交易中的机器学习：理论、模型、实践和算法交易 - 页 2409 1...240224032404240524062407240824092410241124122413241424152416...3399 新评论 mytarmailS 2021.06.29 19:29 #24081 有趣的观察（奇怪的是，竟然没有人想到这一点）。 如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围... 该模型考虑到了过去的价格，即水平... 即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较 在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试... 在底部买入的概率的退出模式 如果测试价格不在托盘的范围内，图片是这样的 就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。 非常有趣，说实话。 Viktor Zhuravlev 2021.06.30 14:38 #24082 mytarmailS: 有趣的观察（奇怪的是，竟然没有人想到这一点）。如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围...该模型考虑到了过去的价格，即水平...即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试...在底部买入的概率的退出模式如果测试价格不在托盘的范围内，图片是这样的就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。说实话，非常有趣。 你可以减去移动平均线 并按波动率进行归一化。然后你会得到一个固定的系列。 mytarmailS 2021.06.30 14:58 #24083 Victor: 你可以减去移动平均线 并按波动率进行归一化。然后你会得到一个固定的系列。 它将做什么？ Maxim Dmitrievsky 2021.06.30 16:06 #24084 mytarmailS: 有趣的观察（奇怪的是，竟然没有人想到这一点）。如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围...该模型考虑到了过去的价格，即水平...即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试...在底部买入的概率的退出模式如果测试价格不在托盘的范围内，图片是这样的就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。非常有趣，说实话 我早就根据自己的观察写过，正常化是邪恶的。问题是如何最大限度地减少它。因为在趋势性市场中，总会有超出范围的举动，正常化仍然是必要的。 Aleksey Nikolayev 2021.06.30 17:32 #24085 马克西姆-德米特里夫斯基： ，我在很久以前就根据自己的观察写道，正常化是邪恶的。问题是如何将其降至最低。因为在趋势市场中，它总是会超出范围，无论如何，我们将不得不将特征正常化。 使用一般分布（假设价格==SB），而不是一个特征的样本分布进行归一化？ Maxim Dmitrievsky 2021.06.30 18:29 #24086 Aleksey Nikolayev: 使用一般分布（假设价格==SB）而不是样本分布进行归一化？ 我赞成一些创新的方法 ) Fast235 2021.06.30 18:39 #24087 Maxim Dmitrievsky: 我完全支持一些创新的方法 )转动旋转器。就像你告诉我的那样。你知道我说的是谁吗？ 一个该死的犹太人。 Maxim Dmitrievsky 2021.06.30 20:50 #24088 Fast235: 转动旋转器。就像他告诉我的那样。你知道你说的是谁吗？ 你不能抽搐，现在但以后。 我觉得尤达大师挺难理解的，期待明天更容易。 mytarmailS 2021.07.02 07:55 #24089 马克西姆-德米特里夫斯基： ，我在很久以前就根据自己的观察写道，正常化是邪恶的。问题是如何将其降至最低。因为在趋势市场中，总是会有超出范围的情况，我们仍然要将特征正常化。 我们可以将价格聚集（或以更简单的方式划分） 为范围，每个范围可以表示为一个静止的系列，然后我们也可以归一化，我们将记住过去的价格...... 只是作为一个想法... Maxim Dmitrievsky 2021.07.02 09:24 #24090 mytarmailS: 我们可以将价格分组（或以更简单的方式划分） 为范围，每个范围可以表示为一个静止的系列，然后我们也可以进行归一化，我们会记住过去的价格......只是作为一个想法... 当从一个范围到另一个范围时，该怎么做？ 1...240224032404240524062407240824092410241124122413241424152416...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
有趣的观察（奇怪的是，竟然没有人想到这一点）。
如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围...
该模型考虑到了过去的价格，即水平...
即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较
在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试...
在底部买入的概率的退出模式
如果测试价格不在托盘的范围内，图片是这样的
就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。
非常有趣，说实话。
有趣的观察（奇怪的是，竟然没有人想到这一点）。
如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围...
该模型考虑到了过去的价格，即水平...
即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较
在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试...
在底部买入的概率的退出模式
如果测试价格不在托盘的范围内，图片是这样的
就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。
说实话，非常有趣。
你可以减去移动平均线 并按波动率进行归一化。然后你会得到一个固定的系列。
你可以减去移动平均线 并按波动率进行归一化。然后你会得到一个固定的系列。
有趣的观察（奇怪的是，竟然没有人想到这一点）。
如果你在一个100的小窗口中对非正常化的价格原封不动地训练一个模型，那么这个模型对新数据的预测非常好，如果它们与托盘上的数据处于相同的范围...
该模型考虑到了过去的价格，即水平...
即，该模型不仅捕捉到模式和目标价格，还捕捉到模式的价格，并将其与当前价格进行比较
在上图中，前100个价格（蓝色）是一个跟踪，然后是一个测试...
在底部买入的概率的退出模式
如果测试价格不在托盘的范围内，图片是这样的
就这一主题开发一些标志是非常有趣的，但很难用绝对的价格来工作。
非常有趣，说实话
，我在很久以前就根据自己的观察写道，正常化是邪恶的。问题是如何将其降至最低。因为在趋势市场中，它总是会超出范围，无论如何，我们将不得不将特征正常化。
使用一般分布（假设价格==SB），而不是一个特征的样本分布进行归一化？
使用一般分布（假设价格==SB）而不是样本分布进行归一化？
我赞成一些创新的方法 )
我完全支持一些创新的方法 )
转动旋转器。
就像你告诉我的那样。
你知道我说的是谁吗？
一个该死的犹太人。转动旋转器。
就像他告诉我的那样。
你知道你说的是谁吗？
你不能抽搐，现在但以后。，我在很久以前就根据自己的观察写道，正常化是邪恶的。问题是如何将其降至最低。因为在趋势市场中，总是会有超出范围的情况，我们仍然要将特征正常化。
我们可以将价格聚集（或以更简单的方式划分） 为范围，每个范围可以表示为一个静止的系列，然后我们也可以归一化，我们将记住过去的价格......
只是作为一个想法...
我们可以将价格分组（或以更简单的方式划分） 为范围，每个范围可以表示为一个静止的系列，然后我们也可以进行归一化，我们会记住过去的价格......
只是作为一个想法...