交易中的机器学习：理论、模型、实践和算法交易 - 页 2479

新评论
 
iwelimorn#:

谢谢你，也许这不是痛苦，而是我缺乏基本知识。

如果多组自变量对应于一个单一的变量，这也是真的吗？

硝酸。这种事情很正常。
 
Dmytryi Nazarchuk#:

你甚至明白你所写的东西吗？

是的，这被称为数据不一致。我和网络打交道已经20年了，所以你可以说我是这个话题的守望者。你为什么这么问？
 
iwelimorn#:

我同意你的观点，如果同一个例子描述了几种状态，那么在用任何可用的算法进行分类时，我们会得到一个接近1/n的概率，其中n是状态的数量。

但没有绝对相似的例子，它们在某种程度上是相似的。问题是如何检测这种 "相似性"。


三个月内M5上有100个例子...我想知道......你是否根据规则从原始样本中选择样本， 然后在交易中使用这些样本？

如果两个向量非常接近，但有不同的目标值，它迫使算法做一个小的弯曲，导致模型稳定性下降，当输入向量的微小变化导致结果的重大变化。这也不是好事，因为模型对输入数据变得高度敏感，因此可能会更频繁地出错。

3个月内在М5上的100个样本是通过稀释数据实现的，这就是基本策略，使你不是在每个柱子上分析市场，而是只在某个时间点分析，当分析的条件形成时。请阅读我的文章，了解我所说的大概内容。事实是它有点过时了，我在那里用得不多（我已经转行了），但那里的基本概念没有改变！"。

 
Mihail Marchukajtes#:
是的，这被称为不一致的数据。我在网络方面工作了20年，所以你可以说 我是 这个分支的 守望者 。你为什么这么问？

你又喝酒了吗？)

还是你已经换了更有趣的东西？))
 
Mihail Marchukajtes#:
是的，这被称为不一致的数据。我在网络方面工作了20年，所以你可以说我是这个分支的守望者。你为什么这么问？
不，就是不。
 
mytarmailS#:

又喝酒了？）

还是你换成了更有趣的东西？))
好吧，今天是我的休息日，所以我想我要聊一聊。趁着我还行，教教年轻人一些道理吧）。我没有烟斗，否则我就会滔滔不绝 :-(
 
Dmytryi Nazarchuk#:
不，只是-不
你能不能说得更清楚一点，因为你的意思不是很清楚。或者说根本就不清楚 :-)
 
这里有谁知道如何进行解析吗？
 
Mihail Marchukajtes#:
你能不能说清楚一点，因为不太清楚你的意思。或者说根本就不清楚 :-)

在将机器学习方法应用于RUNNING RIVERS的过程中，几乎不会遇到同一组输入变量对应于同一个因变量的情况。因变量的不同值产生的预测误差需要最小化。

这整个主题是关于最小化预测误差的，阿克萨卡。

平实的真相....

 
Dmytryi Nazarchuk#:

当把机器学习方法应用于 REMOTE RUNNING 时，情况是

为什么是随机的？

1...247224732474247524762477247824792480248124822483248424852486...3399
新评论