交易中的机器学习：理论、模型、实践和算法交易 - 页 1928 1...192119221923192419251926192719281929193019311932193319341935...3399 新评论 Valeriy Yastremskiy 2020.07.28 13:36 #19271 Aleksey Vyazmikin: 这就是特征生成的方式--我们需要以基本规则的形式准备一个构造器。例如，描述一次价格在渠道中的表现，然后就改变渠道，如此反复。 我理解这是规则的一部分，如果是这样，可以实施。 mytarmailS 2020.07.28 15:10 #19272 Aleksey Vyazmikin: 在聚类过程中，许多行被分配到了不同的区域，并生成了一张地图，我想它可以通过调用。然后对每一行进行加权，并将其分配给一个或另一个聚类中心。我只是不明白单行是如何加权的......这个地图被称为原型或集群中心，新数据与每个中心进行比较，得到最接近的中心标签。对于每个函数，都嵌入了帮助，只需在控制台写上"？"，并将函数命名为"?Kmeans"。底下总是有一些例子。如何预测https://stackoverflow.com/questions/53352409/creation-prediction-function-for-kmean-in-r 决定看一下有意义的市场逆转。以重大调头为目标。以为会出现混乱，但没有。将逆转归为有意义的规则是什么？之字形的膝盖。 所以，非常有趣。谢谢你的提示。你能为傻瓜分享一下代码吗？弗拉基米尔公布了代码。你可能需要学习基础知识，否则你可能会有太多的问题，而增加很少的帮助。谢谢你，我成功地卸下了集群。 . mytarmailS 2020.07.28 15:12 #19273 Aleksey Vyazmikin: 那么，你的方法怎么会比我的好呢--收集叶子基本上是由现有数据得出的新预测器。你只需要建立树，不仅使用比较，还需要转换和组合目标的层次，一般来说，你可以在普通树的基础上实现，并从那里拖动叶子。 如果你的方法能产生我写给Maxim的这种规则，那就没什么。 Aleksey Vyazmikin 2020.07.28 16:02 #19274 mytarmailS: 如果你的方法能够生成我写给Maxim的这种规则，那么就没有什么 我的方法将允许生成不是随机的，而是有意义的--可以说是更多的产量，但基于一个有规律的树。 一般来说，我的意思是，我们可以在树形算法中加入一些转换程序进行训练，比如将一个预测器与另一个预测器进行比较，进行乘法、除法、加法、减法和其他操作。重点是，在树的遗传构建过程中，变体的选择不是随机的，而是对样本进行一些描述，这将减少搜索解决方案的时间。从样本中抛出随机预测因子，我们将能够在考虑到这些转换的情况下建立不同的树。 Vladimir Perervenko 2020.07.28 16:10 #19275 Rorschach: 你在哪里遇到过关于如何最好地使输入正常化的研究：增量、减量ma、滑动窗口？ 你说的 "正常化 "是什么意思？使变量的分布尽可能地接近正常？ mytarmailS 2020.07.28 16:29 #19276 Aleksey Vyazmikin: 我的方法将允许不是随机地生成，而是有意义地生成--可以说是更多的产量，但基于一个有规律的树。一般来说，我的意思是，在训练过程中，我们可以在树形算法中加入一些转换程序，比如将一个预测器与另一个预测器进行比较，乘法、除法、加法、减法，其他动作。重点是，在树的遗传构建过程中，变体的选择不是随机的，而是对样本进行一些描述，这将减少搜索解决方案的时间。从样本中随机抛出预测因子，我们将能够在考虑到这些转换的情况下建立不同的树。 阅读我给出的那个规则作为例子，并尝试在树上建立一个这样的规则生成器。 Rorschach 2020.07.28 16:32 #19277 Vladimir Perervenko: 你说的 "正常化 "是什么意思？让一个变量的分布尽可能地接近正常？ 将变量的范围扩大到+-1 mytarmailS 2020.07.28 16:34 #19278 弗拉基米尔-佩雷文科。 在继续一次个人谈话中 您的版本 umap_transform(X = X[tr,], model = origin.sumap, n_threads = 4 L, verbose = TRUE) -> train.sumap head(train.sumap) [1,] 22.196741 [2,] 14.934501 [3,] 17.350166 [4,] 1.620347 [5,] 17.603270 [6,] 16.646723 纯粹的变体 train.sumap <- umap_transform(X = X[tr,], model = origin.sumap, n_threads = 4 L, verbose = TRUE) head(train.sumap) [1,] 22.742882 [2,] 7.147971 [3,] 6.992639 [4,] 1.598861 [5,] 7.197366 [6,] 17.863510 正如你所看到的，数值有很大不同，你可以自己检查一下 在我的模型中 n_components = 1 因此只有一列，但这并不重要。 ===================UPD 伙计，你每次运行 umap_tranform 时它们都是不同的，不应该是这样的 Aleksey Vyazmikin 2020.07.28 16:53 #19279 mytarmailS: 阅读我给出的规则作为一个例子，并尝试将这种规则生成器构建到树中。 问题是什么--在开始时创建组件，这些规则将被堆叠。 mytarmailS 2020.07.28 17:41 #19280 Aleksey Vyazmikin: 有什么问题呢--在一开始就创建组件来组成规则。 我不知道，我不能把我的手指放在它上面。 1...192119221923192419251926192719281929193019311932193319341935...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
这就是特征生成的方式--我们需要以基本规则的形式准备一个构造器。
例如，描述一次价格在渠道中的表现，然后就改变渠道，如此反复。
我理解这是规则的一部分，如果是这样，可以实施。
在聚类过程中，许多行被分配到了不同的区域，并生成了一张地图，我想它可以通过调用。
然后对每一行进行加权，并将其分配给一个或另一个聚类中心。我只是不明白单行是如何加权的......
这个地图被称为原型或集群中心，新数据与每个中心进行比较，得到最接近的中心标签。
对于每个函数，都嵌入了帮助，只需在控制台写上"？"，并将函数命名为"?Kmeans"。
底下总是有一些例子。
如何预测https://stackoverflow.com/questions/53352409/creation-prediction-function-for-kmean-in-r
决定看一下有意义的市场逆转。以重大调头为目标。以为会出现混乱，但没有。
将逆转归为有意义的规则是什么？
之字形的膝盖。
所以，非常有趣。谢谢你的提示。
你能为傻瓜分享一下代码吗？
弗拉基米尔公布了代码。你可能需要学习基础知识，否则你可能会有太多的问题，而增加很少的帮助。
谢谢你，我成功地卸下了集群。
.
那么，你的方法怎么会比我的好呢--收集叶子基本上是由现有数据得出的新预测器。你只需要建立树，不仅使用比较，还需要转换和组合目标的层次，一般来说，你可以在普通树的基础上实现，并从那里拖动叶子。
如果你的方法能产生我写给Maxim的这种规则，那就没什么。
如果你的方法能够生成我写给Maxim的这种规则，那么就没有什么
我的方法将允许生成不是随机的，而是有意义的--可以说是更多的产量，但基于一个有规律的树。
一般来说，我的意思是，我们可以在树形算法中加入一些转换程序进行训练，比如将一个预测器与另一个预测器进行比较，进行乘法、除法、加法、减法和其他操作。重点是，在树的遗传构建过程中，变体的选择不是随机的，而是对样本进行一些描述，这将减少搜索解决方案的时间。从样本中抛出随机预测因子，我们将能够在考虑到这些转换的情况下建立不同的树。
你在哪里遇到过关于如何最好地使输入正常化的研究：增量、减量ma、滑动窗口？
你说的 "正常化 "是什么意思？使变量的分布尽可能地接近正常？
我的方法将允许不是随机地生成，而是有意义地生成--可以说是更多的产量，但基于一个有规律的树。
一般来说，我的意思是，在训练过程中，我们可以在树形算法中加入一些转换程序，比如将一个预测器与另一个预测器进行比较，乘法、除法、加法、减法，其他动作。重点是，在树的遗传构建过程中，变体的选择不是随机的，而是对样本进行一些描述，这将减少搜索解决方案的时间。从样本中随机抛出预测因子，我们将能够在考虑到这些转换的情况下建立不同的树。
阅读我给出的那个规则作为例子，并尝试在树上建立一个这样的规则生成器。
你说的 "正常化 "是什么意思？让一个变量的分布尽可能地接近正常？
将变量的范围扩大到+-1
在继续一次个人谈话中
您的版本
纯粹的变体
正如你所看到的，数值有很大不同，你可以自己检查一下
在我的模型中
n_components = 1因此只有一列，但这并不重要。
===================UPD
伙计，你每次运行 umap_tranform 时它们都是不同的，不应该是这样的
阅读我给出的规则作为一个例子，并尝试将这种规则生成器构建到树中。
问题是什么--在开始时创建组件，这些规则将被堆叠。
有什么问题呢--在一开始就创建组件来组成规则。
我不知道，我不能把我的手指放在它上面。