交易中的机器学习：理论、模型、实践和算法交易 - 页 1607 1...160016011602160316041605160616071608160916101611161216131614...3399 新评论 Maxim Dmitrievsky 2020.03.03 18:24 #16061 mytarmailS: 麦克斯！你是否尝试过使用关联规则来寻找模式，比如阿利奥里算法或类似的算法？ 嗯，贝叶斯网络......它们需要很长的时间来学习。如果你不知道要教什么，你就别管了。 我认为，你必须使用聚类（HMM，高斯混合物），将市场分为几个集群，并为每个集群进行训练。那么它就会发挥作用。 还没有时间。 mytarmailS 2020.03.03 18:42 #16062 马克西姆-德米特里耶夫斯基。 有专门的独立库用于生成虚构的特征，然后你可以把它们放到一个破译器中，它将是相同的。 Mgua算法本身很弱，因为它使用的是普通回归，所以它的特征是开箱即用的。 这个过程的英文名称是什么？ Maxim Dmitrievsky 2020.03.03 18:48 #16063 mytarmailS: 这个功能配置过程的英文名称是什么？ 在预处理部分的某个地方，例如对于Python来说 https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html 或内核方法 https://github.com/gmum/pykernels Mihail Marchukajtes 2020.03.03 18:51 #16064 秘密。 那么我在这种方法论中看不到任何新的或原创的东西。 新是很好的遗忘旧!!!!! Mihail Marchukajtes 2020.03.03 18:57 #16065 马克西姆-德米特里耶夫斯基。 嗯，贝叶斯网络......它们需要很长的时间来学习。如果你不知道要教什么，你就不关心。 我认为，你应该使用聚类（HMM，高斯混合），将市场分为几个集群，对每个集群进行训练。那么它就会发挥作用。 我还没有时间去做这个。 这里你说得很对，马克西姆卡，不是指具体的方法，而是指接近市场时原则上的分离。但是你需要一个团队，当你有一个大的团队时，你可能会做很多工作和研究，找到将是独特的方法和途径。你必须在市场上与众不同....。独一无二。你不觉得吗？:-) Mihail Marchukajtes 2020.03.03 19:11 #16066 关于一个好的观点，当一个系统的质量是其保持趋势的能力..... Maxim Dmitrievsky 2020.03.03 19:24 #16067 Mihail Marchukajtes: 这里你说得很对，马克西姆卡，不是指具体的方法，而是指在接近市场时原则上的分享。但这需要一个团队，当你有一个大的团队时，你可以做大量的工作和研究，找到独特的方法和途径。你必须在市场上与众不同....。独一无二。你不觉得吗？:-) 团队大了，你就会厌倦为每个人做的一切 Mihail Marchukajtes 2020.03.03 19:29 #16068 马克西姆-德米特里耶夫斯基。 当团队很大的时候，你会为每个人做所有事情而感到疲惫。 所以它不再是一个团队.....，不是我们的方法....。 Mihail Marchukajtes 2020.03.03 19:31 #16069 对于那些关注这个话题的人来说。继续固执地往下看.... Evgeny Dyuka 2020.03.03 21:12 #16070 mytarmailS: 在这里很难问出什么，一切都要从预处理数据开始，而这正是你不想谈的......( 好吧......我在想 1.该算法是否适用于货币 2.它是为固定长度的n支蜡烛建立预测，还是由网络自己决定它将走多长时间 3.为什么处理信号需要这么长的时间 每支蜡烛12-13秒 4.你为什么要公开广播交易？ 5.对于预测，使用函数形式的数据（价格、指标）或更棘手的东西。 最好的视觉效果是交易 好了，现在开始... 首先是大局。- 开始很简单，我们用测试器中的机器人收集数据，制作成csv，每行一个向量。- Keras网络通过Tensoflow，超级知识不需要，一本神经网络的书+几本手册。- 你可以使用谷歌Colab，开始时是可以的，但它有自己的细微差别。- 接下来，你开始AD，如果你有一个令人敬畏的关于向网络提供什么数据的独特想法，你必须再想出99个同样独特的想法，因为第101个会成功，甚至这也不确定。- 标准结果：网络不学习。 一些建议（用血洗过的）。- 不要寻求复杂的解决方案，这很容易。-- 我在一个单层的Sequential上得到了第一个结果。-- 不要试图预测价格 -- 这是乌托邦，你必须把一个简单的问题向上或向下，然后，如果你得到它，进一步挖掘。-- 芯片的矢量从100-200，不多，少了也不行。-- 试着通宵达旦地做1000个纪元，100个之后你就会知道它是否有效。-- 不要用转移器等一些拐杖帮助神经网络，它应该自己学习。-- 增加输入数据的数量不会有帮助，对于100个特征来说，5-6万个就足够了。 现在是问题的答案。1.该算法是否适用于货币 我已经得到了欧元兑美元的第一个结果，但后来发现，空头交易的预测训练得更好一些，我不知道为什么。 2.预测是针对固定长度的n个烛台向前进行的，或者是网本身说的多长时间 是的，它应该是一个固定的答案，因为我们在训练中给它一个固定的答案。 3.为什么信号的处理时间这么长，每支蜡烛12-13秒 因为现在我的预言是由20个模型的综合意见组成的，从一个模型得到回应需要0.5秒，你可以异步解决这个问题，但我不知道如何解决。 4.为什么你的目标是公共广播的行业？ 我已经花了很多资源，我需要赚回来。 5.预测的数据应以函数（价格、指标）或更棘手的形式使用。 数据被用作一个函数（价格、指标）或更多棘手的问题。 1...160016011602160316041605160616071608160916101611161216131614...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
麦克斯！你是否尝试过使用关联规则来寻找模式，比如阿利奥里算法或类似的算法？
嗯，贝叶斯网络......它们需要很长的时间来学习。如果你不知道要教什么，你就别管了。
我认为，你必须使用聚类（HMM，高斯混合物），将市场分为几个集群，并为每个集群进行训练。那么它就会发挥作用。 还没有时间。
有专门的独立库用于生成虚构的特征，然后你可以把它们放到一个破译器中，它将是相同的。
Mgua算法本身很弱，因为它使用的是普通回归，所以它的特征是开箱即用的。
这个过程的英文名称是什么？
这个功能配置过程的英文名称是什么？
在预处理部分的某个地方，例如对于Python来说
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html
或内核方法
https://github.com/gmum/pykernels
那么我在这种方法论中看不到任何新的或原创的东西。
嗯，贝叶斯网络......它们需要很长的时间来学习。如果你不知道要教什么，你就不关心。
我认为，你应该使用聚类（HMM，高斯混合），将市场分为几个集群，对每个集群进行训练。那么它就会发挥作用。 我还没有时间去做这个。
这里你说得很对，马克西姆卡，不是指具体的方法，而是指接近市场时原则上的分离。但是你需要一个团队，当你有一个大的团队时，你可能会做很多工作和研究，找到将是独特的方法和途径。你必须在市场上与众不同....。独一无二。你不觉得吗？:-)
关于一个好的观点，当一个系统的质量是其保持趋势的能力.....
这里你说得很对，马克西姆卡，不是指具体的方法，而是指在接近市场时原则上的分享。但这需要一个团队，当你有一个大的团队时，你可以做大量的工作和研究，找到独特的方法和途径。你必须在市场上与众不同....。独一无二。你不觉得吗？:-)
团队大了，你就会厌倦为每个人做的一切
当团队很大的时候，你会为每个人做所有事情而感到疲惫。
对于那些关注这个话题的人来说。继续固执地往下看....
在这里很难问出什么，一切都要从预处理数据开始，而这正是你不想谈的......(
好吧......我在想
1.该算法是否适用于货币
2.它是为固定长度的n支蜡烛建立预测，还是由网络自己决定它将走多长时间
3.为什么处理信号需要这么长的时间 每支蜡烛12-13秒
4.你为什么要公开广播交易？
5.对于预测，使用函数形式的数据（价格、指标）或更棘手的东西。
最好的视觉效果是交易
好了，现在开始...
首先是大局。
- 开始很简单，我们用测试器中的机器人收集数据，制作成csv，每行一个向量。
- Keras网络通过Tensoflow，超级知识不需要，一本神经网络的书+几本手册。
- 你可以使用谷歌Colab，开始时是可以的，但它有自己的细微差别。
- 接下来，你开始AD，如果你有一个令人敬畏的关于向网络提供什么数据的独特想法，你必须再想出99个同样独特的想法，因为第101个会成功，甚至这也不确定。
- 标准结果：网络不学习。
一些建议（用血洗过的）。
- 不要寻求复杂的解决方案，这很容易。
-- 我在一个单层的Sequential上得到了第一个结果。
-- 不要试图预测价格 -- 这是乌托邦，你必须把一个简单的问题向上或向下，然后，如果你得到它，进一步挖掘。
-- 芯片的矢量从100-200，不多，少了也不行。
-- 试着通宵达旦地做1000个纪元，100个之后你就会知道它是否有效。
-- 不要用转移器等一些拐杖帮助神经网络，它应该自己学习。
-- 增加输入数据的数量不会有帮助，对于100个特征来说，5-6万个就足够了。
现在是问题的答案。
1.该算法是否适用于货币
我已经得到了欧元兑美元的第一个结果，但后来发现，空头交易的预测训练得更好一些，我不知道为什么。
2.预测是针对固定长度的n个烛台向前进行的，或者是网本身说的多长时间
是的，它应该是一个固定的答案，因为我们在训练中给它一个固定的答案。
3.为什么信号的处理时间这么长，每支蜡烛12-13秒
因为现在我的预言是由20个模型的综合意见组成的，从一个模型得到回应需要0.5秒，你可以异步解决这个问题，但我不知道如何解决。
4.为什么你的目标是公共广播的行业？
我已经花了很多资源，我需要赚回来。
5.预测的数据应以函数（价格、指标）或更棘手的形式使用。
数据被用作一个函数（价格、指标）或更多棘手的问题。