来出现在同一个CatBoost中，当他们从所有样本中随机选择预测器来建立一棵树。 Maxim Dmitrievsky 2019.01.27 11:37 #12736 阿列克谢-维亚兹米 金。对了，请注意，这个人是因行动失误（点击歪了/忘了激活技能）而输的，但却能通过使用一个非标准的战术动作而获胜--通过降落在对方基地的后方不断分散对手的注意力，这迫使他部署部队攻击这个人的基地，这让这个人有时间将他的单位发展到更高水平，结果他可以对对手造成重大伤害并赢得比赛。 这也是出乎意料的钉子和假的proboys如何分散交易者对目标的注意力。请注意，这是由于粗略地转换为滑动窗口，程序被窗口混淆了，这是一个技术问题。 之前，这样的滴水不漏，以一种时代精神击退了。 应仔细观看片段 Forester 2019.01.27 11:41 #12737 阿列克谢-维亚兹米 金。有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我删除了带有最佳群体树的根预测器的那一列，然后重新开始，看起来，即使在40个这样的程序中，有时也会产生非常好的叶子，所以我得出的结论是，最佳数学树并不总是最有效的，一种信息会干扰另一种信息，后来在同一个CatBoost中，当从所有样本中随机选择预测器来建立一棵树时，出现了这种干扰。 请附上代码（或发给ls），这很有意思。也许会有新的东西被发现。 顺便说一下，Alglib使用随机的预测器集（默认为总数量的50%）来选择每个节点的分区。这似乎是随机森林的创造者们的标准方法。其结果是各种各样的树木。 但很难找到最好的，因为最终误差的差异不超过1%。也就是说，所有的树都得出了大致相同的结果，但是在一棵树上，对于一个预测器来说，早些时候有一个分裂，而在另一棵树上，对于同一个预测器来说，则是晚些时候（因为早些时候它被排除在分裂的名单之外）。 一般来说，我在预测选择方面遇到了麻烦。我想通过添加1个预测器来检查100个预测器，并留下改进结果。如果你排除了40次根预测器，经过复杂的计算，可能更容易使用完全的蛮力？还是你那里有一千个预测者？ Maxim Dmitrievsky 2019.01.27 11:50 #12738 阿列克谢-维亚兹米 金。有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我删除了带有群体中最佳树的根预测器的那一列，然后重新开始，结果发现，即使在40个这样的程序中也创造了非常好的叶子，所以我得出结论，最佳的数学树布局并不总是最有效的，一种信息会干扰另一种信息，这一点后来被用于同一个CatBoost，当从所有样本中随机选择预测器来建立一棵树。事实证明，你在做无稽之谈，因为你在模仿森林和提升算法，而不是阅读理论，为什么它能发挥作用，再次。 Aleksey Vyazmikin 2019.01.27 12:01 #12739 马克西姆-德米特里耶夫斯基。请注意，这是由于粗略地转换为滑动窗口，程序把窗口弄乱了，这是一个技术问题。 在这样的滴水不漏的情况下被击退。 仔细观察这些片段。不幸的是，你没有分析你收到的信息，关掉评论，用自己的眼睛看。 以前没有这种情况，仔细看视频。 Maxim Dmitrievsky 2019.01.27 12:04 #12740 阿列克谢-维亚兹米 金。不幸的是，你没有分析你收到的信息，关掉评论，自己去看。 以前没有这样的情况，仔细重看视频。alphastar的算法是专门为revashn改变的，从全地图视图到切片视图，他们没有做对。 你可以看到机器人在窗口之间切换的速度很慢，不知道棱镜在哪里，来回跑。 这是个错误。 我对你毫无敬意! 1...126712681269127012711272127312741275127612771278127912801281...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
同样，我不明白关于 "你个人做了什么结果 "的问题--展开来说，什么是结果，我个人要做什么？如果我们谈论的是我对MoD的应用，那么是的，我正在以多种方式研究这个问题（模型创建、选择、应用）--我已经在这里写了很多关于我的成就。
也就是说，你已经在应用你在这里所表达的内容了（没有读完所有的内容，因为它只是不现实的1200页）。如果你有100500个信号，也许其中一个是真的。
所以到了下一场比赛，这种非标准行为就已经被机器人打败了，很明显，目前人类可以通过非标准行为胜过人工智能，但只要人工智能 "说 "出 "为什么会是...."，人类就会很难办。
如果这个把戏作为一种战斗手段不断重复，那么是的，它会有所作为，但除此之外，它只是一个普通的异常值，模型不应该对此作出充分的反应。
也就是说，你已经从这里发出的声音中应用了什么（我没有阅读所有的内容，因为它只是不现实的1200页）。你能不能给我一个链接，你在哪里使用这个，你有100500个信号，可能其中一个就是这个。
我使用CatBoost和Doc的 "魔法 "树，我在那里有自己的方法。目前只在一个真实的账户 上进行测试，这暴露了预测器的一些问题，结果我将不得不从头开始学习，从树上开始学习--这大约损失了半年的时间。Catbust烘焙模型的速度相当快，从模型的创建、选择到在交易中应用模型，一切都已经相当自动化了。Catbust对我帮助很大，特别是在MQL的模型解释器方面。如果没有发现错误，我将在春天使用真钱模型--模型将被打包使用，每个模型1批，将有两个账户--用于购买和出售。
我正在使用CatBoost和Doc的 "魔法 "树，我在那里有自己的方法。目前只在一个真实的账户 上进行测试，这暴露了预测器的一些问题，结果我将不得不从头开始学习，从树上开始学习--这大约损失了半年的时间。Catbust烘焙模型的速度相当快，从模型的创建、选择到在交易中应用模型，一切都已经相当自动化了。Catbust对我帮助很大，特别是在MQL的模型解释器方面。如果在春天之前没有发现新的错误，我计划用真金白银来使用模型--模型将被分批使用，每个模型1批，将有两个账户--用于购买和出售。
博士的 "神奇 "树是什么？在哪里可以看到这些细节？
有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我去掉了带有群体中最佳树的根预测器的那一列，然后重新开始，看来，即使是40个这样的程序，也创造了一些非常好的叶子，所以我得出结论，最佳的数学树布局并不总是最有效的，一种信息会干扰另一种信息，这一点后来出现在同一个CatBoost中，当他们从所有样本中随机选择预测器来建立一棵树。
对了，请注意，这个人是因行动失误（点击歪了/忘了激活技能）而输的，但却能通过使用一个非标准的战术动作而获胜--通过降落在对方基地的后方不断分散对手的注意力，这迫使他部署部队攻击这个人的基地，这让这个人有时间将他的单位发展到更高水平，结果他可以对对手造成重大伤害并赢得比赛。
这也是出乎意料的钉子和假的proboys如何分散交易者对目标的注意力。
请注意，这是由于粗略地转换为滑动窗口，程序被窗口混淆了，这是一个技术问题。
之前，这样的滴水不漏，以一种时代精神击退了。
应仔细观看片段
有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我删除了带有最佳群体树的根预测器的那一列，然后重新开始，看起来，即使在40个这样的程序中，有时也会产生非常好的叶子，所以我得出的结论是，最佳数学树并不总是最有效的，一种信息会干扰另一种信息，后来在同一个CatBoost中，当从所有样本中随机选择预测器来建立一棵树时，出现了这种干扰。
顺便说一下，Alglib使用随机的预测器集（默认为总数量的50%）来选择每个节点的分区。这似乎是随机森林的创造者们的标准方法。其结果是各种各样的树木。
但很难找到最好的，因为最终误差的差异不超过1%。也就是说，所有的树都得出了大致相同的结果，但是在一棵树上，对于一个预测器来说，早些时候有一个分裂，而在另一棵树上，对于同一个预测器来说，则是晚些时候（因为早些时候它被排除在分裂的名单之外）。
一般来说，我在预测选择方面遇到了麻烦。我想通过添加1个预测器来检查100个预测器，并留下改进结果。如果你排除了40次根预测器，经过复杂的计算，可能更容易使用完全的蛮力？还是你那里有一千个预测者？
有一个R脚本，用遗传算法 来创建一棵树，通过熵的提高来选择世代。然后是某种最终的选择。我把所有的树木进行最终选择，并从它们身上拔出叶子，在MT5中分别进行进一步测量。该剧本没有公开发布，所以也没有详细的描述。显然，这就像从森林中选择最好的树，但有一个深度限制，以避免过度训练，好在这个过程在所有核心的最后一个样本上需要约2天，其中不是所有的酒吧，但只有信号进入，如果3年的所有酒吧，那么计算需要1.5个月有。在计算之后，我对树进行了分割，也就是说，我删除了带有群体中最佳树的根预测器的那一列，然后重新开始，结果发现，即使在40个这样的程序中也创造了非常好的叶子，所以我得出结论，最佳的数学树布局并不总是最有效的，一种信息会干扰另一种信息，这一点后来被用于同一个CatBoost，当从所有样本中随机选择预测器来建立一棵树。
事实证明，你在做无稽之谈，因为你在模仿森林和提升算法，而不是阅读理论，为什么它能发挥作用，再次。
请注意，这是由于粗略地转换为滑动窗口，程序把窗口弄乱了，这是一个技术问题。
在这样的滴水不漏的情况下被击退。
仔细观察这些片段。
不幸的是，你没有分析你收到的信息，关掉评论，用自己的眼睛看。
以前没有这种情况，仔细看视频。
不幸的是，你没有分析你收到的信息，关掉评论，自己去看。
以前没有这样的情况，仔细重看视频。
alphastar的算法是专门为revashn改变的，从全地图视图到切片视图，他们没有做对。
你可以看到机器人在窗口之间切换的速度很慢，不知道棱镜在哪里，来回跑。
这是个错误。
我对你毫无敬意!