交易中的机器学习:理论、模型、实践和算法交易 - 页 1619 1...161216131614161516161617161816191620162116221623162416251626...3399 新评论 Forester 2020.03.18 10:51 #16181 mtyvnel: 你好!我已经做了大约11年的交易员,现在在Gunn上手动交易,但我也开始学习神经网络。我已经解决了这个问题 !我只是想帮助你,你有错误的商业方法。 我向上帝发誓这不是一个玩笑,这里是这篇文章的作者,我在这里找到了我所有问题的答案,他只是在顾问和脚本的代码中犯了一个错误,我重写了一切,我已经在所有货币对和时间框架上交易了将近一年,我尝试了不少于15分钟。该程序给你一个价格预测,价格会去多少点,去哪里。https://www.mql5.com/ru/articles/830 ...所有的工作,你只需要重写代码,它在那里有一个错误。我不卖任何东西,也不做任何广告,我只是每天来读你的信息,我想尽我所能地帮助你。 你能告诉我更多关于这个错误的信息吗? Evgeny Dyuka 2020.03.18 11:03 #16182 Mihail Marchukajtes: 在这样一个受人尊敬的主题中,有一些左翼类型。你认为是这样吗? 是的,皮肤并不严重,我建议尝试一下指标,我的几乎已经准备好了...... Mihail Marchukajtes 2020.03.18 11:05 #16183 叶夫根尼-迪尤卡。 是的,皮肤并不严重,我建议我们试一下指标,我的几乎已经准备好了...... ***你会在其他地方测量它.... Evgeny Dyuka 2020.03.18 11:10 #16184 Mihail Marchukajtes: ***你会在其他地方衡量的.... 在这个受人尊敬的主题中,我绝对不受欢迎 )) Mihail Marchukajtes 2020.03.18 11:13 #16185 叶夫根尼-迪尤卡。 我在这个令人尊敬的主题中绝对是多余的 )) 不,我们总是欢迎客人来分享他们的经验和信息。认真地说... Кеша Рутов 2020.03.18 15:18 #16186 Mihail Marchukajtes: 你是一个真正的傻瓜。 看看我的名字。我的名字是米哈伊尔,而我的姓氏则完全不同。不要胡说八道.... 这是个假名,是尤拉-雷舍托夫的克隆人。 阿里克桑德-赫里辛。 卖家在护照上显示的是真实的名字和姓氏。 Mihail Marchukajtes 卖什么?真正的或猫头鹰上没有信号。但他不断地为雷舍托夫做广告,雷舍托夫 "死了",或者说转世为米沙,每个帖子都提到尤里的徒劳产品,并发布新版本的招数。有句话说 "如果东西像鸭子,那就是鸭子",所以我主张米沙=朱拉。这就是尤拉宣传自己的疯狂方式。 这就是为什么没有视频流,即使有视频流,他也不会露面,原因很明显,因为他知道尤里的情况。 Дмитрий 2020.03.18 21:02 #16187 凯沙-鲁托夫。 这是个假名,是尤拉-雷舍托夫的克隆人。 Mihail Marchukajtes 卖什么?真正的或猫头鹰上没有信号。但他不断为雷舍托夫做广告,雷舍托夫 "死了",或者说转世为米沙,在每个帖子中都提到尤里的假产品,并发布新版本的把戏。有句话说 "如果东西像鸭子,那就是鸭子",所以我声称米沙=朱拉。这就是尤拉宣传自己的疯狂方式。 这就是为什么没有视频流,即使有,也会没有他的脸--原因很清楚,因为他的脸是众所周知的。 雷舍托夫的记忆不应该被这种愚蠢的比较所侮辱。 Aleksey Vyazmikin 2020.03.18 21:55 #16188 elibrarius: 顺便说一下,我不喜欢升压的地方是,推荐的树深是7-10。 也就是说,如果我们有100个预测器,而那里的划分也是从每个预测器的中间开始的。我们很可能会有7个不同的预测者被分在中间。也许1或2个会分到四分之一,不太可能更小。 或者在提升算法中,算法不是通过半除法工作,而是以较小的块数工作?有谁知道吗? 而谁使用什么树的深度? 我研究过CatBoost,所以我将谈谈它。 树木深度建议为4-6个劈裂。这是我一般尝试的深度。 预测器分为三种不同的算法可供选择。一个所谓的网格被创建。 拆分的结果很有意思,可以自己拉出来看看。AlgLib在为森林构建树时,将预测因子平均分配给什么? Aleksey Vyazmikin 2020.03.18 21:56 #16189 mytarmailS: 你的目标,任何......我有点纠结 .... 集群只需要一个目的。 在这里,我们已经发现了测试新的HT,并接受它们是好的。 现在在新的数据上,我们需要找到这个TX来应用模型,因为模型只在HT上运行良好,我们如何在新的数据上识别它呢? 作为一个选项,由群集号来决定 我们为聚类输入什么--所有的样本预测因素还是什么? Aleksey Vyazmikin 2020.03.18 22:01 #16190 elibrarius。 不存在随机性。每个预测器的最佳可用分区被选中。当每棵树不是被送入所有的预测器,而是被送入例如一半的随机选择的预测器时,森林中存在着随机性。 它学会了一次。没有再培训。对于树木/森林,似乎根本没有重新学习,可能是因为重新学习的速度相当快。 还有,为什么要用电网?树有结点和叶子。 选择将通过线性分区进行,我正在做一种通过非光滑函数的离散选择,如果这有意义的话。 重点不是做再训练,而是如果预测因子能相互加强,但彼此之间没有强烈的关联性,那就更好了,而这一点用分区抽样是无法建立的。 预测器的分区网格,这不是NS。 1...161216131614161516161617161816191620162116221623162416251626...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
你好!我已经做了大约11年的交易员,现在在Gunn上手动交易,但我也开始学习神经网络。我已经解决了这个问题 !我只是想帮助你,你有错误的商业方法。 我向上帝发誓这不是一个玩笑,这里是这篇文章的作者,我在这里找到了我所有问题的答案,他只是在顾问和脚本的代码中犯了一个错误,我重写了一切,我已经在所有货币对和时间框架上交易了将近一年,我尝试了不少于15分钟。该程序给你一个价格预测,价格会去多少点,去哪里。https://www.mql5.com/ru/articles/830 ...所有的工作,你只需要重写代码,它在那里有一个错误。我不卖任何东西,也不做任何广告,我只是每天来读你的信息,我想尽我所能地帮助你。
在这样一个受人尊敬的主题中,有一些左翼类型。你认为是这样吗?
是的,皮肤并不严重,我建议我们试一下指标,我的几乎已经准备好了......
***你会在其他地方衡量的....
我在这个令人尊敬的主题中绝对是多余的 ))
你是一个真正的傻瓜。 看看我的名字。我的名字是米哈伊尔,而我的姓氏则完全不同。不要胡说八道....
这是个假名,是尤拉-雷舍托夫的克隆人。
卖家在护照上显示的是真实的名字和姓氏。
Mihail Marchukajtes 卖什么?真正的或猫头鹰上没有信号。但他不断地为雷舍托夫做广告,雷舍托夫 "死了",或者说转世为米沙,每个帖子都提到尤里的徒劳产品,并发布新版本的招数。有句话说 "如果东西像鸭子,那就是鸭子",所以我主张米沙=朱拉。这就是尤拉宣传自己的疯狂方式。
这就是为什么没有视频流,即使有视频流,他也不会露面,原因很明显,因为他知道尤里的情况。
这是个假名,是尤拉-雷舍托夫的克隆人。
Mihail Marchukajtes 卖什么?真正的或猫头鹰上没有信号。但他不断为雷舍托夫做广告,雷舍托夫 "死了",或者说转世为米沙,在每个帖子中都提到尤里的假产品,并发布新版本的把戏。有句话说 "如果东西像鸭子,那就是鸭子",所以我声称米沙=朱拉。这就是尤拉宣传自己的疯狂方式。
这就是为什么没有视频流,即使有,也会没有他的脸--原因很清楚,因为他的脸是众所周知的。
雷舍托夫的记忆不应该被这种愚蠢的比较所侮辱。
顺便说一下,我不喜欢升压的地方是,推荐的树深是7-10。
也就是说,如果我们有100个预测器,而那里的划分也是从每个预测器的中间开始的。我们很可能会有7个不同的预测者被分在中间。也许1或2个会分到四分之一,不太可能更小。
或者在提升算法中,算法不是通过半除法工作,而是以较小的块数工作?有谁知道吗?
而谁使用什么树的深度?
我研究过CatBoost,所以我将谈谈它。
树木深度建议为4-6个劈裂。这是我一般尝试的深度。
预测器分为三种不同的算法可供选择。一个所谓的网格被创建。
拆分的结果很有意思,可以自己拉出来看看。AlgLib在为森林构建树时,将预测因子平均分配给什么?
你的目标,任何......我有点纠结 ....
集群只需要一个目的。
在这里,我们已经发现了测试新的HT,并接受它们是好的。
现在在新的数据上,我们需要找到这个TX来应用模型,因为模型只在HT上运行良好,我们如何在新的数据上识别它呢? 作为一个选项,由群集号来决定
我们为聚类输入什么--所有的样本预测因素还是什么?
不存在随机性。每个预测器的最佳可用分区被选中。当每棵树不是被送入所有的预测器,而是被送入例如一半的随机选择的预测器时,森林中存在着随机性。
它学会了一次。没有再培训。对于树木/森林,似乎根本没有重新学习,可能是因为重新学习的速度相当快。
还有,为什么要用电网?树有结点和叶子。
选择将通过线性分区进行,我正在做一种通过非光滑函数的离散选择,如果这有意义的话。
重点不是做再训练,而是如果预测因子能相互加强,但彼此之间没有强烈的关联性,那就更好了,而这一点用分区抽样是无法建立的。
预测器的分区网格,这不是NS。