In the first step a dictionary of all of the unique characters is created to map each letter to a unique integer: Character dictionary : {‘h’: 0, ‘a’: 1, ‘t’: 2, ‘M’: 3} Our encoded input now becomes: MathMath = [3, 1, 2, 0, 3, 1, 2, 0] Step 1: Create batches of data This step is achieved by the user specifying how many batches (B), or sequence...
数据是什么？
每分钟的购买都是在5位数的基础上，以100的增量开出100到2500的SL和TP。也就是说，每分钟有625个买盘被打开。所有这些都是在开场时的价格。
解码后，它应该是这样的。
不，进价（*10^5），unix时间，年，月，日，分，秒，星期，年，...，所有的出口都一样，...价值的SL，价格的SL，PP的TP，价格的TP，贸易结果。
森林应该顺势而为。把它分成几组也很有意思。
每分钟的购买都是在5位数的基础上，以100到2500的增量打开SL和TP。也就是说，每分钟有625个买盘被打开。所有这些都是在开场时的价格。
解码后，它应该是这样的。
不，进价（*10^5），unix时间，年，月，日，分，秒，星期，年，...，所有的出口都一样，...价值的SL，价格的SL，PP的TP，价格的TP，贸易结果。
森林应该顺势而为。成群结队也是有趣的分解。
我没有做10pt的步骤，我做了100,200,300,500,700,1000,2000 - 如果你应用这个，你每分钟得到49个不同的组合，这几乎是13倍的数据。
我认为在高TP/SCL下不需要精细的间距，2400和2500会略有不同，节省的资源是13倍。
我还为每一个CPOL的组合做了单独的处理，而不是在一个文件中一次完成。
通过相等的TP/SL，你可以立即评估系统的盈利能力。例如，在TP=50时。我获得53-55%的成功交易。在测试器中。
自3月以来，当波动性增加时，不可能使用TP=SL=50，而这曾经是多年来的有效组合。在3月之前，50点可以获得10-20分钟，而在3月则需要1-2-5分钟。
现在我只想用我的测试器搜索入口点，并在飞行中估计结果。我认为这对任何波动性来说都会更加普遍。
试着以TP=SL=100的一个组合为例，训练模型。我想你应该有足够的动力。如果在OOS上会高于55%，那么你的数据就比我的好）而且最好不要在OOS上检查（因为它可能只是幸运），而是通过交叉验证--它更可靠。
我对TP/SCL做了同样的事情。
我没有做10pt的步骤，但在100,200,300,500,700,1000,2000的网格上--如果你应用这个，你每分钟得到49个不同的组合，这几乎是13倍的数据了。
我认为在高TP/SCL下不需要精细的间距，2400和2500会略有不同，节省的资源是13倍。
我还为每一个CPOL的组合做了单独的处理，而不是在一个文件中一次完成。
通过相等的TP/SL，你可以立即评估系统的盈利能力。例如，在TP=50时。我获得53-55%的成功交易。在测试器中。
自3月以来，当波动性增加时，不可能使用TP=SL=50，而这曾经是多年来的有效组合。在3月之前，50点可以获得10-20分钟，而在3月则需要1-2-5分钟。
现在我只想用我的测试器搜索入口点，并在飞行中估计结果。我认为这对任何波动性来说都会更加普遍。
试着以TP=SL=100的一个组合为例，训练模型。我想你应该有足够的动力。如果在OOS上会高于55%，那么你的数据就比我的好）而且最好不要在OOS上检查（因为这可能只是运气），而是通过交叉验证--它更可靠。
最有可能的是，你将不得不削减你的数据
你很可能要对你的数据进行瘦身
如果你用SP/SL=50或100做训练，写出交叉验证的结果，我想知道你是否能得到55%以上的结果。
我在测试器中运行了一个系统10年，每天用不同的SL/TP比率开一次买盘。在那些活下来的人中，没有SL和TP相同的系统，大多数是TP<SL。你可以自己运行 它。
我还做了一个模拟，结果显示，一个有SL<SL的系统进入黑名单的速度更快。
你是不是又搞乱了网络？)
终于在测试器中发现了这个错误。现在，一切都在步入正轨。
很可能他在他的测试器中也犯了同样的错误。
关闭主题）匆忙中，兰巴被推迟了
我已经得到了日期，现在我不知道如何处理它，我没有那么多权力((((。
现在，它是一个有一列索引的csv，重达千斤。在 "解码 "之后，二进制 的重量将增加17倍。
谁需要它？
CatBoost 会吞下这些数据--它在处理大文件时效果很好。我只是不明白，什么是目标？
如果你能以csv的形式准备好数据和目标，我可以在我那里运行它。
我在测试器中运行了一个系统10年，每天用不同的SL/TP比率开一次买盘。在存活的系统中，没有SL和TP相同的系统，大部分是TP<SL。你可以自己运行 它。
我还做了一个模拟，结果显示，有TP<SL的系统出场速度更快，是正向的。
我设法做了一个TP超过SL 2-3倍的系统，但还有一个问题--20%-25%的盈利交易，我无法正确训练模型来过滤掉亏损的条目。
检查过了，在测试器中效果更好。我将再次研究它 )
刚刚接触到复现......非常酷的学习。
Z.I.做得很好--非常可悲的是可以学习。
以为是爱情，但没有--又是经验））。
，为什么会伤心呢？马克西姆，你没有关于复发的文件链接吗？我对训练过程中究竟如何更新权重感兴趣。
他们以与其他人相同的方式接受再培训
谷歌上有很多信息
这里有一个很好的例子
https://towardsdatascience.com/gate-recurrent-units-explained-using-matrices-part-1-3c781469fc18