交易中的机器学习：理论、模型、实践和算法交易 - 页 1521

新评论
 
Aleksey Vyazmikin:

哇，即使是俄语，也谢谢你。

我们以良好的健康开始，以艾略特波浪 结束。除了确定系列的持久性，还没有提出预测金融时代的数学方法，这一点已经很清楚。

这简直是一团糟。

 
马克西姆-德米特里耶夫斯基。

第一个是以健康为起点，以艾略特波浪为终点。除了确定系列的持久性，还没有提出预测金融时代的数学方法，这一点已经很清楚。

这是一个混乱的局面。

所以，又没有什么新鲜事了，嗯。

所以我将继续努力劈开这棵树。

该图以训练样本外的每一片叶子（Y）的利润积累的形式显示了分裂的迭代与它们的叶子（X）。

从图中可以看出，分割树可以产生替代的逻辑链，包括描述不同空间区域的逻辑链，但结果相同或更好。

这里的问题是，所有的叶子都需要合并成一个系统，并根据它们之间的相关性和对样本空间覆盖的完整性给予权重，不幸的是，我不知道在这种情况下该用什么公式。

 
阿列克谢-维亚兹米 金。

所以，又没有什么新鲜事了，嗯。

因此，我将继续劈开这棵树。

图中显示了分裂的迭代与他们的叶子（X）作为训练样本外的分裂的每个叶子（Y）的利润积累。

从图中可以看出，分割树可以产生替代的逻辑链，包括描述不同空间区域的逻辑链，但结果相同或更好。

这里的问题是，所有的叶子都需要组装成一个系统，并根据它们之间的相关性和样本空间描述的完整性给予权重，很遗憾，我不知道在这种情况下用什么公式来操作。

我注意到，如果你把市场分为有条件的状态，为每个状态训练模型并在它们之间切换，那么结果会更好。

这就是我在做的hmm。

 
马克西姆-德米特里耶夫斯基。

我注意到，如果你把市场分为有条件的状态，为每个状态训练模型并在它们之间切换，结果会更好

这就是HMM的作用。

它是有道理的，但如何区分各州？

 
阿列克谢-维亚兹米 金。

从逻辑上讲，这更好，但你如何区分不同的状态？

要么在自动机上（聚类），没有老师。也就是说，几个隐藏的状态将被区分开来，它们显然会因状态而不同。 统计数字。上面的例子是抛出的。

或随意

 
马克西姆-德米特里耶夫斯基。

要么在自动机上（聚类），没有老师。要么是自动的（没有老师的聚类），要么是自动的（没有老师的聚类）。 统计数字。上面已经抛出了例子。

或者是随机的

有发现什么聚类的方法吗？毕竟，它应该有，我们可以说，从集群到集群的平滑过渡，如果它确定了全球趋势，应该有某种敏感性和从一个状态过渡到另一个状态的逻辑。

 
阿列克谢-维亚兹米 金。

是否已经找到了这方面的聚类方法？毕竟，它应该有，我们可以说，从集群到集群的平滑过渡，如果它确定了全球趋势，应该有某种敏感性和逻辑来从一个状态过渡到另一个状态。

他们已经写了关于HMM的文章

 

梯子上的人在滑行时对着迪普曼德（不小心被他们抓住）。


 
马克西姆-德米特里耶夫斯基。

我也在读关于游戏中的人工智能，但有很多非NS的游戏机器人都使用决策树。


我也读过游戏中的人工智能，但游戏机器人中的很多非NS逻辑经常使用决策树。

我发现Rete算法，我不知道为什么，但我从来没有听说过它，我找到了一个读物，但它太大了 - 1000页，里面的东西...

 
伊戈尔-马卡努。

我也读过游戏中的人工智能，但游戏机器人中的很多非NS逻辑经常使用决策树。

我遇到了Rete算法，我不知道为什么，但我从来没有听说过Rete算法，我找到了一个读物，但它是一个非常大的卷，有1000页，里面有一些...

嗯，他们不在树上做增援......。

我必须玩很多游戏，我如何重新训练他们？

1...151415151516151715181519152015211522152315241525152615271528...3399
新评论