交易中的机器学习：理论、模型、实践和算法交易 - 页 1335

[Ivan Negreshniy]

阿列克谢-维亚兹米 金。
马克西姆，我把样本换了地方--为了训练和验证，我留下了测试的那个--基于科学教条的结果会是什么？我自己还不知道，加工还没有完成。

如果你的数据和模型是充分的，那么在理论上，结果应该是恶化的。

[Yuriy Asaulenko]

我对你们国防部有些不理解。我的印象是，你只是给国防部一套数据预测器等，然后说--现在去为我寻找利润，而且越多越好。

这就像--这是给你的一匹马，伊万，这是一把剑和一面盾牌，现在去给我带来火鸟，传言说--在那里的某个地方，在大海之外，在海洋之外。如果你找不到它，我就给你一把斧头。至少伊万有小驼马，他什么都知道，但国防部只发现了一些东西，并问道："嗯，是什么？ 火鸟，不是？- 不，好吧，让我们再看看。

同样，至少给伊万一些初步的信息是好的，比如他是在布哈拉还是在印度与这样那样的国王在一起。只有两个地方可以参观。而国防部也不错，需要经过的选项较少，任务的制定也比较具体。

[Aleksey Vyazmikin]

尤里-阿索连科。

你有一个盒子，里面创造了某种非常多的丘陵景观。我们在那里扔了很多球（这就是SID），我们的工作是确保大部分球都能打到最深的空洞里。这将是学习，这也是ME中学习结构的原则。

1.如果我们稍微抖动一下盒子，大部分的球就无法离开它们最初击中的空洞--学习就不会发生。

2.如果我们大力摇晃盒子，一些球就有机会击中并只停留在最深的空洞里，但较浅的空洞将保持不被填满，因为球会从那里弹出来。充分的学习将不会发生。

3.如果我们用中等力度摇晃盒子，只有最深和中间的空洞会被填满，但其余的球不会找到任何东西，会继续随机地在盒子里蹦跳。学习情况比1和2好，但也不是王牌。

学习方法总是有设置的--究竟如何和何时摇动箱子才能得到最有效的学习。

如果各种 "sids "加起来不对，那么要么是学习算法出了问题--你摇错了，要么是我们的盒子里缺少任何可以抓住的深空。

说得很好，但我不确定在boosting中是否和NS中一样（在训练开始时随机调整神经元的权重），我找不到关于实现的确切信息。而在任何情况下，强行把球扔到不同的点上会更好，包括在改变其他设置时可以比较模型。我唯一不明白的是范围...

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

例如，有一个图，那么我应该说什么呢？ 这里是你寻找利润的地方，但不要找它，因为我不喜欢它，我对它有不好的联想。

正是如此。))这正是你应该说的。而且越多越好。我们在市场上坐了好几年可能是有原因的，我们已经知道了一些事情：如果你向右走，就会失去一匹马，等等。

而一般来说，如果不利用前人的知识和经验，一切从头开始，哪还有人愿意来。我们使军情局正是这样做的。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

它就会说："如果你这么聪明，就自己拿去卖吧，不用管我。

我在那里添加了它。

[Aleksey Vyazmikin]

尤里-阿索连科。

不过，对伊万来说，至少提供一些初步信息是个好主意，比如在布哈拉或在印度与这样那样的国王在一起。只有两个地方可以参观。而国防部也不错，要经过的选项较少，任务的制定也比较具体。

我正在考虑实施，届时将对贸易平衡 结果的模型进行后处理--如果可能的话，目标是摆脱对市场的错误想法。但所有这些想法都应该被编码，不幸的是，这需要太长时间。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

然而，阿尔法斯特在星际争霸、国际象棋和围棋方面击败了职业玩家，只用了一个月的训练（或更少，我忘了），这相当于~200年的职业玩家经验。

我们不知道培训方法））。初始条件和问题设置总是存在的。

[Ivan Negreshniy]

尤里-阿索连科。

我对你们国防部有些不理解。我的印象是，你只是给国防部一套数据预测器等，然后说--现在去为我寻找利润，而且越多越好。

这就像--这是给你的一匹马，伊万，这是一把剑和一面盾牌，现在去给我带来火鸟，传言说--在那里的某个地方，在大海之外，在海洋之外。如果你找不到它，我就给你一把斧头。至少伊万有小驼马，他什么都知道，但国防部只能找到一些东西，并问道："嗯，是什么？ 火鸟，不是？- 不，好吧，让我们再看看。

同样，至少给伊万一些初步的信息是好的，比如他是在布哈拉还是在印度与这样那样的国王在一起。只有两个地方可以参观。而国防部也不错，可供搜索的选项较少，而且任务的制定也比较具体。

虽然在名字上我可能与你的故事的主角有关，但在本质上不是，因为我只是建议在MO中考虑到从交易员的经验中寻找利润最大化的额外信息，例如在我的线程中的模板 -https://www.mql5.com/ru/forum/270216

[Ivan Negreshniy]

马克西姆-德米特里耶夫斯基。

我知道，我以同样的方式教机器人，到目前为止取得了不同的成功（经验不多）。

例如：机器人通过试验和错误学会了自我交易，大约4分钟。右边是训练，左边是新数据

没有给它提供先验的知识

接下来会有人工智能的机器人的独特发展，不仅会征服市场，而且会征服整个世界。

在右边学习是不太符合逻辑的。如果我们在报价中寻找一些影响未来价格（函数）的信息（参数），那么学习应该总是在左边，否则就是一个逆向问题，就像从函数中寻找参数：)

[Aleksey Vyazmikin]

伊万-内格雷什尼。

如果你的数据和模型是充分的，那么在理论上，结果应该是恶化的。

为什么？不仅赌注很有趣，而且理由也很有趣。