交易中的机器学习：理论、模型、实践和算法交易 - 页 2213

新评论
 
mytarmailS:

所以你为 "最大利润 "训练神经元。 这是按一个标准（"最大利润"） 进行训练。


亚历山大-亚历山德罗维奇 说，神经元找到最好的解决方案 "不要交易"。我想不出他是怎么做到的，但好吧......。

因此，如果神经元决定 "不交易"因此，如果神经元决定 "不交易"，这意味着我们需要增加一个标准（最低的交易数量）："最小交易"。


事实证明，我们已经要用两个标准（或10个 标准）来优化了

由于我们不知道最终的结果，所以我们不能在这里将任何东西归一化。

很多目标。通常，我们有一个2倍的目标。最大的利润，而不是为了耗费余额。利润有流失的风险。

在一个核电站中，参数在19到30之间。目标是最大和稳定的回报，并且它不会停止和爆炸。在最大的后坐力下，它可能会爆炸，如果棒子也被取出来，它当然不会爆炸，但可能会停止。

不同的边界状态，或类别。

 
mytarmailS:

大概....

========================

做了一个大的测试样本

在盒子里的是我给你看的那块测试（新数据）。

总之，在5分钟内，委员会会把它全部吃掉。

但有可能综合出一个有趣的模型


有必要立即将模型的训练和对轴和测试样本的检查纳入健身函数中

到目前为止，我做的工作非常混乱。

在当前的几天前训练该系统，然后在一两个星期前测试。看看会发生什么。你会看到很多有趣的东西。

 
Maxim Dmitrievsky:

谢谢，他们不清楚。

算了吧....

我也不明白你的重新取样（）。

复杂的东西往往很难理解）。

Valeriy Yastremskiy:

很多目标。通常是2倍的目标。最大利润，不要耗尽余额。利润有流失的风险。

是的，你可以用健身功能做任何事情....。

这是向神经元传达你想让它做什么的最 "自由 "方式......

Uladzimir Izerski:

把几天前的系统训练成现在的系统，然后在一两个星期前测试。看看会发生什么。你会看到很多有趣的东西。

我不明白你为什么要这样做。

 
mytarmailS:

算了吧....

我也不明白你的重新取样（）。

复杂的东西往往很难理解）。

你不明白，因为你没有读过它

我告诉你要画出你在做什么，否则我不知道你在说什么。

 
Maxim Dmitrievsky:

你不明白是因为你没有读过。

我告诉你要画出你在做什么的图，否则我不知道你在说什么。

我读了，最后一篇...

稍后，现在写代码，我想尝试只选择那些通过测试的模型，但自动

尝试多标准搜索
 
马克西姆-德米特里耶夫斯基。

我说画出你在做什么的图，否则我不知道你在说什么。

我在这篇文章 的最后三分之一 处也在做和弗拉基米尔一样的事情。

只是我不为MASD调整参数以实现利润最大化，我只是调整神经元的权重。

但这是一样的。

 
mytarmailS:

我在这篇文章 的最后三分之一处 做了和弗拉基米尔一样的事情

只不过我没有调整MASD的参数来实现利润最大化，我只是调整神经元的权重。

因此，同样的事情...

嗯，这是通过超参数网格的优化

 
Maxim Dmitrievsky:

好吧，这是一个超参数网格优化。

可以这么说...

问题的关键在于可能性。

任何想法都可以通过健身函数放入神经网络，甚至是你自己无法用代码描述的想法。

 
mytarmailS:

嗯，你可以说...

问题的关键是可能性。


任何想法都可以通过健身函数写进神经网络，甚至是你自己无法用代码描述的想法。

网格仍然通过熵的最小化进行学习。而停止的标准可以由任何自定义的损失制成

 
Maxim Dmitrievsky:

网格仍然是通过最小化熵来学习的。而停止的标准可以由任何自定义的损失制成

我不知道在python中的情况，但在r-ka中不是很好，或者说我不知道怎么做，这就是为什么我创建了这个...

1...220622072208220922102211221222132214221522162217221822192220...3399
新评论