交易中的机器学习：理论、模型、实践和算法交易 - 页 2025

新评论
 
Maxim Dmitrievsky:

没有无用的群组

那么，你如何知道它是否无用呢？)))

 
mytarmailS:

那么，你怎么知道他是否是个新手？)))

按照惯例，在一条二维曲线中，你只有2种情况--上升或下降。但你有许多组合，交替使用。这是对模型最重要的事情。

因为你不需要那么多的噪音，所以你在上面装得过多。

当有很多模式的时候，复现的学习效果并不好。对它来说，更重要的是要有少量的交织模式，即一个序列。而不是图案的数量。明白了吗？

 
Maxim Dmitrievsky:

按照惯例，在一条二维曲线中，你只有两种情况--上升或下降。但你有很多组合，交替使用。这是对模型最重要的事情。

因为你不需要那么多的噪音，所以你在上面装得过多。

当有很多模式的时候，复现的学习效果并不好。更重要的是，它要有少量的交织模式，即一个序列。而不是图案的数量。明白了吗？

因此，在 "事件 "集群中，你可以写任何东西，而不仅仅是价格。

好的。我几乎创造了一种算法，在噪音中搜索有利可图的序列，就像1-2-3一样--"是"...

每个序列将以规则的形式出现，然后组合成一个规则池，再对信号进行汇总，就像Forest一样，只是深层的、循环的））。

只是不知道如何训练，我完全不了解RL（（）。

 
马克西姆-德米特里耶夫斯基。

你只向网络发送集群编号，而不是其内容。它并不关心内容。

你看过我的例子吗？))是什么，是内容还是数字？)))

 
马克西姆-德米特里耶夫斯基。

尝试用递归网格来预测这个简单的网格

如果它发现了一个模式，那么它就可以被用来

一个模式是1 2 3 4 ，这样一个序列......如果它在字符串中，那么 "YES"。


甚至不要尝试福雷斯特。

测试

  Reference
Prediction NO YES
       NO  58  71
       YES 57  64
                                          
               Accuracy : 0.488  
附加的文件：
DT2.csv  1021 kb
 

我今天读到了正确的标题。
基于神经网络的数据库。
没有预测，只有数据库搜索。与传统数据库的唯一区别是能够归纳/合并最相似的数据。

 
马克西姆-德米特里夫斯基：
一致性是指数字一个接一个地进行。

把它看作是一个序列，其余的都是噪音（噪音是我们扔在一起的东西，以为它意味着什么）。

但它们并不意味着什么!但在我们找到模式之前，我们并不知道这一点。

 
mytarmailS:

想象一下，这正是一致性，其他的都是噪音（噪音是我们扔进去的所有不同的特征，并认为它们意味着什么）。

但它们并不意味着什么!但在我们找到模式之前，我们并不知道这一点。

在你的这套方案中，只要简单的搜索就能找到答案，不要胡说八道。
 
马克西姆-德米特里夫斯基：
在你的设定中，答案是用一个简单的搜索，不要胡说八道。

如果范围不是1到20而是1到5千呢？

并且该序列大于10 ?

给我看一个简单的搜索))和哪里可以租到集群))

 
mytarmailS:

如果范围不是1到20而是1到5千呢？

并且该序列超过10 ?

给我看看那个简单的搜索））和哪里可以租到集群））。

在一个序列中，每一个连续的元素都必须与前面的元素相关，例如，一个句子中的单词。否则就是无结构的垃圾，在那里找什么呢。你有一个愚蠢的搜索仓。先取出绿色的，再取出红色的。这是一个微秒级的搜索，即使是在20K。
1...201820192020202120222023202420252026202720282029203020312032...3399
新评论