交易中的机器学习：理论、模型、实践和算法交易 - 页 1292 1...128512861287128812891290129112921293129412951296129712981299...3399 新评论 Renat Akhtyamov 2019.02.03 03:36 #12911 圣杯。体积有助于预测从趋势到平坦的状态变化，但不是 "毫无困难"，一般来说，对 "趋势/平坦 "状态的预测并不比下一个增量的方向更准确，在单位时间内，大约有57%的准确率，所说的一些不可思议的数字，显然是错误的结果。这些数字是什么？ Aleksey Vyazmikin 2019.02.03 08:01 #12912 机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作，我得到了一个这样的模型（训练+测试+考试）。 也许2014-2019年的交易不多（346笔），但一直是1299笔缩水，不到10%。当然，在2014年有一个强劲的上涨，可能不会再发生，但之后就很平稳了。 下面是一个仅仅关于考试样本的图表（有条件的，因为样本比这个测试要小）。 但我不只是展示图表，这里并不罕见，我想说的是，当我看了模型的内容后，我感到非常惊讶--38个预测因子中只有4个在那里被使用 TimeH- 以小时为单位的时间DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。BB_PeresekN_Total_M1 - 在过去的x个柱子中，价格越过iDelta水平的次数。 当然，我的样本中有大量的预测因子，我对它们进行了分化，然后我对它们进行了筛选，这一切都符合我的理论，即用贪婪来划分样本并不总是有效的--它只是一种方法，并不能保证什么。 这就是我想收集和汇集的那种模型。 Forester 2019.02.03 10:07 #12913 阿列克谢-维亚兹米 金。机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作，我得到了一个这样的模型（训练+测试+考试）。 也许2014-2019年的交易不多（346笔），但一直是1299笔缩水，不到10%。当然，在2014年有一个强劲的上涨，可能不会再发生，但之后就很平稳了。 下面是一个仅仅关于考试样本的图表（有条件的，因为样本比这个测试要小）。 但我不只是在展示图表，这里并不罕见，我想说的是，当我看了模型的内容后，我感到非常惊讶--38个预测因子中只有4个被用在了那里 TimeH- 以小时为单位的时间DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。BB_PeresekN_Total_M1 - 在过去的x个柱子中，价格越过iDelta水平的次数。 当然，我的样本中有大量的预测因子，我对它们进行了分化，然后我对它们进行了筛选，这一切都符合我的理论，即用贪婪来划分样本并不总是有效的--它只是一种方法，并不能保证什么。 这就是我想收集和汇集的那种模型。 非常值得期待的是，大多数预测因子实际上是噪音或相互关联的。 人行道是什么？Yandex只谈到了洪流传播。 Aleksey Vyazmikin 2019.02.03 10:28 #12914 elibrarius。 非常值得期待的是，大多数预测因子实际上是噪音或相互关联的。 侧向是什么？Yandex只谈到了洪流传播。这个想法不是说它们是噪音，而是说一些预测因素与其他预测因素相重叠--形成的关系很重要，需要产生。 Sideways，这当然是我为自己发明的一个术语--我应用了带有特定数值的--随机种子 标志。的确，我不知道这个值有什么范围，但我看到它对学习有很大的影响，这种受控的随机化很适合我。 Mihail Marchukajtes 2019.02.03 11:02 #12915 你好，伙计们。我想知道通过测试器中的策略测试结果 制作资金图表的指标。我找不到它...我记得它。如果谁有的话，就把它扔给我。谢谢! Forester 2019.02.03 11:43 #12916 阿列克谢-维亚兹米 金。 当然，"坐 "是我为自己发明的一个术语--我应用带有特定数值的--随机种子 标志。虽然我不知道这个值有什么范围，但我看到它对学习有很大的影响，这种受控的随机化很适合我。 修复随机性。通常情况下，它是用于在重新运行期间的结果的可重复性。 最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说，出现了另一个特征（明显影响），必须进行优化。 Грааль 2019.02.03 12:29 #12917 雷纳特-阿赫蒂亚莫夫。什么样的数字？我想我在上面看到有人说，趋势/浮动的预测率几乎达到90%，我想他是某人的孙子或学徒。 Yuriy Asaulenko 2019.02.03 14:54 #12918 圣杯。我想我看到上面有人说，趋势/平局的预测率几乎达到90%，是某个人的孙子或徒弟说的。 是的，100%的人认为在平地之后会有一个趋势。有什么可预测的。 Renat Akhtyamov 2019.02.03 16:01 #12919 圣杯。我想我看到上面有人说，趋势/浮动的预测率几乎达到90%，我想他是某人的孙子或学徒。Aah! 好吧，如果没有刻度，市场可能处于平缓状态，100%。 如果有很多虱子，它就不是一个平的。 Aleksey Vyazmikin 2019.02.03 16:15 #12920 elibrarius。 修复随机性。这通常用于重新启动时结果的可重复性。 最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说，出现了另一个特征（明显影响），必须进行优化。是的，我需要它来重现以后的结果，并产生一般的结果。 只是不完全清楚它是如何工作的，我明白这个参数负责选择最佳选项时分裂结果的随机性，但我在任何地方都找不到细节。 而关于装修...我们必须假设所有的东西都是潜在的拟合，我们只能随着时间的推移检查连接的稳定性，监测这些连接的有效性，例如那个模型由4棵树组成，每棵树也有4个深度，也就是说，由于组合的数量少，这里的拟合非常有效，因此可能是某种规律性的，而不仅仅是抽样描述。 1...128512861287128812891290129112921293129412951296129712981299...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
体积有助于预测从趋势到平坦的状态变化，但不是 "毫无困难"，一般来说，对 "趋势/平坦 "状态的预测并不比下一个增量的方向更准确，在单位时间内，大约有57%的准确率，所说的一些不可思议的数字，显然是错误的结果。
这些数字是什么？
机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作，我得到了一个这样的模型（训练+测试+考试）。
也许2014-2019年的交易不多（346笔），但一直是1299笔缩水，不到10%。当然，在2014年有一个强劲的上涨，可能不会再发生，但之后就很平稳了。
下面是一个仅仅关于考试样本的图表（有条件的，因为样本比这个测试要小）。
但我不只是展示图表，这里并不罕见，我想说的是，当我看了模型的内容后，我感到非常惊讶--38个预测因子中只有4个在那里被使用
TimeH- 以小时为单位的时间
DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度
LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。
BB_PeresekN_Total_M1 - 在过去的x个柱子中，价格越过iDelta水平的次数。
当然，我的样本中有大量的预测因子，我对它们进行了分化，然后我对它们进行了筛选，这一切都符合我的理论，即用贪婪来划分样本并不总是有效的--它只是一种方法，并不能保证什么。
这就是我想收集和汇集的那种模型。
机器学习毕竟是一个奇怪和不可预测的行业。继续用CatBoost进行调试工作，我得到了一个这样的模型（训练+测试+考试）。
也许2014-2019年的交易不多（346笔），但一直是1299笔缩水，不到10%。当然，在2014年有一个强劲的上涨，可能不会再发生，但之后就很平稳了。
下面是一个仅仅关于考试样本的图表（有条件的，因为样本比这个测试要小）。
但我不只是在展示图表，这里并不罕见，我想说的是，当我看了模型的内容后，我感到非常惊讶--38个预测因子中只有4个被用在了那里
TimeH- 以小时为单位的时间
DonProcVisota_M15 - 在M15处的Donchian通道的相对宽度
LastBarPeresekD_Down_M15 - 自上次越过唐氏通道以来的条数。
BB_PeresekN_Total_M1 - 在过去的x个柱子中，价格越过iDelta水平的次数。
当然，我的样本中有大量的预测因子，我对它们进行了分化，然后我对它们进行了筛选，这一切都符合我的理论，即用贪婪来划分样本并不总是有效的--它只是一种方法，并不能保证什么。
这就是我想收集和汇集的那种模型。
人行道是什么？Yandex只谈到了洪流传播。
非常值得期待的是，大多数预测因子实际上是噪音或相互关联的。
侧向是什么？Yandex只谈到了洪流传播。
这个想法不是说它们是噪音，而是说一些预测因素与其他预测因素相重叠--形成的关系很重要，需要产生。
Sideways，这当然是我为自己发明的一个术语--我应用了带有特定数值的--随机种子 标志。的确，我不知道这个值有什么范围，但我看到它对学习有很大的影响，这种受控的随机化很适合我。
当然，"坐 "是我为自己发明的一个术语--我应用带有特定数值的--随机种子 标志。虽然我不知道这个值有什么范围，但我看到它对学习有很大的影响，这种受控的随机化很适合我。
最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说，出现了另一个特征（明显影响），必须进行优化。
什么样的数字？
我想我在上面看到有人说，趋势/浮动的预测率几乎达到90%，我想他是某人的孙子或学徒。
我想我看到上面有人说，趋势/平局的预测率几乎达到90%，是某个人的孙子或徒弟说的。
我想我看到上面有人说，趋势/浮动的预测率几乎达到90%，我想他是某人的孙子或学徒。
Aah!
好吧，如果没有刻度，市场可能处于平缓状态，100%。
如果有很多虱子，它就不是一个平的。修复随机性。这通常用于重新启动时结果的可重复性。
最好不要对结果影响太大。否则你会得到一个适合于特定随机性的东西。也就是说，出现了另一个特征（明显影响），必须进行优化。
是的，我需要它来重现以后的结果，并产生一般的结果。
只是不完全清楚它是如何工作的，我明白这个参数负责选择最佳选项时分裂结果的随机性，但我在任何地方都找不到细节。
而关于装修...我们必须假设所有的东西都是潜在的拟合，我们只能随着时间的推移检查连接的稳定性，监测这些连接的有效性，例如那个模型由4棵树组成，每棵树也有4个深度，也就是说，由于组合的数量少，这里的拟合非常有效，因此可能是某种规律性的，而不仅仅是抽样描述。