交易中的机器学习：理论、模型、实践和算法交易 - 页 3068 1...306130623063306430653066306730683069307030713072307330743075...3399 新评论 mytarmailS 2023.05.09 19:39 #30671 Maxim Dmitrievsky #:没有一个像样的点子 是的，我同意，你没有一个好主意... 你所有的想法都是把最后 5 根蜡烛放进分类器里，然后从中变出各种花样...... 没有思想，没有创造力，没有天马行空的思维......愚蠢地复制粘贴国外博客上最低级的.... Maxim Dmitrievsky 2023.05.09 19:41 #30672 mytarmailS #:是的，我同意，你没有任何想法......你所有的想法都是把最后 5 根蜡烛放进分类器，以及所有的变体......没有想法，没有创意，没有发散性思维......愚蠢地复制粘贴海外博客上最低级的.... 那是因为你是灰色群体，不理解我写的任何东西。反映出你的认知能力太差 :) mytarmailS 2023.05.09 19:46 #30673 Maxim Dmitrievsky #:那是因为你是个灰头土脸的人，不懂我写的任何东西。这反映了你糟糕的认知能力） 在绵羊眼中，做一个灰头土脸的人总比做一只绵羊好......在我看来 好吧，那就启动你的大型机器人吧，当然它不会把最后 10 根蜡烛图作为输入 ，并展示它是如何工作的... 向全世界展示你是多么的天才 你为什么要这么小题大做呢？ Maxim Dmitrievsky 2023.05.09 19:57 #30674 mytarmailS #:在绵羊眼中，做一个灰头土脸的人总比做一只绵羊好......在我看来那就运行你的大型机器人吧，当然它不会把最近 10 根蜡烛图作为输入 ，然后告诉我它是如何工作的....。让全世界看看你有多聪明，为什么要小题大做呢？ 我不知道你应该怎么做，但如果你不想谈论 MO，也不想像你那位奇怪的 R 朋友一样带着一副聪明的样子飞进来祝大家好运，那么最好还是不要对新信息做出反应 :) 这已经是给那些渴望新知识的人的捐赠了，我本可以什么都不写。 尤其是如果有人让我使用一个有趣的机器人，我会加倍高兴。但你从未发表过任何文章。这到底是怎么回事？） mytarmailS 2023.05.09 20:09 #30675 Maxim Dmitrievsky #:我不知道你应该是什么样的人，但如果你不想谈论 MO，也不想像你的怪异 R 朋友那样带着一副聪明的样子飞进来祝大家好运，那么最好不要对新信息做出反应：) 这已经是给那些渴望新知识的人的捐赠了，我本可以什么都不写。 你为什么不想谈论 MO？ 验证在哪里？ 他没时间做，拜托。 演示的信号呢，没有吗？ 不，拿我的破 EA 去交易，它很有效，真的，真的... 你甚至没有意识到，在有经验的人眼中，你是多么的原始、 你就是个自恋狂，重情重义，粗鲁无礼，好色成性...... 我说完了 Maxim Dmitrievsky 2023.05.09 20:14 #30676 mytarmailS #:你为什么不想谈谈国防部？验证在哪里？他没时间做，来吧。演示的信号呢，没有？不，拿我的破 EA 去交易吧，它很管用，老实说，....你甚至没有意识到，在有经验的人眼中，你是多么的原始、 一个喋喋不休、重情重义、粗鲁无礼、女人味十足的普通人......我说完了 你没必要开始，这没什么区别 也许你是老糊涂了。我们已经写过好几次了，OOS 在分音符线的左边。 还写道，有非常多的 机器人，我可以收集任何机器人，或者我应该专门为你测试几百个机器人？这是不是有点太荣幸了？ 记住。左。从。惩罚。行。 其余的都是你对自己性格在别人身上的投射。 :)))) 你可以继续当白痴，但你在智力上已经输给我很久了:) 只是为了好玩。还是不谈正题。 Aleksey Vyazmikin 2023.05.09 21:49 #30677 马克西姆，你能用你的系统在我的样本上做一个机器人吗？对我来说，这比一个黑盒子更有趣。 Aleksey Vyazmikin 2023.05.09 22:06 #30678 Maxim Dmitrievsky #:看起来像是 Kolmogorov-Smirnov 检验要测试某些东西，首先要确定测试什么。在我们这个领域，这通常需要很长时间。 真让人绝望 从描述来看，这听起来像是别的东西。 " 说明 在精确数据中寻找因果关系，检测时间序列中的延迟和嵌入，指导神经网络和其他平滑模型的训练，评估它们的性能，并从数学角度给出过度训练问题的合理答案 。 平滑回归基于伽马测试，该测试测量多元依赖关系中的平滑性 。 因果关系是平滑的，噪声则不是 。 " Aleksey Vyazmikin 2023.05.09 22:16 #30679 我认为因果关系问题很重要--几个月前我曾写过一篇文章，并列举了一些事件的例子--但同样无人理解。 这段视频讨论了因果关系在分析预测因素重要性方面的重要性。 Maxim Dmitrievsky 2023.05.09 22:19 #30680 Aleksey Vyazmikin #:从描述来看，这听起来像是别的东西。"说明 在精确数据中寻找因果关系，检测时间序列中的延迟和嵌入，指导神经网络和其他平滑模型的训练，评估它们的性能，并从数学角度给出过度训练问题的合理答案 。 平滑回归基于伽马测试，该测试测量多元依赖关系中的平滑性 。 因果关系是平滑的，而噪声则不平滑 。 " 因果关系有很多方法，这就是重点，这个话题很宽泛，讨论起来很有意义。 1...306130623063306430653066306730683069307030713072307330743075...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
没有一个像样的点子
是的，我同意，你没有一个好主意...
你所有的想法都是把最后 5 根蜡烛放进分类器里，然后从中变出各种花样......
没有思想，没有创造力，没有天马行空的思维......愚蠢地复制粘贴国外博客上最低级的....
是的，我同意，你没有任何想法......
你所有的想法都是把最后 5 根蜡烛放进分类器，以及所有的变体......
没有想法，没有创意，没有发散性思维......愚蠢地复制粘贴海外博客上最低级的....
那是因为你是灰色群体，不理解我写的任何东西。反映出你的认知能力太差 :)
那是因为你是个灰头土脸的人，不懂我写的任何东西。这反映了你糟糕的认知能力）
在绵羊眼中，做一个灰头土脸的人总比做一只绵羊好......在我看来
好吧，那就启动你的大型机器人吧，当然它不会把最后 10 根蜡烛图作为输入 ，并展示它是如何工作的...
向全世界展示你是多么的天才 你为什么要这么小题大做呢？
在绵羊眼中，做一个灰头土脸的人总比做一只绵羊好......在我看来
那就运行你的大型机器人吧，当然它不会把最近 10 根蜡烛图作为输入 ，然后告诉我它是如何工作的....。
让全世界看看你有多聪明，为什么要小题大做呢？
我不知道你应该怎么做，但如果你不想谈论 MO，也不想像你那位奇怪的 R 朋友一样带着一副聪明的样子飞进来祝大家好运，那么最好还是不要对新信息做出反应 :)
这已经是给那些渴望新知识的人的捐赠了，我本可以什么都不写。
尤其是如果有人让我使用一个有趣的机器人，我会加倍高兴。但你从未发表过任何文章。这到底是怎么回事？）
我不知道你应该是什么样的人，但如果你不想谈论 MO，也不想像你的怪异 R 朋友那样带着一副聪明的样子飞进来祝大家好运，那么最好不要对新信息做出反应：)
这已经是给那些渴望新知识的人的捐赠了，我本可以什么都不写。你为什么不想谈论 MO？
验证在哪里？
他没时间做，拜托。
演示的信号呢，没有吗？
不，拿我的破 EA 去交易，它很有效，真的，真的...
你甚至没有意识到，在有经验的人眼中，你是多么的原始、
你就是个自恋狂，重情重义，粗鲁无礼，好色成性......
我说完了
你为什么不想谈谈国防部？
验证在哪里？
他没时间做，来吧。
演示的信号呢，没有？
不，拿我的破 EA 去交易吧，它很管用，老实说，....
你甚至没有意识到，在有经验的人眼中，你是多么的原始、
一个喋喋不休、重情重义、粗鲁无礼、女人味十足的普通人......
我说完了
你没必要开始，这没什么区别
也许你是老糊涂了。我们已经写过好几次了，OOS 在分音符线的左边。
还写道，有非常多的 机器人，我可以收集任何机器人，或者我应该专门为你测试几百个机器人？这是不是有点太荣幸了？
记住。左。从。惩罚。行。
其余的都是你对自己性格在别人身上的投射。
:))))
你可以继续当白痴，但你在智力上已经输给我很久了:) 只是为了好玩。还是不谈正题。
看起来像是 Kolmogorov-Smirnov 检验
要测试某些东西，首先要确定测试什么。在我们这个领域，这通常需要很长时间。
真让人绝望从描述来看，这听起来像是别的东西。
"
说明
在精确数据中寻找因果关系，检测时间序列中的延迟和嵌入，指导神经网络和其他平滑模型的训练，评估它们的性能，并从数学角度给出过度训练问题的合理答案 。 平滑回归基于伽马测试，该测试测量多元依赖关系中的平滑性 。 因果关系是平滑的，噪声则不是 。
"
我认为因果关系问题很重要--几个月前我曾写过一篇文章，并列举了一些事件的例子--但同样无人理解。
这段视频讨论了因果关系在分析预测因素重要性方面的重要性。
从描述来看，这听起来像是别的东西。
"
说明
在精确数据中寻找因果关系，检测时间序列中的延迟和嵌入，指导神经网络和其他平滑模型的训练，评估它们的性能，并从数学角度给出过度训练问题的合理答案 。 平滑回归基于伽马测试，该测试测量多元依赖关系中的平滑性 。 因果关系是平滑的，而噪声则不平滑 。
"