交易中的机器学习：理论、模型、实践和算法交易 - 页 1638

新评论
 
elibrarius。
解释得太短了。
不清楚1个预测器是否在外面被分成几个，并作为5个预测器被输入。相反，它仍然是作为预先计算的分割值在内部进行的。而且他们按部门划分。
我同意这比经典树形算法中的半除法更有效。

你的意思是外面还是里面？按照我的理解，他们采取一个预测器，并试图将其指标分成若干段，以保留足够数量的激活，并给每个段一些预测能力，为此采用了不同的方法--用一个给定的步骤或用一个小步骤的线性联合（以简化它），你得到这种带有范围的单元。在训练中建立所有的树时，只使用这样的单元格集。但是，这并不准确 :)

而我，正试图将这些细胞合二为一。昨天看这个帖子的时候，有提到他们对分类预测因子做了类似的事情。

在我的情况下，有过度训练的风险--等模型准备好了，我再在样本上检查一下，我会同时做一个样本来测试。

 

令人相当不安的是，在这个问题上，非平稳性的问题几乎完全被忽略了。出于某种原因，人们认为过去发现的模式在未来也会起作用，如果它们不起作用，那么就发生了过度学习。但是，很有可能随着时间的推移，一些模式根本就不再起作用了--逐渐地，甚至是飞跃式地（例如，由于像目前这样的危机）。

我看到的问题是，IO模式很复杂，而且人类的解释能力很差。如果它们开始表现不佳，就不可能（在模型内）区分过度学习变体和非平稳性变体。在传统的证券分析中，你总是可以说："趋势变化"，"水平/通道崩溃 "等等。

 
阿列克谢-维亚兹米 金。

和这样的女士在一起，有可能你要洗衣服，吃饭。）

这取决于你如何炒作她。一个被压迫的女人会做得更好 :-)
 
Mihail Marchukajtes:
这取决于你如何炒作她。一个被挤压的女人会做得更好 :-)

你不会和这样的女士一起写诗，你必须在MGO层面上学习数学)

 
阿列克谢-尼古拉耶夫。

令人相当不安的是，在这个问题上，非平稳性的问题几乎完全被忽略了。出于某种原因，人们认为过去发现的模式在未来也会起作用，如果它们不起作用，那么就发生了过度学习。但是，很有可能随着时间的推移，一些模式根本就不再起作用了--逐渐地，甚至是飞跃式地（例如，由于像目前这样的危机）。

我看到的问题是，IO模式很复杂，而且人类的解释能力很差。如果它们开始表现不佳，就不可能（在模型内）区分过度学习变体和非平稳性变体。在正常的分析中，总是可以说："趋势的变化"，"水平/通道的崩溃 "等等。

我不是在猜测...实践表明，训练图的误差为1%，而新图的误差为50%。也就是说，你需要重要的预测因子，你甚至可以用一棵树或一些回归来训练。

顺便说一句，有一棵树将非常容易解释。

 
阿列克谢-尼古拉耶夫。

令人相当不安的是，在这个问题上，非平稳性的问题几乎完全被忽略了。出于某种原因，人们认为过去发现的模式在未来也会起作用，如果它们不起作用，那么就发生了过度学习。但是，很有可能随着时间的推移，一些模式根本就不再起作用了--逐渐地，甚至是飞跃式地（例如，由于像目前这样的危机）。

我看到的问题是，IO模式很复杂，而且人类的解释能力很差。如果它们开始表现不佳，就不可能（在模型内）区分过度学习变体和非平稳性变体。在传统的证券分析中，你总是可以说："趋势变化"，"水平/通道崩溃 "等等。

我完全同意。

我反复思考这个问题，我认为有必要将系统的结果与它在某一领域的潜力进行比较。

我今天就在想，如何做得更好、更普遍。我想象中的学习过程由几个步骤组成，其中第一个步骤是样本标记，你可以根据一些信号策略来标记。这些策略应该是原始的，但有潜力，例如，价格的MA交叉产生了这种交叉方向的进入信号，反之亦然。那么训练只是一种过滤掉错误信号的方法。如果接受这样的假设，我们可以计算出这种过滤在每个时间间隔内的有效百分比。最简单的是计算相对于基本策略的分类的准确性和完整性。还有其他选择--度量衡。然后我们可以看到模型的性能如何变化，即使它开始亏损。

 
阿列克谢-尼古拉耶夫。

令人相当不安的是，在这个问题上，非平稳性的问题几乎完全被忽略了。出于某种原因，人们认为过去发现的模式在未来也会起作用，如果它们不起作用，那么就发生了过度学习。但是，很有可能随着时间的推移，一些模式根本就不再起作用了--逐渐地，甚至是飞跃式地（例如，由于像目前这样的危机）。

我看到的问题是，IO模式很复杂，而且人类的解释能力很差。如果它们开始表现不佳，就不可能（在模型内）区分过度学习变体和非平稳性变体。在正常的分析中，总是可以说："趋势的变化"，"水平/通道的崩溃 "等等。

我有练习。自上次培训以来，我在一个月内没有注意到任何变化，即使是在比特币大幅回调之后。唯一影响它的是紧随资产的操纵性运动之后的那段时间，在这段时间里，神经网络完全迷失，胡言乱语，离这样的风暴越远，谓语就越充分。
 
叶夫根尼-迪尤卡。
有实践。在上次培训后的一个月内，我没有注意到任何变化，甚至在比特币被大量冲走后也是如此。唯一影响它的是紧随被操纵的资产运动之后的时期，在这一时期，神经元网完全丧失，显示出各种垃圾；离这种风暴越远，预测就越充分。

--有趣的是，看...我可以在私人信息中得到它的链接（频道）吗？

--你最后能够创造一个吗？

 
onedollarusd:

--有趣的是，看...我可以在私人信息中得到它的链接（频道）吗？

--你是否设法创造了一个结果？

#--不，乌托邦，大量的时间和精力，最终在回测中，机器人在一对上一年最多可以赚到X5，但平均每年有1次，都是倾巢而出。在现实市场中，这种 "一年一次 "的情况必然会迅速发生，特别是在像现在这样的风暴中。我不再相信完全自动化的机器人，它就是不可能成功，反正市场会调整和欺骗)

#--这一次进行得比较顺利，我们现在有一个工作原型。
对BTCUSD未来10-30分钟的神经估计，这取决于网络的 "信心"。信心越高，15分钟左右工作的概率越高，信心越低，预测越模糊。对蜡烛没有约束力，预测每分钟都会出来。

如果你下载了 MT5的专家，你可以在这里得到它（对于那些早先下载的人，你可以用这个链接更新它，错误的修正已经被修复）。
它只适用于BTCUSD，而且只适用于M1时间段，请阅读以下说明。

根据这种可视化，很明显，预测还不理想，但训练只是在早期阶段，一切都在膝盖上。对下一步的发展方向有一个了解。

 
埃利布留斯。
我不是在假设...实践表明，训练图上的误差为1%，新图上的误差为50%。也就是说，你需要重要的预测因子，你甚至可以用一棵树或一些回归来训练。

顺便说一句，有一棵树会非常容易解释。

任何预测因素都有随着时间推移而改变其重要性的趋势。这并不是说它们没有用处，而是要不断寻找新的，并为之前发现的那些意义的丧失做好准备。

1...163116321633163416351636163716381639164016411642164316441645...3399
新评论