交易中的机器学习:理论、模型、实践和算法交易 - 页 1865

 
Renat Akhtyamov:

好的。

而这是Maxim的代码。

https://www.mql5.com/ru/forum/86386/page1862#comment_17290073

个人认为,这让我想起了数字滤波器。

在我的印象中,在数字滤波器中,常量值是静态的。
也就是说,从这些常量值中,可以立即 组装出某种模型。

对于Max来说,它是If的一个逻辑分支,这就是为什么它是一棵树。

顺便说一句,马克斯。
你有没有想过用三元运算树z = (x > y)来代替If树?x : y;
因为三元分支比If
更快。它非常适合大树。

 
Roman:

在我的印象中,在数字滤波器中,常量值是静态的。
也就是说,这些常量值立即被 用来建立一个特定的模型。

用Max,它是If的逻辑分支,所以它是一棵树。

顺便说一句,马克斯。
你有没有想过用三元运算树z = (x > y)来代替If树?x : y;
因为三元分支比If
工作得更快--正好适合大树。

不,为什么不呢?

有旋钮用于调整输出频率响应。

只是,算法基本上是一样的。

而在这里,你是改变处理算法,还是通过尝试并将常数替换到一个相同的算法中来找到最佳方式?

 
Renat Akhtyamov:

不,我不明白为什么不。

有旋钮用于调整输出频率响应。

只是,算法基本上是一样的。

而这里的处理算法被改变了,或者说通过尝试改变常数来找到最佳路径?

是的,你可以改变数字滤波器 的常数,但它们是由你定义的,一下子就形成了某种模型。
树状结构根据激活函数为你搜索这些值。

一般来说,在你所看到的地方,都有一个树的结构:)
MLM-men,树的结构。
权力,树状结构。
就业中的从属关系,树的结构。
亲属遗产、树形结构。
等。
:)
闲暇时就看看外面的树,从树的底部进行心理推理。
只要你下定决心。将那棵树分解成不同种类的亚种,等等,谁在上面跑,什么颜色,等等。))
我曾幻想过蚂蚁、毛毛虫、蝴蝶在它们的树枝上跑来跑去 :))
这是一个有趣的理解练习。

你可以谷歌一下,神经网络中的激活函数。

 
Roman:

你所看到的每个地方都有一个树状结构:)
传销人员,树状结构。
权力,树的结构。
就业,树的结构。
只要在闲暇时看看外面的树,在心理上从树的底部进行推理。
幻想一下吧。将那棵树分解成不同种类的亚种,等等,谁在上面跑,什么颜色,等等。))
我曾幻想过蚂蚁、毛毛虫、蝴蝶在它们的树枝上跑来跑去 :))
这是一个有趣的理解练习。

你可以在谷歌上搜索一下,神经网络中的激活函数,这样更方便。

阅读

好吧,我明白了,我明白这东西是怎么运作的。

所以,不是为了扰乱你的头骨,我们决定敲打一下堆肥器。

嗯,有意思;)

 
Roman:

是的,在数字滤波器 中,你可以改变常数本身,但它们是由你硬性设定的,一下子形成某种模型。
树状结构根据激活函数,为你搜索这些值。

一般来说,在你所看到的地方,都有一个树的结构:)
MLM-men,树的结构。
权力,树状结构。
就业中的从属关系,树的结构。
亲属遗产、树形结构。
等。
:)
闲暇时就看看外面的树,从树的底部进行心理推理。
只要你下定决心。将那棵树分解成不同种类的亚种,等等,谁在上面跑,什么颜色,等等。))
我曾幻想过蚂蚁、毛毛虫、蝴蝶在它们的树枝上跑来跑去 :))
这是一个有趣的理解练习。

你可以用谷歌搜索,神经网络中的激活函数,这样更方便

确切地说,神经网络里有什么。一棵树没有激活函数。我们只是有一个比较。

 
elibrarius:

这正是神经网络中的内容。该树没有激活函数。根本就有一个对比。

那么,树毕竟是一个数字滤波器
Практическая реализация цифровых фильтров на MQL5 для начинающих
Практическая реализация цифровых фильтров на MQL5 для начинающих
  • www.mql5.com
Итак, в своей предыдущей статье я сделал анализ кода простейшего индикатора и немного коснулся темы взаимодействия этого индикатора с клиентским терминалом MetaTrader 5. Теперь, прежде чем идти дальше, нам следовало  бы повнимательнее присмотреться к результату компиляции эксперта, который отображается в закладке "Ошибки" окна "Инструменты...
 
平濑你是怎么来的。这是正确的,我的理解是,树的分支本身是好的,可以有自己的通用级别。也就是说,这个节点负责输入向量和目标向量之间模型的某一方面。而如果有可能将问题从一般问题独立分解为特殊问题,就不需要做任何训练了,但在这里,当这个结构庞大且未知时,我们不得不求助于训练。这样做对吗?园丁的绅士们 :-))))))贱人差点把我的肚子撑破:-)
 
Mihail Marchukajtes:
平濑你怎么来的。这就对了,我理解的是,树的分支本身是好的,可以有自己的概括水平。也就是说,这个节点负责输入向量和目标向量之间的某一方面的模型。而如果有可能将问题从一般问题独立分解为特殊问题,就不需要做任何训练了,但在这里,当这个结构庞大且未知时,我们不得不求助于训练。 这样做对吗? 园丁的绅士们 :-))))))我几乎爆了粗口 :-)

还不知道,因为写的时候有很多语法错误和。

输入/输出是一个正常的过滤器

而输出是AFC。

在输出端获得所需的AFC,被称为训练。

现在有一位树木专家在这个论坛上自己的一个主题中为他的巨额钱财苦苦哀求。

这就是为什么我让你参与这个关于黄叶的谈话......
 
elibrarius:

这正是神经网络中的内容。该树没有激活函数。只是有一个比较。

那么,网格本身也可以用树的形式来表示。
所以神经网络树有一个激活函数 ))

 
Renat Akhtyamov:
所以树毕竟是一个数字滤波器

一棵树只是一个分支结构。
你如何应用这个结构是一个想象力的问题 ))