交易中的机器学习：理论、模型、实践和算法交易 - 页 3037 1...303030313032303330343035303630373038303930403041304230433044...3399 新评论 СанСаныч Фоменко 2023.04.16 17:35 #30361 mytarmailS #:你已经复制了 40 次，同样的东西，同样的东西 ....唯一的问题是机器人在哪里？ 没有机器人，因为我们不得不拒绝老师，而且顾问也有技术问题。现在，所有技术问题都已解决。 我认为你关于平衡的想法是不可行的，尽管我最初很喜欢它。你必须比我更仔细地设计老师。 СанСаныч Фоменко 2023.04.16 17:38 #30362 Forester #:分类错误不是指标。指标是余额和余额线。第 5 年及以上。 我给你看过一份资产负债表，OOS 的分类错误率为 8.3%。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275有利可图，但还是把这样的模型扔进了篮子。 请展示您的资产负债表，OOS 误差为 20%。这将成为我们努力的榜样。 我看不懂你的图片。我不明白这是什么意思，分类和它有什么关系，当列是余额时。 mytarmailS 2023.04.16 17:59 #30363 СанСаныч Фоменко #:1) 没有机器人，因为我们不得不拒绝教师。现在，所有技术问题都已解决。2) 我认为您关于平衡的想法是不可行的，尽管我最初很喜欢这个想法。平衡不能成为老师，因为它并不存在。 你必须比我以前更仔细地设计老师。 1) 那还有什么好说的？ 2) 而且我从没说过平衡的想法行不通，事实上我说的恰恰相反，FF 有无限变化的可能性。 你忘了是怎么回事了吗？我来提醒你一下。 那个人问如何训练平衡网络，我给了你提示，你很感兴趣，要求举例说明，我就给了你。我还写道，你不应该进行平衡训练。 剩下的纯粹是你的个人发明，是你出于某种原因把我和你联系在一起的发明。 СанСаныч Фоменко 2023.04.16 18:12 #30364 mytarmailS #:1) 那还谈什么呢？2) 我从没说过平衡的想法行不通，事实上我说的恰恰相反，FF 有无限的变体可能性。你忘了以前是怎么做的吗？我来提醒你。 那个人问如何训练网络的平衡性，我给了你提示，你很感兴趣，要求举例说明，我就给了你。我还写道，你不应该进行平衡训练。剩下的纯粹是你的个人发明，是你出于某种原因把我和你联系在一起的发明。 平衡的概念对我来说是新的，是你提出来的，我强调这一点。但你却莫名其妙地紧张起来.......... 以 "平衡 "结束话题。 Maxim Dmitrievsky 2023.04.16 18:57 #30365 mytarmailS #:规则的可持续性 在 OOS 上是行不通的，就像平衡曲线对法定货币一样这些我都说过了，以不同的形式，多次....。但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO... 我也不是它的粉丝，但阿列克谢说它有用。 问题是，为什么他不使用他得到的东西呢？ 这是我在过去一个半月里的逻辑（它已经工作了一年多，取得了同样的成功）。 我认为它（处理模型错误）比摆弄规则更成功。 因为摆弄规则和遗传学一样，都是从成功的传递中选择参数。 H.Y 我不会再公关最后一篇文章了，因为我很无聊:)如果至少有人能把它弄明白，并提出还有哪些地方可以改进，那将是一种进步。 mytarmailS 2023.04.16 19:13 #30366 Maxim Dmitrievsky #:我也不太喜欢，但阿列克谢说它很有效。问题是他为什么不用 ) 所以他说过很多次，规则正在消亡，随机复活不起作用，我证实了这一点 ....。 我们还可以得出结论，如果已经选定的规则不起作用，那么 AMO 就根本不起作用...... 由此可以得出结论，问题不在 AMO，而在数据和/或目标。 图片不错 ) Maxim Dmitrievsky 2023.04.16 19:52 #30367 有一本关于各种规则的小书。 https://christophm.github.io/interpretable-ml-book/ Interpretable Machine Learning Christoph Molnarchristophm.github.io Machine learning algorithms usually operate as black boxes and it is unclear how they derived a certain decision. This book is a guide for practitioners to make machine learning decisions interpretable. Forester 2023.04.16 19:55 #30368 СанСаныч Фоменко #:我看不懂你的图片。我不明白这是什么意思，分类和它有什么关系，柱子是平衡的。 有什么不清楚的吗？让我来解释一下： 图表上的平衡线，在我看来，虽然有利可图，但并不适合工作。 Err 栏显示的是分类误差。对于盈利的变体，它等于 8.3%，而对于工作为 0 的变体，误差 = 9.1%。 那么，你能给我看看你的误差为 20% 的 OOS 平衡图吗？ СанСаныч Фоменко 2023.04.16 20:47 #30369 Forester #: 什么地方不清楚？让我来解释一下： 图表上的平衡线，在我看来，虽然有利可图，但并不适合工作。 Err 栏 - 显示分类误差。对于盈利的变体来说，它等于 8.3%，而对于工作效率为 0 的变体来说，误差 = 9.1%。 那么，你能给我看一下你关于误差为 20% 的 OOS 的平衡图吗？ 平衡与分类错误有什么关系？ Forester 2023.04.16 21:55 #30370 СанСаныч Фоменко #:平衡与分类错误有什么关系？ 没错，没有任何关系。我不明白你为什么一直把 20% 的误差率吹捧为一项成就......，无论是 20%、8% 还是 50%，都没有任何意义。这些数字毫无意义。 平衡才有意思。没有图表？ 1...303030313032303330343035303630373038303930403041304230433044...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
你已经复制了 40 次，同样的东西，同样的东西 ....
唯一的问题是机器人在哪里？
没有机器人，因为我们不得不拒绝老师，而且顾问也有技术问题。现在，所有技术问题都已解决。
我认为你关于平衡的想法是不可行的，尽管我最初很喜欢它。你必须比我更仔细地设计老师。
分类错误不是指标。指标是余额和余额线。第 5 年及以上。
我给你看过一份资产负债表，OOS 的分类错误率为 8.3%。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275
有利可图，但还是把这样的模型扔进了篮子。
请展示您的资产负债表，OOS 误差为 20%。这将成为我们努力的榜样。
我看不懂你的图片。我不明白这是什么意思，分类和它有什么关系，当列是余额时。
1) 没有机器人，因为我们不得不拒绝教师。现在，所有技术问题都已解决。
2) 我认为您关于平衡的想法是不可行的，尽管我最初很喜欢这个想法。平衡不能成为老师，因为它并不存在。 你必须比我以前更仔细地设计老师。
1) 那还有什么好说的？
2) 而且我从没说过平衡的想法行不通，事实上我说的恰恰相反，FF 有无限变化的可能性。
你忘了是怎么回事了吗？我来提醒你一下。
那个人问如何训练平衡网络，我给了你提示，你很感兴趣，要求举例说明，我就给了你。我还写道，你不应该进行平衡训练。
剩下的纯粹是你的个人发明，是你出于某种原因把我和你联系在一起的发明。
1) 那还谈什么呢？
2) 我从没说过平衡的想法行不通，事实上我说的恰恰相反，FF 有无限的变体可能性。
你忘了以前是怎么做的吗？我来提醒你。
那个人问如何训练网络的平衡性，我给了你提示，你很感兴趣，要求举例说明，我就给了你。我还写道，你不应该进行平衡训练。
剩下的纯粹是你的个人发明，是你出于某种原因把我和你联系在一起的发明。
平衡的概念对我来说是新的，是你提出来的，我强调这一点。但你却莫名其妙地紧张起来..........
以 "平衡 "结束话题。
规则的可持续性 在 OOS 上是行不通的，就像平衡曲线对法定货币一样
这些我都说过了，以不同的形式，多次....。
但我仍然认为，每个人都应该 知道如何 编写 FF 和使用 AO...
我也不是它的粉丝，但阿列克谢说它有用。
问题是，为什么他不使用他得到的东西呢？
这是我在过去一个半月里的逻辑（它已经工作了一年多，取得了同样的成功）。
我认为它（处理模型错误）比摆弄规则更成功。
因为摆弄规则和遗传学一样，都是从成功的传递中选择参数。
H.Y 我不会再公关最后一篇文章了，因为我很无聊:)如果至少有人能把它弄明白，并提出还有哪些地方可以改进，那将是一种进步。
我也不太喜欢，但阿列克谢说它很有效。
问题是他为什么不用 )
所以他说过很多次，规则正在消亡，随机复活不起作用，我证实了这一点 ....。
我们还可以得出结论，如果已经选定的规则不起作用，那么 AMO 就根本不起作用......
由此可以得出结论，问题不在 AMO，而在数据和/或目标。
图片不错 )
有一本关于各种规则的小书。
https://christophm.github.io/interpretable-ml-book/
我看不懂你的图片。我不明白这是什么意思，分类和它有什么关系，柱子是平衡的。
图表上的平衡线，在我看来，虽然有利可图，但并不适合工作。
Err 栏显示的是分类误差。对于盈利的变体，它等于 8.3%，而对于工作为 0 的变体，误差 = 9.1%。
那么，你能给我看看你的误差为 20% 的 OOS 平衡图吗？
什么地方不清楚？让我来解释一下： 图表上的平衡线，在我看来，虽然有利可图，但并不适合工作。 Err 栏 - 显示分类误差。对于盈利的变体来说，它等于 8.3%，而对于工作效率为 0 的变体来说，误差 = 9.1%。 那么，你能给我看一下你关于误差为 20% 的 OOS 的平衡图吗？
平衡与分类错误有什么关系？
平衡与分类错误有什么关系？
没错，没有任何关系。我不明白你为什么一直把 20% 的误差率吹捧为一项成就......
，无论是 20%、8% 还是 50%，都没有任何意义。这些数字毫无意义。
平衡才有意思。没有图表？