交易中的机器学习：理论、模型、实践和算法交易 - 页 1337

新评论
 
马克西姆-德米特里耶夫斯基。

简而言之，我说这将是同样的事情，只是相反。

理论的力量

而我不明白的是，相反的将是/是:)

什么不是蛮干的方法，玩弄样本？
 
阿列克谢-维亚兹米 金。

而这就是你如何将最后一个也是倒数第二个实验中的两个模型结合起来--尽管分离度被放大到了0.55。


一般来说，我需要一些方法来使这个过程自动化，选择不同的模型集。

 
马克西姆-德米特里耶夫斯基。

最低限度是自动记忆，最高限度是目标也是自动记忆。

样本大小相反，两种情况下的测试结果相似

因此，一切都是自动的，我们切割样品并通过模型运行--这里没有太多的手动工作，一旦过程被设置好。

不，样本量仍然是，也就是说，如果你同意这里和以前的实验中30%是最好的。如果说在第一种情况下研究的是2014-2016年，那么在第二种情况下研究的是2015-2017年，细目本身已经发生变化。有一个假设是，我们可以安全地放弃2014年--我们应该尝试，那么差别就是一年的研究，但有趣的是，在第一种情况下，验证的是2017年，而在第二种情况下，验证的是2014年（事实上，直到4月还是2015年）！在这种情况下，我们应该尝试。

 
伊万-内格雷什尼。
虽然在名字上我可能与你的故事的主角有关，但本质上不是，因为我只是建议在寻找利润时最大限度地考虑到交易员经验中的额外信息，例如在我的模板主题中 -https://www.mql5.com/ru/forum/270216。

你的方法略有不同。我不是建议你把具体的交易强加给国防部并对他们进行培训。我的建议是，初步信息应限于搜索区域。比如，大先生要么在纽约，要么在巴哈马，与中情局有安排--他们会帮忙，至于找不找得到，杀不杀得了，就看你了。

 
马克西姆-德米特里耶夫斯基。

那里有许多版本，至少我记得的是，其中一个假人有一个MSUA类型的枚举，多项式符号是在那里建立的

他甚至在他的网站上写到了SVM（对于向量机是一种参考向量的方法）。这是正确的，SVM是线性的，但由于多元函数，它是非线性的，"核"。

这里是网站https://sites.google.com/site/libvmr/

这个mt4的东西和那个没有共同点

好吧，也许在你自己进入代码之前你不能确定，你这么说是根据你自己对其代码的分析进行的吗？我个人相信那个在这个 "矢量机 "的内部乱搞的家伙，误导我几乎没有意义，但如果你自己分析了Recht的代码，清楚地看到那里有一个核SVM，那么你必须明白谁是错的......

PS "核SVM "不能由polyfics制成，非线性可以被添加，是的，但对于 "核 "或 "核性"，如果你喜欢...你需要计算附近每一点上的线性分类器反应集，并将结果乘以与该点的核心距离。

 
马克西姆-德米特里耶夫斯基。


而符号并不是从一堆符号中列举出来的，而是由现有的几个符号的多项式转化而来。

我想尝试这样的方法，但我不知道如何实施。

 
马克西姆-德米特里耶夫斯基。

已经给你写了两次关于这本书的信，但你没有理会 :)

伊瓦赫年科，"MSUA"（集体考虑论点的方法）。

是的，搜索引擎不知道有这样一本书--我已经读到了精华，讲座的链接，其中描述了类似的方法（下面有）。我读过，但问题是关于实施狡猾的公式。

 
马克西姆-德米特里耶夫斯基。

你很搞笑吗？

也许这本书的标题毕竟是不同的？没有 由他撰写的此类文献。

按照我的理解，你提出要转换样本，减少预测因子的数量，用多项式代替，当然，你可以试试。如果你已经实现了，我可以把样本扔给你吗？如果没有，我们可以考虑联合实施。
 
马克西姆-德米特里耶夫斯基。

嗯，底部有一个MSUA的链接，里面有一个网站的链接。

教你如何使用互联网？)

底下是什么--当然是教我了 :)你可以只提供一个链接，为什么要把事情搞得这么复杂......

 
马克西姆-德米特里耶夫斯基。

http://www.gmdh.net/articles/

从头开始的第三本书

它既是关于拟合，也是关于样本平衡、模型评估标准和其他许多有趣的东西。

更确切地说："复杂系统模型的自我组织的归纳方法"？

1...133013311332133313341335133613371338133913401341134213431344...3399
新评论