交易中的机器学习：理论、模型、实践和算法交易 - 页 2010 1...200320042005200620072008200920102011201220132014201520162017...3399 新评论 Igor Makanu 2020.09.30 22:03 #20091 Aleksey Vyazmikin: 我们能不能举行一次采样培训的比赛？ 让市场来判断....，你说得再好不过了。 如果你打开一个信号，保持3-4个月的黑色，并有合理的缩水，你将有一个竞赛和竞争，你将得到订阅者的奖励。 我认为，如果最初的存款是合理的，即使是一个模拟账户也是足够的；) Aleksey Vyazmikin 2020.09.30 22:10 #20092 Valeriy Yastremskiy: 样本需要以某种方式正式化。否则，相位器会突然介入，并赢得胜利）。 我认为不应该给出OHLCVs，也不能增加新的预测器，只能从现有的预测器中进行组合、合并、选择。比赛的目的是应用学习技能，披露对现有数据的学习情况。 Aleksey Vyazmikin 2020.09.30 22:12 #20093 Igor Makanu: 让市场来判断....，没有比这更好的办法了。打开一个信号，保持3-4个月的黑色，并有合理的缩减，你将有一个竞争和竞争，并以订阅者的形式获得进一步的报酬。我认为，如果最初的存款是合理的，即使是一个模拟账户也是足够的；) 我感兴趣的不是宣扬自己，而是拓宽我的视野，一般来说，将不同的训练方法与一个样本进行比较。 是的，如果我是一个组织者，我可以提供我的样本，结果会让我倍感兴趣。 Valeriy Yastremskiy 2020.09.30 22:23 #20094 Aleksey Vyazmikin: 我认为不应该给出OHLCVs，也不能增加新的预测因子，只能从现有的预测因子中进行组合、合并、选择。比赛的目的是应用学习技能，并披露对现有数据的学习。 所有规范都有一个样本。如何在未来的抽样调查中实施。一个好的方法是只在几天或几周内进行训练，然后再进行真正的训练。4个小时可能不足以进行训练。那么和训练的合理样本深度一样。 Aleksey Vyazmikin 2020.09.30 23:11 #20095 Valeriy Yastremskiy: 一个样本代表所有规范。如何在未来的抽样调查中实施。一个好主意是只在现实世界中学习几天或几周，然后再去现实世界。4个小时可能不足以进行训练。嗯，而且是同样合理的深度训练的样本。 我认为样本将在10,000行左右，5,000行用于检查培训-生产的结果，这将在培训时间结束后提供。 问题是如何固定模型，因为每个人都会使用不同的方法进行教学，谁在什么地方。 Valeriy Yastremskiy 2020.10.01 00:39 #20096 Aleksey Vyazmikin: 我认为样本将在10,000行左右，还有5,000行用于检查培训的结果--生产，这将在培训时间结束后提供。问题是如何修复模型，因为每个人都会使用不同的方法进行教学，谁使用什么。 代码的宣传是无条件的胜利。不宣传在现实世界中的进一步公开测试。 mytarmailS 2020.10.01 06:36 #20097 Aleksey Vyazmikin: 我们能不能举行一次通过采样来学习的比赛？ 这让我想起了一个人) Igor Makanu: 让市场来判断....，你说得再好不过了。打开一个信号，等待3-4个月，.... 胡说八道！既然可以马上检查，为什么还要等几个月？ Aleksey Vyazmikin: 我认为样本将在10,000行左右，5,000行用于检查培训的结果--生产，这将在培训时间结束后提供。问题是如何修复模型，毕竟每个人都会使用不同的方法进行教学，谁在什么地方。 根据acurasi的说法，要解决这个问题，什么型号和写在什么上面有什么区别呢？ Aleksey Vyazmikin: 我认为不应该给出OHLCV，也不应该增加新的预测器，只能 从现有的 预测 器中进行组合、 合并、选择。比赛的目的是应用学习技能，披露对现有数据的学习情况。 胡说八道！ 如果每个人都使用相同的数据，没有改进的可能，结果的差异将以万分之几来衡量，不管是什么模式，这种活动没有任何意义 这样的组合是 由算法自动做出的，没有必要去做。 Aleksey Vyazmikin 2020.10.01 12:06 #20098 Valeriy Yastremskiy: 码的宣传无条件的胜利。非公开性进一步在现实世界中公开测试。 对我来说，培训守则的宣传是不必要的--对方法的描述是最重要的。只是模型本身要修复并公开发布。 Aleksey Vyazmikin 2020.10.01 12:21 #20099 mytarmailS: 让我想起了一个人）。Acuracis，哪个型号和写在什么上面有什么区别？胡说八道！ 如果每个人都使用相同的数据而没有改进的可能，那么结果的差异将以十分之一来衡量，不管是什么模型，这种活动没有任何意义。这种组合是 由算法自动做出的，没有必要去做。 在这里的主题中是否有这样的竞赛？ 我想用一个有3个目标值的样本，所以accurasi是不够的。 我现在才对获得的数据的后期处理方法感兴趣--这些信息可以分享。或者你愿意分享关于你的预测因素的信息吗？获得的结果可能有很大的不同。 我说的是降低维度的方法，分配预测器范围的方法，通过聚类寻找模式 的方法，用过去的数据增加样本量的方法，在过去的数据上使用预测结果的方法，以及其他从现有数据中得到新信息的方法。 哦，OHLCV不会在那里，原因是样品将从2014年到2020年分建。 Maxim Dmitrievsky 2020.10.01 12:56 #20100 mytarmailS: 削减开始+-与测试器相匹配......嗯，至少，如果在真实的情况下，在测试器中也不是那么多。 到目前为止，自9月21日以来情况良好，在测试器中的情况也差不多。而对于早期的测试者来说，这是很好的，这几周是不成功的（可能）。 也许这只是一个巧合，在这一周的开始，它总是很好（在 "预演 "之后），然后它就慢下来了。 找到了另一种改进方法，可能最终会奏效 ) 漫长的等待是为了抓住虫子 在长距离运动中拉动，在U形转弯中停顿 这是一个来自测试员的例子（更新的逻辑），在过去的2个月里 但对于旧的逻辑学来说，情况更糟。我将在下周把新的逻辑转移到交易商并锁定它。 1...200320042005200620072008200920102011201220132014201520162017...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
我们能不能举行一次采样培训的比赛？
让市场来判断....，你说得再好不过了。
如果你打开一个信号，保持3-4个月的黑色，并有合理的缩水，你将有一个竞赛和竞争，你将得到订阅者的奖励。
我认为，如果最初的存款是合理的，即使是一个模拟账户也是足够的；)
样本需要以某种方式正式化。否则，相位器会突然介入，并赢得胜利）。
我认为不应该给出OHLCVs，也不能增加新的预测器，只能从现有的预测器中进行组合、合并、选择。比赛的目的是应用学习技能，披露对现有数据的学习情况。
让市场来判断....，没有比这更好的办法了。
打开一个信号，保持3-4个月的黑色，并有合理的缩减，你将有一个竞争和竞争，并以订阅者的形式获得进一步的报酬。
我认为，如果最初的存款是合理的，即使是一个模拟账户也是足够的；)
我感兴趣的不是宣扬自己，而是拓宽我的视野，一般来说，将不同的训练方法与一个样本进行比较。
是的，如果我是一个组织者，我可以提供我的样本，结果会让我倍感兴趣。
我认为不应该给出OHLCVs，也不能增加新的预测因子，只能从现有的预测因子中进行组合、合并、选择。比赛的目的是应用学习技能，并披露对现有数据的学习。
一个样本代表所有规范。如何在未来的抽样调查中实施。一个好主意是只在现实世界中学习几天或几周，然后再去现实世界。4个小时可能不足以进行训练。嗯，而且是同样合理的深度训练的样本。
我认为样本将在10,000行左右，5,000行用于检查培训-生产的结果，这将在培训时间结束后提供。
问题是如何固定模型，因为每个人都会使用不同的方法进行教学，谁在什么地方。
我认为样本将在10,000行左右，还有5,000行用于检查培训的结果--生产，这将在培训时间结束后提供。
问题是如何修复模型，因为每个人都会使用不同的方法进行教学，谁使用什么。
我们能不能举行一次通过采样来学习的比赛？
这让我想起了一个人)
让市场来判断....，你说得再好不过了。
打开一个信号，等待3-4个月，....
胡说八道！既然可以马上检查，为什么还要等几个月？
我认为样本将在10,000行左右，5,000行用于检查培训的结果--生产，这将在培训时间结束后提供。
问题是如何修复模型，毕竟每个人都会使用不同的方法进行教学，谁在什么地方。
根据acurasi的说法，要解决这个问题，什么型号和写在什么上面有什么区别呢？
我认为不应该给出OHLCV，也不应该增加新的预测器，只能 从现有的 预测 器中进行组合、 合并、选择。比赛的目的是应用学习技能，披露对现有数据的学习情况。
胡说八道！ 如果每个人都使用相同的数据，没有改进的可能，结果的差异将以万分之几来衡量，不管是什么模式，这种活动没有任何意义
这样的组合是 由算法自动做出的，没有必要去做。
码的宣传无条件的胜利。非公开性进一步在现实世界中公开测试。
对我来说，培训守则的宣传是不必要的--对方法的描述是最重要的。只是模型本身要修复并公开发布。
让我想起了一个人）。
Acuracis，哪个型号和写在什么上面有什么区别？
胡说八道！ 如果每个人都使用相同的数据而没有改进的可能，那么结果的差异将以十分之一来衡量，不管是什么模型，这种活动没有任何意义。
这种组合是 由算法自动做出的，没有必要去做。
在这里的主题中是否有这样的竞赛？
我想用一个有3个目标值的样本，所以accurasi是不够的。
我现在才对获得的数据的后期处理方法感兴趣--这些信息可以分享。或者你愿意分享关于你的预测因素的信息吗？获得的结果可能有很大的不同。
我说的是降低维度的方法，分配预测器范围的方法，通过聚类寻找模式 的方法，用过去的数据增加样本量的方法，在过去的数据上使用预测结果的方法，以及其他从现有数据中得到新信息的方法。
哦，OHLCV不会在那里，原因是样品将从2014年到2020年分建。
削减开始+-与测试器相匹配......嗯，至少，如果在真实的情况下，在测试器中也不是那么多。
到目前为止，自9月21日以来情况良好，在测试器中的情况也差不多。而对于早期的测试者来说，这是很好的，这几周是不成功的（可能）。
也许这只是一个巧合，在这一周的开始，它总是很好（在 "预演 "之后），然后它就慢下来了。
找到了另一种改进方法，可能最终会奏效 )
漫长的等待是为了抓住虫子
在长距离运动中拉动，在U形转弯中停顿
这是一个来自测试员的例子（更新的逻辑），在过去的2个月里
但对于旧的逻辑学来说，情况更糟。我将在下周把新的逻辑转移到交易商并锁定它。