交易中的机器学习：理论、模型、实践和算法交易 - 页 2496

[JeeyCi]

Vladimir Baskakov#:
何时开始实际应用？

当你离开你的屁股并开始应用... 而不是恐吓这个主题（无数次）与交易信号...- 我的行业不是你的行业！......你的做法不是我的头疼问题......- 按照你的意愿和你认为合适的方式申请......

[[删除]]

JeeyCi#:

当你从椅子上站起来开始申请时......而不是通过骚扰我的交易信号来恐吓整个分支机构（已经是第几次了）......。- 我的行业不是你的行业！......你的做法不是我的头疼问题......- 按照你的意愿和你认为合适的方式申请......

无动机的攻击表明没有实际的实施，只是空谈。

[JeeyCi]

Vladimir Baskakov#:
...说明了这样一个事实：......。

说你以前所有的嘲弄和无礼都变成了不回应你的反应和后果--你没有带来任何建设性的回报。并没有人欠你的，以产生市场条目（只是因为你什么都不知道，只知道如何采取逼迫和不足）。

[[删除]]

JeeyCi#:

说你以前所有的嘲弄和粗暴行为都变成了不回应你的反应和后果 -- 你没有带来任何建设性的回报......也没有人有义务为你产生市场条目（仅仅是因为你除了推、求和不足之外什么都不知道）。

例子是可能的？

[JeeyCi]

Vladimir Baskakov#:
例子是可能的？

而你不能把我的时间留给自己......你是分支上的0（见前面的~3000页）。

[[删除]]

JeeyCi#:

你不可能把我的时间留给自己...你是0的分支

我明白了，没有例子

[Evgeny Dyuka]

Vladimir Baskakov#:
何时开始实际应用？

已经开始

[eccocom]

JeeyCi#:

顺便说一下tensorflow.keras（正如Evgeny Dyuka 所做的）--那么

SKLearn似乎更有趣--机器学习结果的解释（也许库不是很好，但评估逻辑是给出的）。

p.s.

你还没有附...

我同意我们提供给NS的功能排名很有趣，但也不过如此。我们得到的输出是什么？如果我们把当前价格包含一切的说法作为公理（或假设），那么任何标志都是重要的，不管它在排名中处于什么位置，特别是由于它们的数量不多，我可以在没有SKLearn 的情况下对它们进行排名。如果我错过了什么，请解释。只有以更简单的方式，然后我和你的下一个信息坐了15分钟，什么会得到什么的本质，说明))))。

[eccocom]

JeeyCi#:

到逻辑...当需要规避缺乏描述性状对某一因素依赖性的公式时，就会使用NS...加权使用...但在NS的标准/经典的统计处理之前和之后...例如，只有PDF=F'(X)=dF(x)/dx（尽管我们不需要CDF，因为人口分析的所有结论都是由PDF得出的），并且有不稳定的数据--首先我需要使分布达到均匀性，以便有可能对它们进行联合分析--这里加权是有帮助的（我不希望在这里做数学）。但分析本身与NS无关，其结论也与NS无关（NS）......尽管这样的估计可能是粗略的，但经典的统计学也是不完善的（例如，使用增量的对数本身就已经把趋势性引入了结论中--这是一个纯粹的数学缺陷）...事实上，任何模型都有其假设...

市场参与者不等待预测，而是评估风险和波动性，并 在此基础上做出交易（和对冲）决定。只是这个分析中有两个可变因素--波动率和时间窗口--NS有助于使样本统一（但你也可以使用GARCH），所以它们可以在一个统计模型中一起分析，并有助于确定水平线...在那些时刻，当没有数学公式，这是不需要的（在这个世界上一切都在变化）。但通过加权、加权和再加权（为了压缩到一些回归）--在一个统计模型内进行联合分析，最好是没有噪音或至少使其最小化......

高斯的贝叶斯推理逻辑值得铭记...

我想，最主要的是建立这样的NS架构，当神经元层在通往输出的路上通过时，分散性不会增加......。imho (如果它是可用的，为什么要积累它，这是一个反问句)......然后是经典的统计逻辑......甚至在非常深入的历史中，也没有足够的样本来定性分析强有力的时刻（生活中的一切都会发生）......我想在 Mihail Marchukajtes的 分类模型中，异常值也会发生...(我们需要思考，音序器应该如何处理它们？)

到目前为止，我的看法是...我还会看一下导入scipy.stats作为stats 的情况

p.s.

谢谢你的链接

我对你的下一句话有点疑惑："NS有助于使样本达到统一"。怎么说呢？

更进一步--"主要的是建立这样一个NS的架构，当神经元层在通往输出的路上通过时，方差不会增加"。我有一个问题，你的意思是，更多的细节和更具体的内容。我只是认为这里面有一些我不能完全掌握的常识。顺便说一下，如果你想避免思想的扩散，让我们把它带到个人账户，我也很乐意分享和听取你的意见。我有一些想法，不是国家安全局没有给我们一个可靠的结果，我们不能从树上看到森林。有什么想法（和相应的代码实验）可以绕过这个问题吗？

[JeeyCi]

eccocom#:
.如果我错过了什么，请解释。我 不得不简化它，因为我花了大约15分钟才找到你的信息））））。

- 初学者犯的3个错误。

1.从业人员不知道统计数字
2.从业人员不知道统计数字。从业人员研究错误的统计数字
3.从业人员研究统计数字的方法不对

eccocom#:
任何一个属性都是重要的，不管它们在排名中可能占据什么位置，特别是由于它们没有那么多，我可以在没有SKLearn 的情况下按重要性排序。

不同的属性在不同的条件下变得很重要...但如果你确定你能在势头上正确排名，那么你就是人工智能（我不知道什么是准确性，什么是误差）...

输入什么 - 自己决定，自己测试，别忘了检查你的假设（学生的t测试在scipy模块的统计类中） ...总的来说，neuronki是一个方便的工具，可以克服统计学中处理大样本的困难，但它并不取代统计学逻辑，而是实现它......包括理解样本应该是有代表性的，而不是来自天花板（包括样本的数量！和质量[异质性]）......类似这样的事情