交易中的机器学习：理论、模型、实践和算法交易 - 页 2820 1...281328142815281628172818281928202821282228232824282528262827...3399 新评论 Roman 2022.11.07 16:15 #28191 梯度提升 在托盘中，asscgasu升至 0.85，但在测试中却降至 0.75。 为了提高分析 结果的准确性，可以尝试对重要变量 的影响进行近似 分析， 对每一类-1、0、1 将这些曲线作为新变量使用。 例如，对于第 1 类，RSI 的影响如下 经过近似，我们得到了一个新的样条。 以此类推，对每个变量和每个类别都是如此。 因此，我们将得到一组新的样条，并将其输入到输入端，而不是原始变量。 mytarmailS 2022.11.07 18:54 #28192 Roman #:梯度提升上，增益上升到 0.85，但在测试 上，增益下降到 0.75 作为一个提高增益的 选项，您可以尝试近似重要变量 的影响，对于每个类 -1, 0, 1 将这些样条作为新变量使用。例如，对于 1 类，RSI 的影响如下经过近似，我们得到了一个新的样条。以此类推，每个变量和每个等级都是如此。 结果，我们得到了一组新的样条，并将其输入到输入中，而不是原始变量。嗯，值得称赞 我在 xgboost 上得到的结果是 0.83，但在其他变量上，我已经用 ohlc 和 donchian 通道建立了变量之间所有可能的关系，每个变量与每个变量之间的关系......我得到了超过 10k 个迹象....。但有大约 300 个变量有重要的符号。近似的想法很有趣，虽然我不理解，但可以试试....。有意思。如果你能挤出 0.9，我觉得会很酷。=======我想创建一个自动功能生成器，但在代码架构....，我怎么也搞不定。从本质上讲，它应该是个炸弹，但这只是理论上的。=======你用什么训练模型？ Roman 2022.11.07 20:42 #28193 mytarmailS #:嗯，这一点值得称赞！ 我在 xgboost 上得到了 0.83，但从其他变量中，我利用 ohlc 和 donchian 通道建立了变量之间所有可能的关系，每个变量与每个变量之间......我得到了超过 10k 的符号....。 但有大约 300 个变量有重要的符号。 近似的想法很有趣，虽然我不理解，但可以试试....。有趣 如果能挤出 0.9，我觉得会很酷。 ======= 我想创建一个自动功能生成器，但我无法理解代码架构.... 从本质上讲，它应该是一个炸弹，但这只是理论上的 ======= 你用什么训练你的模型？ 在这些例子中，变量之间所有可能的关系都是自动设置的。 虽然你可以禁用它们，或者为关系设置特定的变量。 我玩了一下不近似的调整，将每棵树的节点数增加到变量数。 模型变得更复杂了，训练了 12 分钟。 在 traine assugasu 上上升到 0.97，但测试破坏了一切，只有 0.74。 总的来说，可能有一些东西需要研究和思考。程序中有很多不同的设置，只是我还不完全了解如何使用它们。我从昨天开始就自己研究功能了））而你的数据集恰好出现，正好可以研究功能，也许你的数据 中会有一些东西。 我不太明白你说的自动特征构建器是什么意思？ 自动搜索特征本身，还是自动搜索现有特征之间的关系？ mytarmailS 2022.11.07 20:56 #28194 Roman #:在这些示例中，变量之间所有可能的关系都已自动设置。，但您可以禁用它们，或为关系设置特定变量。 不，我不是 这个意思。 我的意思是，我对其他特征进行了 xgboost 训练，从而在新数据上获得了 0.83 的 akurasi 值。 从 OHLC 和另一个指标中构建特征 根据以下原则 O[i]-H[i-1]-L[i-5]-指标 L[i-5]-指标[i-10] ........ .... .. 等等所有可能的组合（所有与所有）。 我得到了大约 10 000 个特征。 其中 300 个有用。 在新数据上，模型得到了 0.83。 =========== Roman#： 我不太明白你说的自动特征构建器是 什么意思？ 我想实现上述自动化，让计算机自己构建特征，这样就不会有 10k 个特征可供选择，而是有十亿个特征可供选择，例如....。 Roman#： 自动搜索特征本身，还是自动搜索可用特征之间的依赖关系？ 自动创建/构建特征--->测试适用性 --- >选择最佳特征 - -->可能对最佳特征进行突变，以寻找更好的特征....。 这一切都是自动的。基于 MSUA，如果你读过的话......但只是基于它.... Machine learning in trading: MQL5 中的范畴论 (第 9 利用 MQL5 矩阵的反向传播神经网络 Aleksey Vyazmikin 2022.11.07 22:21 #28195 Roman #:程序中有很多不同的设置，我只是不完全了解如何使用它们。从昨天开始，我就在自己研究这些功能了）)还有你的数据集，顺便研究一下这些功能，也许能从你的数据中挤出点什么来。 这是什么程序？ [删除] 2022.11.07 22:43 #28196 关于目标和属性的结论与 HMM 相同。不清楚这些结论从何而来 😀 mytarmailS 2022.11.08 11:31 #28197 认为接近性和概率是一回事的非蠢人不懂.....。 [删除] 2022.11.08 11:52 #28198 职业学校没有教的是，在数学上，任何矩阵都是一样的 😀😀😀😀，对它们的运算也是一样的。只有簇定义和名称的算法不同。 mytarmailS 2022.11.08 11:57 #28199 没错，数学上任何矩阵都是一样的，因此接近度和概率也是一样的))))。别丢人现眼了，你这个非学生。 [删除] 2022.11.08 12:12 #28200 读几何 概率他真是个木头桩子，一个字都不放过。 你完全患有认知萎缩症，怎么还能争论什么呢？ 1...281328142815281628172818281928202821282228232824282528262827...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
梯度提升
在托盘中，asscgasu升至 0.85
，但在测试中却降至 0.75。
为了提高分析 结果的准确性，可以尝试对重要变量 的影响进行近似 分析， 对每一类-1、0、1
将这些曲线作为新变量使用。
例如，对于第 1 类，RSI 的影响如下
经过近似，我们得到了一个新的样条。
以此类推，对每个变量和每个类别都是如此。
因此，我们将得到一组新的样条，并将其输入到输入端，而不是原始变量。
梯度提升
上，增益上升到 0.85
，但在测试
上，增益下降到 0.75
作为一个提高增益的 选项，您可以尝试近似重要变量 的影响，对于每个类 -1, 0, 1
将这些样条作为新变量使用。
例如，对于 1 类，RSI 的影响如下
经过近似，我们得到了一个新的样条。
以此类推，每个变量和每个等级都是如此。
结果，我们得到了一组新的样条，并将其输入到输入中，而不是原始变量。
在这些例子中，变量之间所有可能的关系都是自动设置的。
虽然你可以禁用它们，或者为关系设置特定的变量。
我玩了一下不近似的调整，将每棵树的节点数增加到变量数。
模型变得更复杂了，训练了 12 分钟。
在 traine assugasu 上上升到 0.97
，但测试破坏了一切，只有 0.74。
总的来说，可能有一些东西需要研究和思考。
程序中有很多不同的设置，只是我还不完全了解如何使用它们。
我从昨天开始就自己研究功能了））
而你的数据集恰好出现，正好可以研究功能，也许你的数据 中会有一些东西。
我不太明白你说的自动特征构建器是什么意思？
自动搜索特征本身，还是自动搜索现有特征之间的关系？
在这些示例中，变量之间所有可能的关系都已自动设置。
，但您可以禁用它们，或为关系设置特定变量。
不，我不是 这个意思。
我的意思是，我对其他特征进行了 xgboost 训练，从而在新数据上获得了 0.83 的 akurasi 值。
从 OHLC 和另一个指标中构建特征
根据以下原则
O[i]-H[i-1]-L[i-5]-指标
L[i-5]-指标[i-10]
........
....
..
等等所有可能的组合（所有与所有）。
我得到了大约 10 000 个特征。
其中 300 个有用。
在新数据上，模型得到了 0.83。
===========
我不太明白你说的自动特征构建器是 什么意思？
我想实现上述自动化，让计算机自己构建特征，这样就不会有 10k 个特征可供选择，而是有十亿个特征可供选择，例如....。
自动搜索特征本身，还是自动搜索可用特征之间的依赖关系？
自动创建/构建特征--->测试适用性 --- >选择最佳特征 - -->可能对最佳特征进行突变，以寻找更好的特征....。
这一切都是自动的。
基于 MSUA，如果你读过的话......但只是基于它....
程序中有很多不同的设置，我只是不完全了解如何使用它们。
从昨天开始，我就在自己研究这些功能了）)
还有你的数据集，顺便研究一下这些功能，也许能从你的数据中挤出点什么来。
这是什么程序？
读几何 概率
他真是个木头桩子，一个字都不放过。
你完全患有认知萎缩症，怎么还能争论什么呢？