交易中的机器学习:理论、模型、实践和算法交易 - 页 231 1...224225226227228229230231232233234235236237238...3399 新评论 Реter Konow 2016.11.26 13:58 #2301 mytarmailS:就我个人而言,我甚至没有理解它)。但我被允许,我不认为自己是专家。 该系统很复杂。最终,它实现了输入设置过程的完全自动化,有效地适应了市场动态的变化。这就是它的意义所在。 СанСаныч Фоменко 2016.11.26 14:06 #2302 mytarmailS:我个人甚至什么都不明白 )你并不孤单,因为 "什么都不懂 "的集体包括作者本人。而这正是雷特格-科诺 所写的一切的意义所在。其目的是要破坏线程,而最简单的方法是用没有任何内容的文本来做到这一点。目标已经实现。该主题不仅不符合标题--它已经不再有任何内容。 Реter Konow 2016.11.26 14:08 #2303 桑桑尼茨-弗门科。你并不孤单,因为这个 "什么都不懂 "的集体包括作者本人。而这正是雷特格-科诺 所写的一切的意义所在。我们的目标是摧毁这个分支,而最简单的方法是用根本没有内容的文本来实现。目标已经实现。该主题不仅不符合标题--它已经不再有任何内容。 好吧,这已经是嘲弄了。你不明白 - 那就问吧,我会详细解释的。只要问一个具体的问题。 toxic 2016.11.26 14:10 #2304 Retag Konow: 该系统很复杂。最终,它实现了输入参数调整过程的完全自动化,有效地适应了市场动态的变化。这就是它的意义所在。是的,这就是问题所在。 从技术上讲,任何具有适应性的控制结构(具有质量/损失功能的反馈)都可以归结为IR,例如,如果你拿一台普通的机器,每隔N个小节就通过一个简单的网格来搜索它在前N个小节的最佳参数,那么它也是IR。MO的本质在于 "经验 "的积累,在于将数据转化为模型。PS:在上面的 "perseptron "更确切地说...糟糕的编程简单的标量产品,缺乏主要的东西,学习算法,这个重要的事情被委托给MT-优化器,而MO正是一个双重的模型-优化算法,不仅是模型,而且不是每个优化算法对每个模型都有效,例如MLP不能用网格或遗传学来优化,需要Backprop等等。 mytarmailS 2016.11.26 14:11 #2305 超越梦想者。就像外汇一样,一个机器人可以成功地通过一个部分/水平,但却不能通过另一个部分。因为它没有交易员的智力,机器人 "不明白 "它在做什么......那么什么是交易员的智力呢?简单来说,这就是交易经验,那些交易者有1)--市场行为的 一些模式(市场模式)和2)--这种模式的行为模式(市场模式的行为模式)。这可以被编程,不是吗?事实上,寻找这些好的模式是可以编程的,不是吗?超越梦想者。..要想在任何领域/水平上取得成功,机器人必须有一个它所处世界的对象模型。也就是说,该算法不能只优化模式该算法必须使用语义类别进行操作,并描述交易者/游戏者所看到的情况。机器人必须区分物体的类型和它们的特征,并动态地评估情况的危险性。而这需要的启发式方法与简单的神经网络优化完全不同。学习的结果必须是一个语义模型和关于对象和过程的知识。如果没有,交易机器人就注定要被随机戳中。我完全同意,圣杯不在MO中,圣杯在那些小方块 中,即使在Mario的情况下,他们也是这样做的,而在非稳定的市场中就不是这样。这就是所谓的数据预处理,即使在这个主题中也没有人在做。这正是MO所看到的,一个浓缩的适当的现实,洗净了噪音。如果你做到了,而且做得很充分,那么你就可以教任何EA的交易和人类一样好,甚至更好。 Реter Konow 2016.11.26 14:14 #2306 是的,这就是问题所在。 从技术上讲,任何具有适应性的控制结构(具有质量/损失功能的反馈)都可以归结为IR,例如,如果你拿一台普通的机器,每隔N个小节就通过一个简单的网格来搜索它在前N个小节的最佳参数,那么它也是IR。MO的本质是 "经验 "的积累,是数据向模型的转化。 换句话说,你是否同意用非标准的MO方法(既然你已经承认它是标准的MO方法),也可以用神经网络 达到标准MO方法的结果? TheXpert 2016.11.26 14:16 #2307 有毒。 国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。这是给你的一个挑战:https://numer.ai/ 在我看来,任何认为自己对这个主题有用的成员,都有义务在这个东西上展示成果 ) toxic 2016.11.26 14:21 #2308 科诺的标签。 换句话说,你是否同意用非标准的MO方法(因为你已经承认这种方法是这样的)用神经网络实现标准MO方法的结果也是可能的? 给我和其他参与者带来惊喜)) Реter Konow 2016.11.26 14:25 #2309 ..:是的,这就是问题所在。 ...ME的本质是 "经验 "的积累,是数据向模型的转化。这个结论证实了我的概念可能有真正的价值。 在任何情况下,我一定会追求它的实施。当时间到了。 toxic 2016.11.26 15:02 #2310 组合器。 对于我来说,任何认为自己对这个分支有用的成员,只要在这件事上显示出结果就可以了 )我同意,在我看来,如果一个人至少可以只运行数据并得到低于0.69300(随机)的logloss,那么他就有权利在这里谈论AI和MO,其他的都是无利可图的。我的结果 https://numer.ai/ai/toxic 1...224225226227228229230231232233234235236237238...3399 新评论 原因: 取消 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
就我个人而言,我甚至没有理解它)。
但我被允许,我不认为自己是专家。
我个人甚至什么都不明白 )
你并不孤单,因为 "什么都不懂 "的集体包括作者本人。
而这正是雷特格-科诺 所写的一切的意义所在。
其目的是要破坏线程,而最简单的方法是用没有任何内容的文本来做到这一点。
目标已经实现。该主题不仅不符合标题--它已经不再有任何内容。
你并不孤单,因为这个 "什么都不懂 "的集体包括作者本人。
而这正是雷特格-科诺 所写的一切的意义所在。
我们的目标是摧毁这个分支,而最简单的方法是用根本没有内容的文本来实现。
目标已经实现。该主题不仅不符合标题--它已经不再有任何内容。
该系统很复杂。最终,它实现了输入参数调整过程的完全自动化,有效地适应了市场动态的变化。这就是它的意义所在。
是的,这就是问题所在。
从技术上讲,任何具有适应性的控制结构(具有质量/损失功能的反馈)都可以归结为IR,例如,如果你拿一台普通的机器,每隔N个小节就通过一个简单的网格来搜索它在前N个小节的最佳参数,那么它也是IR。MO的本质在于 "经验 "的积累,在于将数据转化为模型。
PS:在上面的 "perseptron "更确切地说...糟糕的编程简单的标量产品,缺乏主要的东西,学习算法,这个重要的事情被委托给MT-优化器,而MO正是一个双重的模型-优化算法,不仅是模型,而且不是每个优化算法对每个模型都有效,例如MLP不能用网格或遗传学来优化,需要Backprop等等。
就像外汇一样,一个机器人可以成功地通过一个部分/水平,但却不能通过另一个部分。
因为它没有交易员的智力,机器人 "不明白 "它在做什么......
那么什么是交易员的智力呢?
简单来说,这就是交易经验,那些交易者有1)--市场行为的 一些模式(市场模式)和2)--这种模式的行为模式(市场模式的行为模式)。
这可以被编程,不是吗?
事实上,寻找这些好的模式是可以编程的,不是吗?
..
要想在任何领域/水平上取得成功,机器人必须有一个它所处世界的对象模型。
也就是说,该算法不能只优化模式
该算法必须使用语义类别进行操作,并描述交易者/游戏者所看到的情况。
机器人必须区分物体的类型和它们的特征,并动态地评估情况的危险性。
而这需要的启发式方法与简单的神经网络优化完全不同。
学习的结果必须是一个语义模型和关于对象和过程的知识。
如果没有,交易机器人就注定要被随机戳中。
我完全同意,圣杯不在MO中,圣杯在那些小方块 中,即使在Mario的情况下,他们也是这样做的,而在非稳定的市场中就不是这样。
这就是所谓的数据预处理,即使在这个主题中也没有人在做。
这正是MO所看到的,一个浓缩的适当的现实,洗净了噪音。
如果你做到了,而且做得很充分,那么你就可以教任何EA的交易和人类一样好,甚至更好。
是的,这就是问题所在。
从技术上讲,任何具有适应性的控制结构(具有质量/损失功能的反馈)都可以归结为IR,例如,如果你拿一台普通的机器,每隔N个小节就通过一个简单的网格来搜索它在前N个小节的最佳参数,那么它也是IR。MO的本质是 "经验 "的积累,是数据向模型的转化。
国防部首先是一门工程艺术,其结果证明了任何概念的合理性。给我结果。这是给你的一个挑战:https://numer.ai/
换句话说,你是否同意用非标准的MO方法(因为你已经承认这种方法是这样的)用神经网络实现标准MO方法的结果也是可能的?
是的,这就是问题所在。
...
ME的本质是 "经验 "的积累,是数据向模型的转化。
这个结论证实了我的概念可能有真正的价值。
在任何情况下,我一定会追求它的实施。当时间到了。
对于我来说,任何认为自己对这个分支有用的成员,只要在这件事上显示出结果就可以了 )
我同意,在我看来,如果一个人至少可以只运行数据并得到低于0.69300(随机)的logloss,那么他就有权利在这里谈论AI和MO,其他的都是无利可图的。
我的结果 https://numer.ai/ai/toxic