交易中的机器学习：理论、模型、实践和算法交易 - 页 1279 1...127212731274127512761277127812791280128112821283128412851286...3399 新评论 Aleksey Vyazmikin 2019.01.28 11:45 #12781 elibrarius。搞清楚和发布是不同的事情。我仍然在做实验。我此刻把预测者混为一谈。也许我会放弃它，就像我因无力应对噪音而放弃NS一样。 这很容易理解。你必须看几个小时的代码，一切都会变得清晰。是的，当然这是不一样的，但好的手可以做很多事情！"。而我，觉得很难理解别人的代码，所以我甚至不涉足这个领域。 而森林，所以它在其概念中永远是嘈杂的（事实上，白噪声应该与更有信心的集体反应相重叠），因为它的工作不是由于质量，而是数量，我认为我们需要以某种方式控制更多和质量的树木和他们的独特性。 我不明白你为什么不喜欢我从树上收集树叶的想法；你可以去投票，或者试着分配树叶，使它们在采样时不重叠...噪声显然要小一些，但重要的是叶子里的规则要有真正的意义，那么它就会随着时间的推移而稳定。 Forester 2019.01.28 12:19 #12782 阿列克谢-维亚兹米 金。我不明白你为什么不喜欢我从树上收集树叶的想法--你可以投票，或者试着分配树叶，使它们在样本中不重叠......如果你没有足够的噪音，重要的是叶子里的规则有真正的意义，那么它将随着时间的推移而稳定。 我还没有完全探索过这片森林。这就是为什么我没有时间为其他事情分心。 Aleksey Vyazmikin 2019.01.28 18:14 #12783 elibrarius。 我还没有完全探索过这片森林。这就是为什么我没有时间为其他事情分心。我明白了。琢磨一下，写写你的成就--有意思。 Aleksey Vyazmikin 2019.01.28 21:46 #12784 现在我想把这种奇怪的CatBoost模型（其树的数量不多，为1-30棵）做成一个池子，用于深度学习，评估100-300棵树下的深度学习是否有意义。 有趣的是，用于训练的样本的第一部分（用蓝色突出显示，但比必要的多一点，因为它显示了最后一个平衡高点的分解，他们说它很长）在应用模型后看起来非常平庸，然后有一个开始利用模型的模式，而在测试样本上（在其上选择模型）并不像在考试中（没有参与训练）那么明显。也许这是训练不足的表现，是否比过度训练好是个问题。 Aleksey Vyazmikin 2019.01.28 21:58 #12785 如果有人感兴趣，我可以通过命令行来铺设电池、取样、设置来运行，好比任何没有像我一样掌握python的人。 crispo1991 2019.01.28 22:09 #12786 阿列克谢-维亚兹米 金。我给出了一个每分钟的变量，并附上测试者的交易报告。但我对指标进行了一些改进。 夏普比率现在是0.29。 Forester 2019.01.29 07:43 #12787 elibrarius。最后算上permutation和实际重新计算的森林，去掉了1个预测器。结果一点也不相似。 permutation的作者用6个预测因子进行了实验，而我用65个预测因子进行了实验。也许有了6个预测器，就更容易分离噪声输入。再加上森林仍然是随机的，也许它也把随机性加到了重要性上。 现在我将在相同的数据上再次运行，在早上我将比较4个重要性表。最相似的是2个排列组合重要性表（只是来自同一数据上的不同运行）。 在去除1个预测因子时，通过重新计算森林得到的重要性表--相互之间不相似，也不相似，也不相似。 Alexander Ivanov 2019.01.29 11:27 #12788 你好，机械师!这个时间表是一个圣杯 测试器吗？ Кеша Рутов 2019.01.29 17:01 #12789 亚历山大-伊万诺夫： 机械师们好！这张图是一个圣杯测试器？这是正确的，这里只有试验品，马利森式的芭蕾舞正在由新郎的学徒和公司上演:) Maxim Dmitrievsky 2019.01.29 18:21 #12790 凯沙-鲁托夫。是的，这里只有试管婴儿，而马勒森芭蕾舞团是由《新郎的学徒》和公司经营的 :)凯沙的儿子。 你让我笑了。 思想的深度。 好一个音节。 1...127212731274127512761277127812791280128112821283128412851286...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
搞清楚和发布是不同的事情。我仍然在做实验。我此刻把预测者混为一谈。也许我会放弃它，就像我因无力应对噪音而放弃NS一样。
这很容易理解。你必须看几个小时的代码，一切都会变得清晰。是的，当然这是不一样的，但好的手可以做很多事情！"。而我，觉得很难理解别人的代码，所以我甚至不涉足这个领域。
而森林，所以它在其概念中永远是嘈杂的（事实上，白噪声应该与更有信心的集体反应相重叠），因为它的工作不是由于质量，而是数量，我认为我们需要以某种方式控制更多和质量的树木和他们的独特性。
我不明白你为什么不喜欢我从树上收集树叶的想法；你可以去投票，或者试着分配树叶，使它们在采样时不重叠...噪声显然要小一些，但重要的是叶子里的规则要有真正的意义，那么它就会随着时间的推移而稳定。
我不明白你为什么不喜欢我从树上收集树叶的想法--你可以投票，或者试着分配树叶，使它们在样本中不重叠......如果你没有足够的噪音，重要的是叶子里的规则有真正的意义，那么它将随着时间的推移而稳定。
我还没有完全探索过这片森林。这就是为什么我没有时间为其他事情分心。
我明白了。琢磨一下，写写你的成就--有意思。
现在我想把这种奇怪的CatBoost模型（其树的数量不多，为1-30棵）做成一个池子，用于深度学习，评估100-300棵树下的深度学习是否有意义。
有趣的是，用于训练的样本的第一部分（用蓝色突出显示，但比必要的多一点，因为它显示了最后一个平衡高点的分解，他们说它很长）在应用模型后看起来非常平庸，然后有一个开始利用模型的模式，而在测试样本上（在其上选择模型）并不像在考试中（没有参与训练）那么明显。也许这是训练不足的表现，是否比过度训练好是个问题。
如果有人感兴趣，我可以通过命令行来铺设电池、取样、设置来运行，好比任何没有像我一样掌握python的人。
我给出了一个每分钟的变量，并附上测试者的交易报告。
但我对指标进行了一些改进。
夏普比率现在是0.29。
最后算上permutation和实际重新计算的森林，去掉了1个预测器。结果一点也不相似。
permutation的作者用6个预测因子进行了实验，而我用65个预测因子进行了实验。也许有了6个预测器，就更容易分离噪声输入。再加上森林仍然是随机的，也许它也把随机性加到了重要性上。
现在我将在相同的数据上再次运行，在早上我将比较4个重要性表。
最相似的是2个排列组合重要性表（只是来自同一数据上的不同运行）。
在去除1个预测因子时，通过重新计算森林得到的重要性表--相互之间不相似，也不相似，也不相似。
机械师们好！
这是正确的，这里只有试验品，马利森式的芭蕾舞正在由新郎的学徒和公司上演:)
是的，这里只有试管婴儿，而马勒森芭蕾舞团是由《新郎的学徒》和公司经营的 :)
凯沙的儿子。
你让我笑了。
思想的深度。
好一个音节。