交易中的机器学习：理论、模型、实践和算法交易 - 页 1608

[[删除]]

通过手推车上的信号打掉？)

[Evgeny Dyuka]

马克西姆-德米特里耶夫斯基。
通过推车中的信号反弹回来？)

作为一个选项，是的，通过几个迭代的方式

[...]

叶夫根尼-迪尤卡

- 不需要寻找复杂的解决方案，一切都很简单，我用单层序列得到了第一个结果。

- 预测是基于20个模型的综合意见。

我认为二者之一在这里是多余的......

[Evgeny Dyuka]

...:

- 不需要寻找复杂的、设计好的解决方案，这很简单，我在一个单层序列上得到了第一个结果。

- 预测是根据20个模型的综合意见进行的。

我认为两者之一在这里是多余的......

没有多余的东西。一个模型就是这样一个小文件--网络训练 的结果。如果有很多人，他们可以被操纵。

[mytarmailS]

叶夫根尼-迪尤卡。

1.为什么是集合模型？是什么区分了它们？是未来的长度还是特征？

还是有另一个更高层次的网络来选择听哪个网络？

2.如果一切运作良好，为什么要公开呢？ 有什么能阻止你自己赚钱的？

3. 完全是蜡烛图+指标+更棘手的东西 ，什么更棘手？)

[Evgeny Dyuka]

mytarmailS:

1.为什么是集合模型？是什么区分了它们？是未来的长度还是特征？

还是有另一个更高层次的网络来选择听哪个网络？

2.如果一切运作良好，为什么要公开呢？ 有什么能阻止你自己赚钱的？

3. 完全是蜡烛图+指标+更棘手的东西 ，什么是更棘手的？)

1.输入数据（芯片）。
2.一旦你开始考虑 "赚钱 "的问题，一切都会立即变得无聊和停止，大脑会切换到目标、止损、回测、参数的选择，而在这里，我们对主题本身、研究部分感兴趣。
3.这就是知识

[Evgeny Dyuka]

mytarmailS:

1.为什么是集合模型？是什么区分了它们？是未来的长度还是特征？

还是有另一个更高层次的网络来选择听哪个网络？

2.如果一切运作良好，为什么要公开呢？ 有什么能阻止你自己赚钱的？

3. 完全是蜡烛图+指标+更棘手的东西 ，什么更棘手？)

2.我很乐意将证券交易所的交易主题外包出去。
我可以通过套接字+json传递神经信号，不需要任何过滤器--就像现在这样，即每分钟预测一次。

[mytarmailS]

如果我看到它是一个真实的东西，我 将会是第一批报名的人之一。
2.我很乐意将交易所的交易主题外包出去。
我可以通过套接字+json传递神经信号，不需要任何过滤器--就像现在这样，即每分钟预测一次。

你可以在MQL中向 "信号 "广播交易。

并立即寻找客户来订阅...如果我看到它不是一个扯淡的平均化机器，我将是第一个报名的人。

[mytarmailS]

我有一个理论上的问题

我们有一个目标函数，我们将对该模型进行近似计算

我们有预测器，让它成为1000个。

因此，问题是，如果我们有很多预测因素，我们是否可以把它们分成相等的部分，让它成为100个，然后训练10个模型。

然后将这10个模型的输出作为预测因子送入新模型。这是否相当于一个模型同时为1000个预测因子进行了初步训练？

直觉告诉我，没有，但我想听听意见。

[[删除]]

mytarmailS:

我有一个理论上的问题

我们有一个目标函数，我们将对该模型进行近似计算

我们有预测器，让它成为1000个。

因此，问题是，如果我们有很多预测因素，我们是否可以把它们分成相等的部分，让它成为100个，然后训练10个模型。

然后将这10个模型的输出作为预测因子送入新模型。这是否相当于一个模型同时为1000个预测因子进行了初步训练？

直觉告诉我这不是，但我想听听一些意见。

它被称为模型堆叠。它不会是一样的，但不一定更有效率。这样做了，没有看到任何改善。

还有一种方法叫做元培训。你训练第一个模型来预测类别，然后你得到结果并将其输入第二个模型，在相同的或其他的预测器上，它允许/拒绝 第一个模型的交易。1-交易，0-不交易，取决于第一个模型预测的质量，也就是一种过滤器。它能有力地减少训练数据上的错误，但在新的数据上就不那么容易了（如果模型的泛化能力低的话）。但元训练本身是可以的。

你可以在一些数据上训练第一个模型，在其他数据上训练元模型，在第一个模型的错误上训练元模型。可能有不同的变体。我两种方法都做了，总的来说有改进，但更多的是调整，而不是得到一个好的模型，在反馈中发挥作用。

你可以谷歌一下马科斯-洛佩斯-德-普拉多的 "元学习"，就是关于交易的。