交易中的机器学习：理论、模型、实践和算法交易 - 页 3291 1...328432853286328732883289329032913292329332943295329632973298...3399 新评论 Andrey Dik 2023.10.08 05:40 #32901 Maxim Dmitrievsky #:你自愿主持正义我怎么能主持正义呢？ 我只能给你指引方向）。现在，智慧老人的角色比暴徒的角色更适合你。 Maxim Dmitrievsky 2023.10.08 07:57 #32902 Andrey Dik #:我只能在我力所能及的范围内指引你走向正途）。现在，智慧老人的角色比暴徒的角色更适合你。 很闷骚 Aleksey Vyazmikin 2023.10.09 22:03 #32903 Maxim Dmitrievsky #:你自愿伸张正义，尽管那里有一个概念上的 matstat 问题 😁的问题，他们甚至试图翻译整个内容。 让我们详细说说你是如何解释的。在我的印象中，关于 aplift 的话题，你未能在预测器中找到数据变化点，也就是说，效果是存在的，但你无法检测到它是何时开始的。还是你在说别的什么？ Maxim Dmitrievsky 2023.10.10 08:22 #32904 Aleksey Vyazmikin #:让我们来详细解释一下。在我的记忆中，关于 aplift 的话题，你没有找到预测因子中数据变化的点，也就是说，有一个影响，但无法检测它是何时开始的。还是你在说别的什么？ 书中的 aplift 对强噪声不起作用，而自定义则起作用。 Aleksey Vyazmikin 2023.10.10 08:40 #32905 Maxim Dmitrievsky #:书本上的 aplift 对高噪音不起作用，而定制的则可以。 您想谈谈您在这方面的成就吗？ 根据您的观察，这种样本变化发生的频率如何？ 我宁愿看到随机过程....。 Maxim Dmitrievsky 2023.10.10 09:14 #32906 Aleksey Vyazmikin #:您愿意分享您在这方面的成就吗？根据您的观察，这种样本变化发生的频率如何？我看到的更多是随机过程....。 我不明白你在写什么，也不明白为什么。 Maxim Dmitrievsky 2023.10.10 17:41 #32907 我还注意到，标志应该很少，然后各种 kozul 推论才能正常计算。否则，算法就会在读数时出现混乱。 一般来说，TS 中应该有多少个指标才能使其正常工作。显然不是 100 个或 500 个。通常是 2-3 个，最多 10 个。 Andrey Dik 2023.10.10 17:49 #32908 Maxim Dmitrievsky #:我还注意到，符号应该很少，这样才能正常计算各种 kozul 推论。否则，算法就会在阅读中出现混乱。一般来说，TS 中应该有多少个指标才能使其正常工作。显然不是 100 个或 500 个。通常是 2-3 个，或者 10 个。 很多指标（例如，超过 1000 个）会在特殊情况下造成不一致的交易条件。 ChatGPT 是在一个故意过多（似乎）的示例数据库 上进行训练的。 Maxim Dmitrievsky 2023.10.10 18:06 #32909 Andrey Dik #: 很多指标（例如，超过 1000 个指标）会在特殊情况下为交易创造不一致的条件。 ChatGPT 是在刻意过多（看似）的示例数据库 上训练出来的。 不可能是反过来的，它完全是根据实验写出来的。 mytarmailS 2023.10.10 18:09 #32910 我今天正要去看看 1...328432853286328732883289329032913292329332943295329632973298...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
你自愿主持正义
你自愿伸张正义，尽管那里有一个概念上的 matstat 问题 😁
的问题，他们甚至试图翻译整个内容。
让我们详细说说你是如何解释的。在我的印象中，关于 aplift 的话题，你未能在预测器中找到数据变化点，也就是说，效果是存在的，但你无法检测到它是何时开始的。还是你在说别的什么？
让我们来详细解释一下。在我的记忆中，关于 aplift 的话题，你没有找到预测因子中数据变化的点，也就是说，有一个影响，但无法检测它是何时开始的。还是你在说别的什么？
书中的 aplift 对强噪声不起作用，而自定义则起作用。
书本上的 aplift 对高噪音不起作用，而定制的则可以。
您想谈谈您在这方面的成就吗？
根据您的观察，这种样本变化发生的频率如何？
我宁愿看到随机过程....。
您愿意分享您在这方面的成就吗？
根据您的观察，这种样本变化发生的频率如何？
我看到的更多是随机过程....。
我还注意到，标志应该很少，然后各种 kozul 推论才能正常计算。否则，算法就会在读数时出现混乱。
一般来说，TS 中应该有多少个指标才能使其正常工作。显然不是 100 个或 500 个。通常是 2-3 个，最多 10 个。
我还注意到，符号应该很少，这样才能正常计算各种 kozul 推论。否则，算法就会在阅读中出现混乱。
一般来说，TS 中应该有多少个指标才能使其正常工作。显然不是 100 个或 500 个。通常是 2-3 个，或者 10 个。
上进行训练的。
上训练出来的。
不可能是反过来的，它完全是根据实验写出来的。