交易中的机器学习：理论、模型、实践和算法交易 - 页 3165

新评论
 
СанСаныч Фоменко #:

是啊...讨论自制的也没什么意义。

为什么要在自制上浪费时间？有几十种非自制的算法，实际上有数百万用户在使用.....。

最近，我看到了很多关于 "自制 "树的文章。通常，他们不是从头开始写树，而是使用 R 软件包 rpart。因此，一件事不会干扰另一件事（自制软件包）。

我认为在 Python 中没有类似的软件包。因此，在 ONNX 中保存自制的树肯定会有问题。

 
Aleksey Nikolayev #:

最近，我看到很多 "自制 "树的文章。通常，他们不是从头开始写树，而是使用 R 的 rpart 软件包。因此，一件事不会干扰另一件事（自制软件包）。

我认为在 Python 中没有类似的软件包。因此，在 ONNX 中保存自制的树肯定会有问题。

你需要 ONNX 来保存树 吗？

 
mytarmailS #:

您需要 ONNX 树 吗？

对于那些需要在 mql5 Expert Advisor 中使用的树木，ONNX 不会有什么坏处。我对使用 R 进行交易的想法表示怀疑。

 
Aleksey Nikolayev #:

对于那些需要在 mql5 上的 EA 中使用的树木，这样做也无妨。我很怀疑用 R 进行交易的想法。

不，我不是这个意思...

树是日志规则，相对容易移植到本地 mql 代码中，它不是神经元或核 svm。

 
mytarmailS #:

不，我不是这个意思。

这些都是日志规则，要将它们移植到 µl 原生代码中相对容易，又不是神经元或核 svm。

是的，我同意，如果我们谈论的是一棵树的话。如果你想制作一个森林，问题就大了，不过我想你也可以生成 c 代码。但有了 ONNX，一切都变得更加实用，尤其是当你需要跟踪多个 EA、定期重新训练模型、更改托管等时。

 
mytarmailS #:
有多少人实施了这里讨论的想法？
有多少人取得了比使用现成图书馆更好的效果？

这个数字大约为零，不是吗？

而这个库是一个可复制的代码，每个人都可以运行它，每个人都会得到一个结果，一个可复制的结果，一个真实的结果，以是非答案+经验和知识加成的形式。

而讨论只是浪费时间，我们讨论、讨论、忘记，甚至没有人写过一行代码，就像板凳上的老奶奶一样，时间一去不复返，生命也随之逝去......既没有增加知识，也没有增加经验。

我做了很多事情。结果是零。
我越来越认真地认为，是时候结束这部试图从随机数据中找出规律性的史诗了。我将再编写几个想法并对它们进行测试，然后我们就会知道了。

 
Maxim Dmitrievsky #:
感觉知识在减少，这是批量思维的错。

知识有很多种：一种是从自己手指缝里抠出来的知识，另一种是从别人的成果中抠出来的知识。

 
Aleksey Nikolayev #:

对于那些需要在 mql5 上的 EA 中使用的树木，这样做也无妨。我很怀疑用 R 进行交易的想法。

没有问题。在正常的 EA 中，接受交易订单的程序块由调用 R 代替。下一个条形图被发送到 R，然后 "长出短进 "被发送回来。

 
СанСаныч Фоменко #:

知识有很多种：一种是从自己手指缝里抠出来的知识，另一种是别人的成果知识，这些人费尽心思将这些知识以代码的形式正式化，并经过其他人和实践的反复检验。

别人的知识增加了，你的知识却减少了。一般来说，这很正常，你不可能什么都知道。但在那些比你知识更丰富的人中间宣扬一揽子思维就不正常了。

或者，你是 ML 领域尊贵的大师，也许是一位教授，或者是一位很酷的经理？也许有些事情我们不知道。
 
Maxim Dmitrievsky #:

别人的知识增加了，你的知识却减少了。一般来说，这很正常，你不可能什么都知道。但在知识比你多的人中间宣扬一揽子思维就不正常了。

或者，你是 ML 领域尊贵的大师，也许是教授，也许是酷酷的经理？也许有什么我们不知道的。

你真讨厌，大师！我的事我们不知道，但你的事我们肯定知道--看看你的市场吧！

1...315831593160316131623163316431653166316731683169317031713172...3399
新评论