交易中的机器学习：理论、模型、实践和算法交易 - 页 3137

新评论
 
Maxim Dmitrievsky #:


...

汽车自我保护

嗯，有意思

如果有的话，根据我上面给出的公式，这句话也是电脑的功劳 。

....

问题 -这台机器可以教人赢吗？

可能还没有。

 
Maxim Dmitrievsky #:

))))


不，我还是觉得会员评级很酷。

有几次，他们会把那些傻瓜弄到踢脚板上，然后就完事了。
 
Forester #:
那么，"科祖拉交易 "又有什么意义呢？我们永远不会有投入的理由。恐怕也不会有关联。 而洗列是在排列组合中进行的。
我猜这应该是为了显示性状与目标之间是否存在因果关系。我喜欢所提出的实验方法。与通常的学习方法不同。
问题可能在于，在一个大的特征空间中，由于混杂因素的影响，很难分离出三元效应。但交叉验证应该可以解决这个问题。
 
mytarmailS #:

我提供了圣杯密码吗？

实践是检验真理的唯一标准。

你可以说任何你想说的，这里有很多人把一切都想得很简单 ，但问一个正确的问题，一切都会变得美好。

清楚我们在说什么了吗？


其中 A、B、C 是乐器。

这几乎是一回事：


先打开你的大脑！

你已经被反复引出了一条线索，而且是在所有的quid上，据说是一条 无论如何都没人能理解 的线索

他们在嘲笑人类的大脑。

无伤大雅，不是吗？

来吧，看看谁能解开这个谜题。

然后我们再下结论。

回应：


 
mytarmailS #:

))))

不，我认为对参与者进行排名会很酷。

不知为何，我想起了一个老笑话：
"施蒂尔利茨坚守阵地，这是穆勒最喜欢的酷刑":)
 
mytarmailS #:

它可能是某种 振荡器。

事实上，你所做的一切都由你自己决定，为什么))))？

动量振荡器

哦，酷！谢谢！现在我明白了）只是每次都要重新训练？

 
Evgeni Gavrilovi #:

哦，酷！谢谢！现在我明白了）只是每次都要重新训练？ 否则它就无法识别新数据的组件？

使用 umap，而不是 t-sne。

umap 有一个预测器。


但如果新数据超出了旧数据的范围，该算法就无法正常工作，在这种情况下，最好使用普通的 PCA。

如果我们讨论的是未归一化的数据，以上就是全部内容。

 
Renat Akhtyamov #:

所以我们知道我们在说什么？

其中 A、B、C 为乐器

别再在这里写异端邪说了，而且还是离题的异端邪说。

即使是本主题的对手成员也已经在异口同声了。

 
Maxim Dmitrievsky #:
我猜这应该是为了显示特征与目标之间是否存在因果关系。我喜欢所提出的实验方法。
问题可能在于，在庞大的特征空间中，由于混杂因素的影响，很难分离出三元效应。但交叉验证应该可以解决这个问题。
Forester#:
那么Kozula对交易有什么意义呢？我们永远不会有入市的理由。恐怕我们也永远不会有联想。
，而且列洗牌也是在 permutation 中进行 的。

这和你的 cahuel 有什么关系？

在不知道你的 cajuel 的情况下，我已经计算因果关系 10 年了，对其进行定量估计，根据窗口移动时这种关系的波动方差过滤预测因子。我已经在这个主题上写了上百篇文章。

 
СанСаныч Фоменко #:

这和你的劝说有什么关系？

我 不知道你在说什么，十年来，我一直在计算因果关系，并对其进行定量评估，根据窗口移动时这种关系波动的方差来筛选预测因子。我已经在这个主题上写了上百篇文章。

你还能写多久？)

您能否在测试器中获取足够数量的与时间序列相关的任何属性以及显示利润的任何标签，并从中建立一个稳健的模型？
。

毕竟，所有 BP 衍生工具都与之相关:)


其他领域的任务也很艰巨，因为根本不清楚特征来自何处以及为什么需要它。大数据中存在大量此类垃圾，很难过滤。因此也产生了大量的错误关联。

与之相比，如果我们使用 BP 及其衍生物，我们的任务就显得更加原始了。因为所有迹象都与之相关。

但是，我们仍然需要用算法和逻辑来匹配标签和特征。逻辑可以有很多种。所以你们做你们的，我们做我们的。

我已经写过我为什么喜欢 Kozul，因为这是我自己通过思考得出的结论。他有机地融入了我的想法。

1...313031313132313331343135313631373138313931403141314231433144...3399
新评论
原因: