交易中的机器学习：理论、模型、实践和算法交易 - 页 3187 1...318031813182318331843185318631873188318931903191319231933194...3399 新评论 Maxim Dmitrievsky 2023.08.19 17:24 #31861 我完全不明白发生了什么，但这对我来说是正常的心理状态。 Rorschach 2023.08.19 20:05 #31862 fxsaber #:. ZЫ 一般来说，如果有兴趣尝试找出两行之间的差异，可以提供这些差异。 你可以看看我给你写的信。我只能在秋天亲自看看了。 Aleksey Vyazmikin 2023.08.19 22:54 #31863 Aleksey Nikolayev #Forester#： 我对发布图片的样本进行了实验，样本中已有 47% 的单位，数据汇总在一张表格中。 各栏内容说明： 生成 - 目标随机生成的 "1 "和 "0 "的固定数量，最后一行 - 原始目标 % 所有相似度 - 指定目标的相似度百分比。 %相似度 "1"--指定目标的相似度百分比，但只针对响应 "1"。 % 相似度 "0" - 指定目标的相似度百分比，但仅针对回复 "0"。 Q_All - 使用 870 个量子表和 6533 个谓词总共找到了多少个量子句段 Q_All%--"Q_All "的数量占原始目标样本的百分比 Q sampled（已采样）- 显示已采样的量子段数量（只采样范围内不重叠的量子段 Q selected% - 从具有原始目标的样本中按百分比表达的 "Q selected "数量。 预测因子 - 从样本中有多少预测因子可以找到符合给定标准的量子片段 Predictors % - 在原始目标样本中有多少 "Predictors"（按百分比表达）。 让我解释一下，对于一个预测因子，总共可以选择多个量子点，而且这些量子点在预测因子值的范围内不应重叠。 我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。 事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子片段要多出3.5 倍。 您认为结果如何？ 补充： 随机目标和原始目标的二进制序列图如下所示 Forester 2023.08.19 23:12 #31864 Aleksey Vyazmikin #:我对我发布 gifs 的样本进行了实验，样本中已有 47% 的单位，数据汇总于表中。各栏内容说明： 生成 - 目标随机生成的 "1 "和 "0 "的固定数量，最后一行 - 原始目标 % 所有相似度 - 指定目标的相似度百分比。 %相似度 "1"--指定目标的相似度百分比，但只针对响应 "1"。 % 相似度 "0" - 指定目标的相似度百分比，但仅针对回复 "0"。 Q_All - 使用 870 个量子表和 6533 个谓词总共找到了多少个量子句段 Q_All%--"Q_All "的数量占原始目标样本的百分比 Q sampled（已采样）- 显示已采样的量子段数量（只采样范围内不重叠的量子段 Q selected% - 从具有原始目标的样本中按百分比表达的 "Q selected "数量。 预测因子 - 从样本中有多少预测因子可以找到符合给定标准的量子片段 Predictors % - 在原始目标样本中有多少 "Predictors"（按百分比表达）。 让我解释一下，对于一个预测因子，总共可以选择多个量子点，而且这些量子点在预测因子值的范围内不应重叠。 我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。 事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子切段要多出3.5 倍。 您对结果有什么看法？ 向阿列克谢提问。我的统计理论不是很强。我只是建议混合目标而不是生成。 Aleksey Vyazmikin 2023.08.19 23:18 #31865 Forester #: 向阿列克谢提问。我不擅长统计理论。我只是建议混合目标，而不是混合世代。 我明白了。 我还有一个建议，如果我们能让构建森林的过程更易于管理，从选定的量子段中抽取一个特定的子样本作为每棵树的根，会怎么样？ 将深度控制在 2-3 个子样本左右，这样每片叶子上可分类的例子至少占 1%。 我认为这样的模型会更加稳定。 Aleksey Nikolayev 2023.08.20 05:55 #31866 Aleksey Vyazmikin #:我对我发布 gifs 的样本进行了实验，样本中已有 47% 的单位，数据汇总于表中。各栏内容说明： 生成 - 目标随机生成的 "1 "和 "0 "的固定数量，最后一行 - 原始目标 % 所有相似度 - 指定目标的相似度百分比。 %相似度 "1"--指定目标的相似度百分比，但只针对响应 "1"。 % 相似度 "0" - 指定目标的相似度百分比，但仅针对回复 "0"。 Q_All - 使用 870 个量子表和 6533 个谓词总共找到了多少个量子句段 Q_All%--"Q_All "的数量占原始目标样本的百分比 Q sampled（已采样）- 显示已采样的量子段数量（只采样范围内不重叠的量子段 Q selected% - 从具有原始目标的样本中按百分比表达的 "Q selected "数量。 预测因子 - 从样本中有多少预测因子可以找到符合给定标准的量子片段 Predictors % - 在原始目标样本中有多少 "Predictors"（按百分比表达）。 请允许我解释一下，对于一个预测因子，总共可以选择一个以上的量子段，而且这些量子段在预测因子值的范围内不应重叠。 我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。 事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子片段要多出3.5 倍。 您认为结果如何？ 补充： 随机目标和原始目标的二进制序列图如下所示 十次模拟不算什么，你需要成千上万次才能获得统计意义。 我也不准备就某个具体案例发表专家意见，只是指出了可能存在的问题和常见的解决方法。 Maxim Dmitrievsky 2023.08.20 06:06 #31867 Aleksey Vyazmikin #:您认为结果如何？ 已添加： 目标随机序列和原始序列的二进制序列图如下所示 你这是毫无意义的无情废话。Saber 至少在半小时内就发生了，而且忘记了。 Aleksey Vyazmikin 2023.08.20 06:13 #31868 Aleksey Nikolayev #:十次模拟不算什么，需要数千次才能达到统计意义。我也不准备就某个具体案例发表专家意见，只是指出了可能存在的问题和常见的解决方法。 数千次--这需要太多的计算资源--一次通过--大约 40 分钟--显卡上的基本计算。 我普遍认为，这种测试只能检查在预测器的不同范围内出现这种集群的可能性。 有必要查看量子段特定范围的命中概率，该范围已被初步选定。 另外，我还想听听大家对目标的百分比表达差异问题的看法，以确定这种测试的可靠性。 Aleksey Vyazmikin 2023.08.20 06:15 #31869 Maxim Dmitrievsky #: 你在胡说八道，毫无意义。Saber 至少在半小时内就把这事忘了。 请把你对别人表现的评价留给自己，尤其是当你不了解别人在做什么的时候。 我愿意接受有建设性的批评，而你却没有。 Maxim Dmitrievsky 2023.08.20 06:20 #31870 Aleksey Vyazmikin #:对别人的表现不要妄加评论，尤其是当你不了解别人在做什么的时候。我愿意接受建设性的批评，而你不是。 你在胡说八道。已经写过好几次了，你会随意得到任何结果。睁大眼睛看看吧。没什么可补充的 :)你至少能明白你在做什么以及为什么吗？） 1...318031813182318331843185318631873188318931903191319231933194...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
ZЫ 一般来说，如果有兴趣尝试找出两行之间的差异，可以提供这些差异。
你可以看看我给你写的信。我只能在秋天亲自看看了。
Forester#：
我对发布图片的样本进行了实验，样本中已有 47% 的单位，数据汇总在一张表格中。
各栏内容说明：
让我解释一下，对于一个预测因子，总共可以选择多个量子点，而且这些量子点在预测因子值的范围内不应重叠。
我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。
事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子片段要多出3.5 倍。
您认为结果如何？
补充：
随机目标和原始目标的二进制序列图如下所示
我对我发布 gifs 的样本进行了实验，样本中已有 47% 的单位，数据汇总于表中。
各栏内容说明：
让我解释一下，对于一个预测因子，总共可以选择多个量子点，而且这些量子点在预测因子值的范围内不应重叠。
我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。
事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子切段要多出3.5 倍。
您对结果有什么看法？
向阿列克谢提问。我不擅长统计理论。我只是建议混合目标，而不是混合世代。
我明白了。
我还有一个建议，如果我们能让构建森林的过程更易于管理，从选定的量子段中抽取一个特定的子样本作为每棵树的根，会怎么样？
将深度控制在 2-3 个子样本左右，这样每片叶子上可分类的例子至少占 1%。
我认为这样的模型会更加稳定。
我对我发布 gifs 的样本进行了实验，样本中已有 47% 的单位，数据汇总于表中。
各栏内容说明：
请允许我解释一下，对于一个预测因子，总共可以选择一个以上的量子段，而且这些量子段在预测因子值的范围内不应重叠。
我不喜欢的是，在 50%的目标值附近被保留下来，这会对结果的评估产生负面影响。
事实上，在随机目标上发现了不少量子片段，但因为它们是一些群集（大概），不同的表格重叠了它们的坐标，所以在选择了非重叠范围后，发现这些量子片段的质量（效用）比原始片段差（少）了 10 倍。因此，平均而言，在原始目标的样本中，不同预测因子找到的量子片段要多出3.5 倍。
您认为结果如何？
补充：
随机目标和原始目标的二进制序列图如下所示
十次模拟不算什么，你需要成千上万次才能获得统计意义。
我也不准备就某个具体案例发表专家意见，只是指出了可能存在的问题和常见的解决方法。
您认为结果如何？
已添加：
目标随机序列和原始序列的二进制序列图如下所示
十次模拟不算什么，需要数千次才能达到统计意义。
我也不准备就某个具体案例发表专家意见，只是指出了可能存在的问题和常见的解决方法。
数千次--这需要太多的计算资源--一次通过--大约 40 分钟--显卡上的基本计算。
我普遍认为，这种测试只能检查在预测器的不同范围内出现这种集群的可能性。
有必要查看量子段特定范围的命中概率，该范围已被初步选定。
另外，我还想听听大家对目标的百分比表达差异问题的看法，以确定这种测试的可靠性。
你在胡说八道，毫无意义。Saber 至少在半小时内就把这事忘了。
请把你对别人表现的评价留给自己，尤其是当你不了解别人在做什么的时候。
我愿意接受有建设性的批评，而你却没有。
对别人的表现不要妄加评论，尤其是当你不了解别人在做什么的时候。
我愿意接受建设性的批评，而你不是。