如果使用关于树的表示法，那么建立树桩甚至可以告诉我们树的生长情况--这是第二个阶段，要实现这一点，可以通过算法（同时在纸上画草图）或在 R 上通过遗传树（这只是已经制定好的方法，你可以把脚本扔给它），或者像你做的那样--但已经在使用一个小的通用表--搜索相对规律性，也可以想出其他的东西。在这个阶段，CatBoost 已经可以作为中间解决方案，轻松消化数据了。我们可以从中找出规律和规则，但它们通常比较薄弱。
如果使用关于树的表示法，甚至还可以告诉我们树的生长情况--这是第二个阶段，要实现这一点，可以通过算法（同时在纸上绘制草图）或在 R 上通过遗传树（这只是已经制定好的方法，你可以将脚本扔给它），或者像你做的那样--但已经在使用一个一般的小表--搜索相对的规律性，也可以想出其他的东西。在这个阶段，CatBoost 已经可以作为中间解决方案，轻松消化数据了。我们可以从中找出规律和规则，但它们通常比较薄弱。
循环时间（小时数等）很容易使用，例如在 KNN 中，如果度量标准写得正确的话。或者在这种方法的某些发展中，如局部回归。
我看到了一种熟悉感，我已经在你的帖子中看到过 3-4 次了。2 次每回合 0.5.)))))))
2 次，是这样的：
2乘以0.5是在中间:-)2 的平均值，突然一下子就把抽搐描述得很好了
0）是的，我是......）
我的方法固定了搜索规律性的空间数量，并限制了这些空间中坐标的步长，因此应该不会出现爆炸。此外，还有一些想法可以通过事先分析空间来立即减少需要搜索的组合数。
我将在 MQL5 中通过 "数学计算 "模式进行搜索，这样做的好处是有经过调试的代理支持系统，可以管理并行计算任务。我的服务器上有很多弱核，因此这对我很重要。
如果我没记错的话，规则就相当于树叶。树叶包含描述模式的条件，而事件则是找到模式的源头。
事件也许是树的枝干，它将通过与其他预测因子的交互作用而建立起来。
如果使用关于树的表示法，那么建立树桩甚至可以告诉我们树的生长情况--这是第二个阶段，要实现这一点，可以通过算法（同时在纸上画草图）或在 R 上通过遗传树（这只是已经制定好的方法，你可以把脚本扔给它），或者像你做的那样--但已经在使用一个小的通用表--搜索相对规律性，也可以想出其他的东西。在这个阶段，CatBoost 已经可以作为中间解决方案，轻松消化数据了。我们可以从中找出规律和规则，但它们通常比较薄弱。
价格越过任何一条线（以及触发指标信号）的概率取决于一天中的时间和一周中的哪一天。
有必要在 NN 和 DL 上添加周期时间。最简单的方法是正弦波。依赖关系是非线性的，因此只需将其平方，并考虑符号。还有两个额外的输入负责时间参考。午夜/正午在任何地方都是不同的，因此最好提前计算并给出相位。这就是模型与现实世界及其时间的联系。
如果没有明确给出这两个时间点，那么在我看来，要么你会得到一个南瓜，要么整个模型会自己尝试获取并输出它们。
是的，时间是最重要的尺度之一，我当然会使用它。
如何解决夏/冬令时的过渡问题，您认为需要进行任何修正吗？
比方说，我们交易欧元/卢布--在历史上，我们有向冬季/夏季时间过渡的不同时刻，然后卢布没有过渡，但欧元存在，比方说，计划中的新闻事件很重要，但随着时间的转移，它们会在不同的时间出现在图表上，该如何是好？也许同时使用两种货币的时间尺度是有意义的，也许更多呢？
是的，时间是最重要的天平之一，我当然会使用它。
如何解决夏/冬时制的过渡问题，您认为需要修正吗？
比方说，我们交易欧元/卢布--在历史上，我们有向冬季/夏季时间过渡的不同时刻，然后卢布没有过渡，但欧元存在，比方说，计划中的新闻事件很重要，但随着时间的转移，它们会在不同的时间出现在图表上，该如何是好？也许同时使用两种货币的时间尺度是有意义的，也许更多呢？
这是一个众所周知的b@##......它不断混淆一切，无论我们交易什么:-) 在两个主要中心 - 美国和英国，时钟的指针在不同的日子移动。最长相隔超过一周。最重要的事件之间的时间间隔会发生变化，六个月中的两三周可能会被排除在分析之外。而我们的人却把事情搞得一团糟，"我们换钟，我们不换钟"。
我不知道解决这个问题的通用办法，甚至不知道成功的多还是少。要么忽略这些 "关键日"，要么将冬夏时间分开教学。后者似乎更合理，但我们的数据已经严重不足了。
我的方法固定了搜索模式的空间数量，并限制了这些空间中坐标的步长，因此应该不会出现爆炸。此外，我还想到了如何通过事先分析空间来立即减少需要探索的组合数量。
我将在 MQL5 中通过 "数学计算 "模式进行搜索，这样做的好处是有经过调试的代理支持系统，可以管理并行计算任务。我的服务器上有很多弱核，因此这对我来说很重要。
如果我没记错的话，规则就相当于树叶。树叶包含描述模式的条件，而事件则是查找模式的来源。
事件也许是树桩，它将通过与其他预测因子的交互作用而成长。
如果使用关于树的表示法，甚至还可以告诉我们树的生长情况--这是第二个阶段，要实现这一点，可以通过算法（同时在纸上绘制草图）或在 R 上通过遗传树（这只是已经制定好的方法，你可以将脚本扔给它），或者像你做的那样--但已经在使用一个一般的小表--搜索相对的规律性，也可以想出其他的东西。在这个阶段，CatBoost 已经可以作为中间解决方案，轻松消化数据了。我们可以从中找出规律和规则，但它们通常比较薄弱。
你们的方法中有没有考虑数据不变性的工具？
https://en.wikipedia.org/wiki/Affine_transformation您的方法中有什么工具可以考虑数据不变性吗？
https:// en.wikipedia.org/wiki/Affine_transformation也许这与多点相关，例如寻找相似的模式，但在我的案例中，第一阶段基本上只有一个点。该点被转换/归一化为不同的相对测量系统--时间尺度和价格，再加上第三个空间--持续描述市场的任何离散预测因子。在初始表示中，你会得到 3 个维度。每个维度都有自己的量子表。