交易中的机器学习：理论、模型、实践和算法交易 - 页 2762 1...275527562757275827592760276127622763276427652766276727682769...3399 新评论 JeeyCi 2022.09.28 05:13 #27611 Ivan Butko #:有可能出现间接征兆吗？例如，猫和狗经常打架，但狗更有可能追逐猫。我们有两个物体和它们的运动。在 "思考 "和权重相乘的过程中，神经网络告诉我们，一个物体总是跑在前面，另一个在后面（MA_5[0] > MA_10[0]），并做出了一个假设：狗现在在前面吗？ 现在，神经网络知道如何通过物体的争斗和移动来判断谁是猫谁是狗了。同时，它并没有得到爪子、毛发、牙齿、吠叫或喵喵声作为输入。 也就是说，这种情况下的特征并不代表被分类对象的部分信息，但解决方案是可能的。 这些不是征兆--它们是时间过程发展的动态--动态序列...... 而依赖关系是作为静态序列来研究的...... (但时间也可以被称为符号- 外生的，时间因素增加了动态性）。 你在输入上既没有得到 "喵"，也没有得到 "毛"，但你得到了轨迹的平滑化--神经网络并不关心你近似了什么--只是动态总是以滞后的方式显示结果--正是因为它需要时间因素 作为窗口来收集样本并估计因变量随时间的变化率...但是，要分析动力学，就必须有（对时间的）依赖性（这是您在您所描述的模型中加入的因素 --如果您在模型中直呼其名 "什么是因素，您想知道/评估什么" --那么论坛上互相（不）理解的涂鸦就会少一些...） 线性方程 - 显示速度（轨迹曲线某点的切线），二次方程（抛物线）也将显示加速度...而 (f-a)^2 的收敛将在时间上进行评估，并显示该时间窗口有限段上的结果 - MLE（最大似然估计）总是以同样的方式工作，至少在近似静态时是如此，至少在均衡动态时也是如此。 除非你考虑到你正在研究的是什么--一个因素（定性/定量）或其动态（+ 时间因素）--否则你无法区分发展的依赖性和模式--因此你无法理解你正在分析的是什么，它是否是你真正需要的，以及什么依赖于什么......分析类型的局限性--动态分析总是显示出滞后的结果。 真的，关于谁歪曲地看待什么，歪曲地看到什么，歪曲地解释什么，以及他自己是如何歪曲地从他的解释中理解并试图说服他人的争论令人厌烦，上面的帖子中有些人甚至口吐白沫....。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里宣扬伪科学知识是因为你对基本原理一无所知（你还试图将其作为论据）_ 您创建了这样的模型（曲线）--却不知道建模的结果是什么（您想知道什么）......您对这种依赖性的哪些因素感兴趣？ 在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。 Ivan Butko 2022.09.28 05:57 #27612 JeeyCi #:这些不是标志，而是一个过程随着时间的推移而发展的动态--一个动态的系列...... 和依赖关系作为静态数列进行研究....(但时间也可称为一种符号--外生的，时间因素增加了动态性）。你在输入上既没有得到 "喵"，也没有得到 "毛发"，但你得到了轨迹的平滑化--神经网络不在乎你近似了什么--只在乎动态，结果总是滞后的--这正是因为它需要时间因素 作为窗口来收集样本，并估算因变量随时间的变化率......但是，要分析动态变化，必须要有（对时间的）依赖性（这是您在您所描述的模型中加入的因素 --如果您在模型中直呼其名 "什么是因素以及您想知道/评估什么" --那么论坛上互相（不）理解的涂鸦就会少很多）...线性方程 - 显示速度（轨迹曲线某点的切线），二次方程（抛物线）也将显示加速度...MLE（最大似然估计）总是以同样的方式工作，至少在近似静态时是如此，至少在均衡动态时是如此除非你考虑到你正在研究的是什么--一个因素（定性/定量）或其动态（+ 时间因素）--否则你无法区分依赖关系和发展模式--因此你无法理解你正在分析的是什么，是否是你真正需要的，以及什么依赖于什么......以及分析类型的局限性 - 动态分析总是显示出滞后的结果关于谁在歪曲地看待什么、歪曲地看待什么、歪曲地解释什么，以及他自己如何歪曲地从他的解释中理解并试图说服他人，以及上面帖子中的一些人甚至口吐白沫的争论，真的令人厌烦....。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里宣扬伪科学知识，是因为你对基本原理一无所知（并试图将其作为论据）_ 你创建了这样的模型（曲线）--却不知道建模的结果是什么（你想知道什么）......以及您对这种依赖关系中的哪些因素感兴趣在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。 感谢您的详细解答。 mytarmailS 2022.09.28 07:07 #27613 有没有人试过本网站 RL 文章中的例子？ Q 学习、演员批评。到底行不行？ [删除] 2022.09.28 07:46 #27614 Ivan Butko #:有可能出现间接征兆吗？例如，猫和狗经常打架，但狗更有可能追逐猫。我们有两个物体和它们的动作。我们的任务是：在通过事实数据核对一次后，确定其中哪个是猫，哪个是狗，并在随后的时间里独立确定谁是谁。我们可以确定其中一个是猫，另一个是狗，但我们看不到它们的轮廓，也听不到它们的声音，甚至看不到它们的踪迹，只能看到运动的坐标。我们向神经网络提供物体来回移动的信息（买-卖）。在 "思考 "和权重相乘的过程中，神经网络告诉我们，一个物体总是跑在前面，另一个在后面（MA_5[0] > MA_10[0]），并做出了一个假设：狗现在在前面吗？用实际数据进行检验，得到答案（否），修正数据，假设是猫，检验结果--（是）。现在，神经网络知道如何通过物体的打斗和移动来判断谁是猫，谁是狗了。 也就是说，似乎可以给神经网络输入很多东西，它就能找到某些东西，并以这样的方式（赫尔克里-波洛）找到它，从而给出必要的答案。也就是说，在这种情况下，特征并不代表被分类对象的部分信息，但解决方案是可能的。 你可以这样做，但你至少应该先把猫和狗分开关于马什基是一个糟糕的比较，你需要清楚地了解买入和卖出标记之间的区别。这就是为什么叫跟老师学。没有老师，它什么也做不了。神经网络只会帮助你根据新数据评估结论的正确性。你看这多简单。看看 "跟老师学习 "的定义就知道了。 Valeriy Yastremskiy 2022.09.28 09:28 #27615 JeeyCi #:谁歪曲地看待什么，谁歪曲地看待什么，谁又歪曲地解释什么，他自己又是如何歪曲地从他的解释中理解并试图说服别人的，上面的帖子中有些人甚至口吐白沫....，这些争论真是令人厌倦。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里鼓吹伪科学知识，是因为你对基本原理一无所知（你还试图将其作为论据）_ 您创建了这样的模型（曲线），却不知道建模的结果是什么（您想知道什么）......以及您对这种依赖关系中的哪些因素感兴趣在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。 不同语言的争论真让人厌烦))))))如果没有情绪化，对理解进行字面和清晰的解释就好了....)))) 遗憾的是，在任何类似科学领域的第一线（在新的研究阶段）都不可能有精确的表述和确切的术语，这就是为什么在这个主题中解释自己的理解对于这里的holivars结果至关重要)))))。 СанСаныч Фоменко 2022.09.28 09:57 #27616 Valeriy Yastremskiy #:不同语言的争论真让人厌烦))))))如果不带感情色彩，逐字逐句、清晰明了地解释理解......但像往常一样，人们很少意识到人是不同的，对许多相似之处的理解也不尽相同。))))遗憾的是，在任何科学领域的第一线（在新的研究阶段）都不可能有精确的表述和准确的术语，这就是为什么在这个主题中解释自己的理解对于这里的holivars结果至关重要)))))。 这里没有高级，只有对现有工具的不了解。在掌握了现有工具并努力消除其中的缺陷之后，才能形成高级。 当术语有代码支持时，绝对精确的表述在任何情况下都是可能的。 例如，神经网络是一个没有具体内容的概括性术语。 而 nnet 软件包中的神经网络则有绝对精确的内容。 同样，我和其他一些作者使用的 "预测者的预测能力 "一词也是一个概括性术语，但 "预测能力"（理解为将预测者按类划分后得到的两个向量之间的中值之差）是绝对精确的。 Valeriy Yastremskiy 2022.09.28 10:06 #27617 Maxim Dmitrievsky #: 特征应该代表被分类对象的部分信息，这就是特征。可以说是一种徽章。 在我看来，只要没有明确被分类的对象是什么，那么所有这 100 种花哨的拟合方式都会得到相同的结果 特征是我们要寻找的噪音中的真正原因（而不是我们需要的特征），类标签是我们需要的结果，我同意 Sanych 的观点：目标-预测对是相关的，而这一对的存在正是因为它们是相关的。 而且它们很难找到） 属性是其他时间增量中的时间增量，或者是一系列时间增量中的时间增量，只是按顺序排列，而不考虑时间。这些增量既可以相对于前一个增量单独考虑，也可以作为连续增量的一个数字、函数或模式来考虑。为了找到这些增量，我们需要研究一幅图，一个窗口，但对于不同的特征，我们需要不同大小的窗口。桑尼奇的方法是在每个新的数据结果上进行，而你的方法是只在确定为必要的结果上进行。 此外，我们还需要类标签/结果，所以我的理解是，找到正确的类标签/结果是一项单独的任务。 我想我的理解都是正确的))))？ [删除] 2022.09.28 10:10 #27618 Valeriy Yastremskiy #:我同意 Sanych 的观点："目标-预测者 "这一对是相关的，这一对的存在正是因为 它们是相关的。 而且它们很难找到）属性是其他时间增量中的时间增量，或者是一系列时间增量中的时间增量，只是按顺序排列，而不考虑时间。这些增量既可以相对于前一个增量单独考虑，也可以作为连续增量的一个数字、函数或模式来考虑。为了找到这些增量，我们需要探索一个图，一个窗口，但对于不同的特征，我们需要不同大小的窗口。桑尼奇的方法是，应该在每一个新的数据结果上都这样做，你的是只在确定为必要的结果上。此外，我们还需要类标签/结果，所以我的理解是，找到正确的类标签/结果是一项单独的任务。我想我的理解都是正确的)))))？ 我们需要定义分类对象及其属性。什么是买入或卖出交易，其属性是什么？它们有什么区别。 Valeriy Yastremskiy 2022.09.28 10:15 #27619 СанСаныч Фоменко #: 这里没有尖端，只有对现有工具的不了解。只有掌握了现有工具，并努力消除其中的不足，才能形成优势。在任何情况下，只要术语有代码支持，绝对精确的措辞都是可能的。例如，神经网络是一个没有具体内容的概括性术语。但 nnet 软件包中的神经网络却有绝对精确的内容。同样，我和其他一些作者使用的 "预测者的预测能力 "一词也是一个概括性术语，但 "预测能力"（理解为将预测者按类划分后得到的两个向量的中值之差）却是绝对精确的。 我不想争辩，我同意代码中的一切都绝对准确。 当然，不了解工具或对工具的了解程度不同，并不能让参与者之间完全理解。但是，断然要求研究这些工具也不一定有利于充分理解。此外，争议/争论的主题可以定义得足够精确。 Valeriy Yastremskiy 2022.09.28 10:18 #27620 Maxim Dmitrievsky #: 有必要对分类对象及其属性进行定义。什么是买卖交易，其属性是什么？它们有何不同。 交易的标志是其结果，交易的属性仍然存在，但决定交易的标志是增量和时间（我不喜欢序列号）。 1...275527562757275827592760276127622763276427652766276727682769...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
有可能出现间接征兆吗？例如，猫和狗经常打架，但狗更有可能追逐猫。我们有两个物体和它们的运动。
在 "思考 "和权重相乘的过程中，神经网络告诉我们，一个物体总是跑在前面，另一个在后面（MA_5[0] > MA_10[0]），并做出了一个假设：狗现在在前面吗？
现在，神经网络知道如何通过物体的争斗和移动来判断谁是猫谁是狗了。同时，它并没有得到爪子、毛发、牙齿、吠叫或喵喵声作为输入。
也就是说，这种情况下的特征并不代表被分类对象的部分信息，但解决方案是可能的。
这些不是征兆--它们是时间过程发展的动态--动态序列......
而依赖关系是作为静态序列来研究的......
(但时间也可以被称为符号- 外生的，时间因素增加了动态性）。
你在输入上既没有得到 "喵"，也没有得到 "毛"，但你得到了轨迹的平滑化--神经网络并不关心你近似了什么--只是动态总是以滞后的方式显示结果--正是因为它需要时间因素 作为窗口来收集样本并估计因变量随时间的变化率...但是，要分析动力学，就必须有（对时间的）依赖性（这是您在您所描述的模型中加入的因素 --如果您在模型中直呼其名 "什么是因素，您想知道/评估什么" --那么论坛上互相（不）理解的涂鸦就会少一些...）
线性方程 - 显示速度（轨迹曲线某点的切线），二次方程（抛物线）也将显示加速度...而 (f-a)^2 的收敛将在时间上进行评估，并显示该时间窗口有限段上的结果 - MLE（最大似然估计）总是以同样的方式工作，至少在近似静态时是如此，至少在均衡动态时也是如此。
除非你考虑到你正在研究的是什么--一个因素（定性/定量）或其动态（+ 时间因素）--否则你无法区分发展的依赖性和模式--因此你无法理解你正在分析的是什么，它是否是你真正需要的，以及什么依赖于什么......分析类型的局限性--动态分析总是显示出滞后的结果。
真的，关于谁歪曲地看待什么，歪曲地看到什么，歪曲地解释什么，以及他自己是如何歪曲地从他的解释中理解并试图说服他人的争论令人厌烦，上面的帖子中有些人甚至口吐白沫....。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里宣扬伪科学知识是因为你对基本原理一无所知（你还试图将其作为论据）_
您创建了这样的模型（曲线）--却不知道建模的结果是什么（您想知道什么）......您对这种依赖性的哪些因素感兴趣？
在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。
这些不是标志，而是一个过程随着时间的推移而发展的动态--一个动态的系列......
和依赖关系作为静态数列进行研究....
(但时间也可称为一种符号--外生的，时间因素增加了动态性）。
你在输入上既没有得到 "喵"，也没有得到 "毛发"，但你得到了轨迹的平滑化--神经网络不在乎你近似了什么--只在乎动态，结果总是滞后的--这正是因为它需要时间因素 作为窗口来收集样本，并估算因变量随时间的变化率......但是，要分析动态变化，必须要有（对时间的）依赖性（这是您在您所描述的模型中加入的因素 --如果您在模型中直呼其名 "什么是因素以及您想知道/评估什么" --那么论坛上互相（不）理解的涂鸦就会少很多）...
线性方程 - 显示速度（轨迹曲线某点的切线），二次方程（抛物线）也将显示加速度...MLE（最大似然估计）总是以同样的方式工作，至少在近似静态时是如此，至少在均衡动态时是如此
除非你考虑到你正在研究的是什么--一个因素（定性/定量）或其动态（+ 时间因素）--否则你无法区分依赖关系和发展模式--因此你无法理解你正在分析的是什么，是否是你真正需要的，以及什么依赖于什么......以及分析类型的局限性 - 动态分析总是显示出滞后的结果
关于谁在歪曲地看待什么、歪曲地看待什么、歪曲地解释什么，以及他自己如何歪曲地从他的解释中理解并试图说服他人，以及上面帖子中的一些人甚至口吐白沫的争论，真的令人厌烦....。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里宣扬伪科学知识，是因为你对基本原理一无所知（并试图将其作为论据）_
你创建了这样的模型（曲线）--却不知道建模的结果是什么（你想知道什么）......以及您对这种依赖关系中的哪些因素感兴趣
在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。
感谢您的详细解答。
有可能出现间接征兆吗？例如，猫和狗经常打架，但狗更有可能追逐猫。我们有两个物体和它们的动作。我们的任务是：在通过事实数据核对一次后，确定其中哪个是猫，哪个是狗，并在随后的时间里独立确定谁是谁。我们可以确定其中一个是猫，另一个是狗，但我们看不到它们的轮廓，也听不到它们的声音，甚至看不到它们的踪迹，只能看到运动的坐标。我们向神经网络提供物体来回移动的信息（买-卖）。在 "思考 "和权重相乘的过程中，神经网络告诉我们，一个物体总是跑在前面，另一个在后面（MA_5[0] > MA_10[0]），并做出了一个假设：狗现在在前面吗？用实际数据进行检验，得到答案（否），修正数据，假设是猫，检验结果--（是）。现在，神经网络知道如何通过物体的打斗和移动来判断谁是猫，谁是狗了。
也就是说，似乎可以给神经网络输入很多东西，它就能找到某些东西，并以这样的方式（赫尔克里-波洛）找到它，从而给出必要的答案。也就是说，在这种情况下，特征并不代表被分类对象的部分信息，但解决方案是可能的。
谁歪曲地看待什么，谁歪曲地看待什么，谁又歪曲地解释什么，他自己又是如何歪曲地从他的解释中理解并试图说服别人的，上面的帖子中有些人甚至口吐白沫....，这些争论真是令人厌倦。如果你把每件事、每个人都抽象到如此程度，以至于你用你的言论自由扭曲了意义--自然科学中没有言论自由！有确切的提法及其确切的意义......而不是伪科学知识......。而不是伪科学知识，你在这里鼓吹伪科学知识，是因为你对基本原理一无所知（你还试图将其作为论据）_
您创建了这样的模型（曲线），却不知道建模的结果是什么（您想知道什么）......以及您对这种依赖关系中的哪些因素感兴趣
在这个问题上，一切都过于主观，因此不可能达到客观性（这才是建模的真正和主要目标）。
不同语言的争论真让人厌烦))))))如果没有情绪化，对理解进行字面和清晰的解释就好了....))))
遗憾的是，在任何类似科学领域的第一线（在新的研究阶段）都不可能有精确的表述和确切的术语，这就是为什么在这个主题中解释自己的理解对于这里的holivars结果至关重要)))))。
不同语言的争论真让人厌烦))))))如果不带感情色彩，逐字逐句、清晰明了地解释理解......但像往常一样，人们很少意识到人是不同的，对许多相似之处的理解也不尽相同。))))
遗憾的是，在任何科学领域的第一线（在新的研究阶段）都不可能有精确的表述和准确的术语，这就是为什么在这个主题中解释自己的理解对于这里的holivars结果至关重要)))))。
这里没有高级，只有对现有工具的不了解。在掌握了现有工具并努力消除其中的缺陷之后，才能形成高级。
当术语有代码支持时，绝对精确的表述在任何情况下都是可能的。
例如，神经网络是一个没有具体内容的概括性术语。
而 nnet 软件包中的神经网络则有绝对精确的内容。
同样，我和其他一些作者使用的 "预测者的预测能力 "一词也是一个概括性术语，但 "预测能力"（理解为将预测者按类划分后得到的两个向量之间的中值之差）是绝对精确的。
特征是我们要寻找的噪音中的真正原因（而不是我们需要的特征），类标签是我们需要的结果，我同意 Sanych 的观点：目标-预测对是相关的，而这一对的存在正是因为它们是相关的。
而且它们很难找到）
属性是其他时间增量中的时间增量，或者是一系列时间增量中的时间增量，只是按顺序排列，而不考虑时间。这些增量既可以相对于前一个增量单独考虑，也可以作为连续增量的一个数字、函数或模式来考虑。为了找到这些增量，我们需要研究一幅图，一个窗口，但对于不同的特征，我们需要不同大小的窗口。桑尼奇的方法是在每个新的数据结果上进行，而你的方法是只在确定为必要的结果上进行。
此外，我们还需要类标签/结果，所以我的理解是，找到正确的类标签/结果是一项单独的任务。
我想我的理解都是正确的))))？
我同意 Sanych 的观点："目标-预测者 "这一对是相关的，这一对的存在正是因为 它们是相关的。
而且它们很难找到）
属性是其他时间增量中的时间增量，或者是一系列时间增量中的时间增量，只是按顺序排列，而不考虑时间。这些增量既可以相对于前一个增量单独考虑，也可以作为连续增量的一个数字、函数或模式来考虑。为了找到这些增量，我们需要探索一个图，一个窗口，但对于不同的特征，我们需要不同大小的窗口。桑尼奇的方法是，应该在每一个新的数据结果上都这样做，你的是只在确定为必要的结果上。
此外，我们还需要类标签/结果，所以我的理解是，找到正确的类标签/结果是一项单独的任务。
我想我的理解都是正确的)))))？
这里没有尖端，只有对现有工具的不了解。只有掌握了现有工具，并努力消除其中的不足，才能形成优势。
在任何情况下，只要术语有代码支持，绝对精确的措辞都是可能的。
例如，神经网络是一个没有具体内容的概括性术语。
但 nnet 软件包中的神经网络却有绝对精确的内容。
同样，我和其他一些作者使用的 "预测者的预测能力 "一词也是一个概括性术语，但 "预测能力"（理解为将预测者按类划分后得到的两个向量的中值之差）却是绝对精确的。
我不想争辩，我同意代码中的一切都绝对准确。
当然，不了解工具或对工具的了解程度不同，并不能让参与者之间完全理解。但是，断然要求研究这些工具也不一定有利于充分理解。此外，争议/争论的主题可以定义得足够精确。
有必要对分类对象及其属性进行定义。什么是买卖交易，其属性是什么？它们有何不同。
交易的标志是其结果，交易的属性仍然存在，但决定交易的标志是增量和时间（我不喜欢序列号）。