In the world of machine learning, models are trained by minimizing some variation of a loss function. For example, when we try to predict the median house value of a specific zip code, we are dealing with a regression type problem and prime suspects for the loss function, to be used to train our model, are the Mean Squared Error (MSE), Mean...
今天增加了这样一个预测与当前酒吧的距离的指标。你可以有一个数字或只是一个时间。我花了时间。
有了周期性的时间，一切或多或少都会清楚。或者说，"当前栏 "是为每个样本独立提取的？
我有一个想法，就是只取一个普通的线性逻辑回归，看看在时间上（或在时间的某个函数上）与零系数的差异的显著性，或者将这个显著性与其他预测因素的显著性进行比较。
周期性的时间或多或少是清楚的。或者说，"当前栏 "是为每个样本独立提取的？
我有一个想法，就是只取一个普通的线性逻辑回归，看看在时间上（或在时间的某个函数上）与零系数的差异的显著性，或者将这个显著性与其他预测因素的显著性进行比较。
正弦波是用于周期性时间，如一天中的时间或一周中的一天。而在那里，最初（阿列克谢-维亚兹米金）是在谈论普通的线性时间，试图以衰减模式的形式抓住非平稳性的影响。在我看来，应该用简单的、容易解释的模型来解决此类问题。复杂的模型是为了实用，简单的模型是为了初步分析。
然而，在这种特定情况下，人们对这种忽悠的实际作用表示怀疑。最有可能的是，我们的模式并不随时间均匀 变化，而是周期性的（但没有周期性）。
正弦波是用于周期性时间，如一天中的时间或一周中的一天。而在那里，最初（阿列克谢-维亚兹米金）谈论的是普通的线性时间，试图以模式衰减的形式抓住非平稳性的影响。在我看来，应该用简单的、容易解释的模型来解决此类问题。复杂的模型是为了实用，简单的模型是为了初步分析。
然而，在这种特定情况下，人们对这种忽悠的实际作用表示怀疑。最有可能的是，我们的规律性不是均匀地 随时间变化，而是循环地变化（但没有周期性）。
一般来说，喂养线性时间的想法是个坏主意。顺便说一下，是的：在托盘上，每一行都是不同的，在前进的过程中，我们一次只分析1行，也就是说，时间将永远是当前的（这不是在托盘上），而数字永远=0（在托盘上是从0到5000）。也就是说，既不能提供时间也不能提供托盘号。这就是测试所显示的情况。
虽然我将再次尝试用数字...因为零号将被纳入树的那一部分，该部分<一些分割（例如<5000），也就是说，将使用树的一部分进行转发。不是所有的。我决定花时间测试的东西，误打误撞。
但是，如何按数字进行分割是在一个最佳的距离上前进？
试过了。有5000条历史记录可供学习的模型，在加入行号作为特征后，对买入来说有改善，对卖出来说在某些方面更糟，在某些方面更好。
同时，如果我们在10000条上授课，两个模型都会失败。也就是说，为自动确定必要的历史长度而增加行号的主要任务没有完成。
到目前为止，我们只需要手动优化/选择历史长度进行学习。
看来，使用自定义交易员指标的基本思路是，在模型选择阶段使用这些指标。在训练阶段，使用的是标准指标。也许，这就像马克西姆-德米特里夫斯基早先就这个问题写的那样。
一篇小文章 来说明这个方法。
显然，使用自定义交易员指标的主要想法是，在模型选择阶段使用这些指标。
虽然，在训练阶段有一些使用自定义指标的想法。同时，它们与贸易商的不太相似，而是MO标准的修改版。
也许交易员的衡量标准导致了条件的恶劣。这让人联想到，例如，使用交叉熵而不是感兴趣的原始错误率（据说后者的敏感性很差）。
有必要以某种方式减少IR培训和测试员优化 之间的理论和实践差距。
虽然，在训练阶段已经有一些使用自定义指标的想法。然而，它们并不完全像交易者的指标，而是标准MOE指标的调整变体。
也许交易员的衡量标准导致了条件差。它类似于，例如，使用交叉熵而不是感兴趣的原始错误频率（他们 说后者的敏感性差）。
我们必须以某种方式减少MO的培训和测试员的优化 之间的理论和实践差距。
当我用TP/SL制作模型时，精确度是绝对的。在模型和测试器中，交易是在相同的条形图上打开的，并以相同的TP/SL关闭。但盈利能力约为0。
，我是根据公开价格进行测试的。但是他们有一个问题...在酒吧中使用的是最小点差。
也就是说，测试器中的部分订单和TP/SL将在以下时间触发
询盘价=出价高+最低价差。
那些在实际贸易中会被触发的东西将不会起作用
ASK HIGH (real) = BID HIGH + Spread calculated by the maximum ASK.
有几次，我建议开发商在酒吧里保存的不是最小的点差，而是
价差="叫价高 " - " 出价高"。
有了这样的价差，用开盘价测试将更接近于用真实的点位测试。
例如，一个酒吧的最小点差=0.00002，而点差=ASK HIGH - BID HIGH= 0.00020。也就是说，在现实中ASK的价格比测试者的价格高0.00018。交易开仓/平仓可能发生的地方。
但MetaQuotes没有任何回应（俄语）。
PS：为了更加准确，还应该计算低价位的价差。