交易中的机器学习：理论、模型、实践和算法交易 - 页 1353 1...134613471348134913501351135213531354135513561357135813591360...3399 新评论 Aleksey Vyazmikin 2019.02.20 17:17 #13521 尤里-阿索连科。一个市场BP被送入LPF输入。同样的BP被送入NS输入。是的，没错，该网络描述了LPF的操作，并对其在给定间隔内的输出进行了预测。 关于提升--不，我没有试过。如果你不嫌麻烦，我可以试一试。 Yuriy Asaulenko 2019.02.20 17:22 #13522 阿列克谢-维亚兹米 金。如果你不介意的话，贴个样本，我可以试试。我不明白，什么样品？英国石油公司本身？你可以做到这一点。但从BP的样本来看，它是随机的。 Aleksey Vyazmikin 2019.02.20 17:23 #13523 尤里-阿索连科。我不明白，什么样的样本？英国石油公司本身？你可以做到这一点。但BP的样本，是随机的。你不能把它写到一个文件里吗？你一定是在使用Python，在那里你可以将准备用于训练的分割样本卸载到一个文件中，对吗？ Yuriy Asaulenko 2019.02.20 17:35 #13524 阿列克谢-维亚兹米 金。你不能把它写到一个文件里吗？你可能是在Python中做的，在那里你可以把为训练准备的分割样本卸载到一个文件中，对吗？让我们再看一遍。 1.整个BP是55K OHLSV。随机从其中提取5-6千条长度为20（仅指关闭）的线。它将进入国家安全局的投入，用于培训。 2.根据条款1进行的采样通过一个LPF。现在我们得到一个长度为20+Tr的序列。其中Tp是预测时间。LPF输出的最后一个值是目标值。 3.给NS1和2的饲料 - 训练。 或者，也许我不明白什么（。 PS 试图保存数据。.mat或.spydata文件格式能不能用？导出到CSV的过程中，不知为何没有出现，应该寻找。 Aleksey Vyazmikin 2019.02.20 18:02 #13525 尤里-阿索连科。让我们再看一遍。 1.整个BP是55K OHLSV。随机从其中提取5-6千条长度为20（仅指关闭）的线。它将进入国家安全局的投入，用于培训。 2.根据条款1进行的采样通过一个LPF。现在我们得到一个长度为20+Tr的序列。其中Tp是预测时间。LPF输出的最后一个值是目标值。 3.给NS1和2的饲料 - 训练。 或者，也许我不明白什么（。 PS 试图保存数据。.mat或.spydata文件格式能不能用？导出到CSV时不知为何没有遇到，有必要去找找看。好吧，不用麻烦了。 我不知道如何阅读这些格式。 但是，我不太确定预测因素是什么......。 Yuriy Asaulenko 2019.02.20 18:10 #13526 阿列克谢-维亚兹米 金。好吧，不打扰了。 我不知道该用什么来阅读这些格式。 但是，我不太确定预测因素是什么......这里没有预测器，按比例排列的一系列收盘值--[Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]]--被直接输入到NS输入。 作为目标--VLF输出的一个值[i + Tp]，其中Tp是预测时间，单位为分钟。这种串联的总金额为5-6千。 ZZY 一般来说，在森林中看到的结果很有趣。如果你要做，我将在最近的将来做一个CSV。 好了，还有一个预测情节要完成。预测FNF（大约等于EMA(8)）5分钟。我展示了它，因为它很有可能与预报一起工作。 . Vitaly Muzichenko 2019.02.20 18:22 #13527 Alexander_K:好吧，这位公民说了很多，而且含糊其辞...他的信息的主要目的是，没有什么可以帮助我：既没有埃朗，也没有巴切利耶，根本没有什么，除了他给出的这种排场。 在我的模型上没有任何效果--这就是我来到这里的原因，也许神经网络会看到一些东西。在维基百科上搜索更多的姓氏--有很多。你知道的姓氏越多，你就会显得越聪明。有件事卡洛莫洛夫又忘了提。 Aleksey Vyazmikin 2019.02.20 18:44 #13528 尤里-阿索连科。这里没有预测器，按比例排列的一系列收盘值--[Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]]--被直接输入到NS输入。 作为目标--VLF输出的一个值[i + Tp]，其中Tp是预测时间，单位为分钟。这种串联的总金额为5-6千。 ZZY 一般来说，在森林中看到的结果很有趣。如果你要做，我很快就会做一个CSV。如果你做采样，我就会做。的确，这不是一种分类，但仍然会很有趣。 Yuriy Asaulenko 2019.02.20 18:46 #13529 阿列克谢-维亚兹米 金。如果你做一个样品，我就给你转一转。虽然这不是一个分类，但这很有趣。好的。但并不紧急。 Yuriy Asaulenko 2019.02.20 20:39 #13530 阿列克谢-维亚兹米 金。如果你做一个样本，我就给你转转。虽然这不是一个分类，但它很有趣。这里是档案。见附件。 Learn.csv - 输入。每行的第一个数字--历史约束力，应该删除。 Cell.scv - 目标。 这是我们对这些数据进行训练后应该得到的图表。 滤波器大约等于EMA(16)，预测 - 5分钟。 如果有必要，我将在以后进行测试。 附加的文件： TS1.zip 961 kb 1...134613471348134913501351135213531354135513561357135813591360...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
一个市场BP被送入LPF输入。同样的BP被送入NS输入。是的，没错，该网络描述了LPF的操作，并对其在给定间隔内的输出进行了预测。
关于提升--不，我没有试过。
如果你不嫌麻烦，我可以试一试。
如果你不介意的话，贴个样本，我可以试试。
我不明白，什么样品？英国石油公司本身？你可以做到这一点。但从BP的样本来看，它是随机的。
我不明白，什么样的样本？英国石油公司本身？你可以做到这一点。但BP的样本，是随机的。
你不能把它写到一个文件里吗？你一定是在使用Python，在那里你可以将准备用于训练的分割样本卸载到一个文件中，对吗？
你不能把它写到一个文件里吗？你可能是在Python中做的，在那里你可以把为训练准备的分割样本卸载到一个文件中，对吗？
让我们再看一遍。
1.整个BP是55K OHLSV。随机从其中提取5-6千条长度为20（仅指关闭）的线。它将进入国家安全局的投入，用于培训。
2.根据条款1进行的采样通过一个LPF。现在我们得到一个长度为20+Tr的序列。其中Tp是预测时间。LPF输出的最后一个值是目标值。
3.给NS1和2的饲料 - 训练。
或者，也许我不明白什么（。
PS 试图保存数据。.mat或.spydata文件格式能不能用？导出到CSV的过程中，不知为何没有出现，应该寻找。
让我们再看一遍。
1.整个BP是55K OHLSV。随机从其中提取5-6千条长度为20（仅指关闭）的线。它将进入国家安全局的投入，用于培训。
2.根据条款1进行的采样通过一个LPF。现在我们得到一个长度为20+Tr的序列。其中Tp是预测时间。LPF输出的最后一个值是目标值。
3.给NS1和2的饲料 - 训练。
或者，也许我不明白什么（。
PS 试图保存数据。.mat或.spydata文件格式能不能用？导出到CSV时不知为何没有遇到，有必要去找找看。
好吧，不用麻烦了。
我不知道如何阅读这些格式。
但是，我不太确定预测因素是什么......。
好吧，不打扰了。
我不知道该用什么来阅读这些格式。
但是，我不太确定预测因素是什么......
这里没有预测器，按比例排列的一系列收盘值--[Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]]--被直接输入到NS输入。
作为目标--VLF输出的一个值[i + Tp]，其中Tp是预测时间，单位为分钟。这种串联的总金额为5-6千。
ZZY 一般来说，在森林中看到的结果很有趣。如果你要做，我将在最近的将来做一个CSV。
好了，还有一个预测情节要完成。预测FNF（大约等于EMA(8)）5分钟。我展示了它，因为它很有可能与预报一起工作。
.
好吧，这位公民说了很多，而且含糊其辞...他的信息的主要目的是，没有什么可以帮助我：既没有埃朗，也没有巴切利耶，根本没有什么，除了他给出的这种排场。
在我的模型上没有任何效果--这就是我来到这里的原因，也许神经网络会看到一些东西。
在维基百科上搜索更多的姓氏--有很多。你知道的姓氏越多，你就会显得越聪明。有件事卡洛莫洛夫又忘了提。
这里没有预测器，按比例排列的一系列收盘值--[Close[i-0], Close[i-1], Close[i-2],...,Close[i-19]]--被直接输入到NS输入。
作为目标--VLF输出的一个值[i + Tp]，其中Tp是预测时间，单位为分钟。这种串联的总金额为5-6千。
ZZY 一般来说，在森林中看到的结果很有趣。如果你要做，我很快就会做一个CSV。
如果你做采样，我就会做。的确，这不是一种分类，但仍然会很有趣。
如果你做一个样品，我就给你转一转。虽然这不是一个分类，但这很有趣。
好的。但并不紧急。
如果你做一个样本，我就给你转转。虽然这不是一个分类，但它很有趣。
这里是档案。见附件。
Learn.csv - 输入。每行的第一个数字--历史约束力，应该删除。
Cell.scv - 目标。
这是我们对这些数据进行训练后应该得到的图表。
滤波器大约等于EMA(16)，预测 - 5分钟。
如果有必要，我将在以后进行测试。