交易中的机器学习：理论、模型、实践和算法交易 - 页 3326 1...331933203321332233233324332533263327332833293330333133323333...3399 新评论 Aleksey Vyazmikin 2023.10.26 22:33 #33251 Aleksey Nikolayev #: 从你链接中的文字来看，甚至还有关于它们之间联系的某种定理。别偷懒，至少读读你的链接。 这就是为什么我要求你引用....。 Aleksey Vyazmikin 2023.10.26 22:35 #33252 Andrey Dik #:原因很简单，正如预期的那样--信号消失是因为信号超出了新数据可接受的狭窄范围。这就好比分类，有明确的已知模式，也有模糊的未知模式。随着时间的推移，未知的模式越来越多，"已知 "的模式已经所剩无几。 谢谢你的解释。 Aleksey Nikolayev 2023.10.26 22:37 #33253 Aleksey Vyazmikin #:这就是我要求报价的原因....。 你在耍我吗？文中只有一个定理，是关于通过剖面计算 CCV 的。 Maxim Dmitrievsky 2023.10.26 22:53 #33254 Aleksey Vyazmikin #:目前，我们对结果的想法是一致的。是的，我预计样本会非常稀少，但据我了解，这个过程是迭代式的，这意味着我们可以更早地知道衡量标准和停止，并使用相同的数据来建立相同的木材模型，这将减少分裂，叶片中的指标将更加可靠。我的理解是否正确，初始中心的位置是随机的？#32100#32098#11831我也看了紧凑性剖面图。它可能比相关矩阵更加昂贵。不仅是内存，还有计算时间。如果用 Saber 的方法，内存效率高。我很快就能解决这样的问题，但我不会告诉你是如何解决的，因为你又会开始毫无根据地骂人了。 好吧，你还将面临一个事实，即你的数据集将经常退化为零。 Aleksey Vyazmikin 2023.10.26 23:48 #33255 Aleksey Nikolayev #: 你在耍我吗？文中只有一个定理，是关于通过轮廓计算 CCV 的。 我没有耍你。我甚至都不记得我在这里有过这样的例子。我只是没有意识到而已。 你是对的，的确，这篇文章从理论上证明了"完全交叉验证"控制下 的轮廓计算与平均误差（所有分割） 的相似性。 我以前没听说过这个词，现在才知道它基本上是指所有可能的取样组合。 好吧，但采样分区软件包如何在这方面提供帮助，我还不太明白。 Aleksey Vyazmikin 2023.10.27 00:06 #33256 Maxim Dmitrievsky #:#32100#32098#11831 没有意识到这些链接指的是什么.... 不过，我们的计划是测试随机抽样分区，以此来适应 python。此外，结果发现 CB 已经实现了我想写的类似想法.... 马克西姆-德米特里耶夫斯基#: 我还看了紧凑性简介。它可能比相关矩阵更加昂贵。不仅是内存，还有计算时间。如果采用 Saber 的方法，那么内存效率会更高。我很快就能解决这样的问题，但我不会告诉你是如何解决的，因为你又会开始毫无根据地骂人了。 好吧，你还会面临一个事实，那就是你的数据集经常会退化为零。 我不着急，我有计算资源--即使它们很旧，但我有 128 G 内存。我想尝试不同的方法，也想比较一下自己的方法。 对我来说，数据匮乏是一个长期存在的问题，是的，如果不考虑实例，情况会变得更糟。 Maxim Dmitrievsky 2023.10.27 00:10 #33257 Aleksey Vyazmikin #:我不明白这些链接指的是什么.....。不过，我打算测试随机抽样分区，以此来适应 python。此外，结果发现 CB 已经实现了我想写的类似想法....我不着急，我有计算资源--尽管它们很旧，但我有 128 G 内存。我想尝试不同的方法，包括比较我自己的方法。数据稀缺是我一直面临的问题，是的，如果不包括例子，情况会更糟。 我时不时会抛出一些话题，然后人们通过否认或无意识的方式开始了解它，过一段时间后就会回过神来。 在这个过程中，每个人都会经历某种特定的痛苦。 Aleksey Vyazmikin 2023.10.27 00:19 #33258 Maxim Dmitrievsky #:提到我偶尔会抛出一些话题，然后人们通过否认或无意识的方式开始了解它，并在一段时间后回过神来在这个过程中，每个人都会经历某种特定的痛苦。 一般来说，这很正常。你也一样；) 大概两年前，我已经做过一个大型实验，在不同地点进行训练，然后根据训练结果选择预测因子，本质上是同样的交叉验证，但没有打破事件的顺序。我听说有一个软件包可以保存序列，这样验证就不会受到训练前和训练后数据的影响。你知道它叫什么吗？ Maxim Dmitrievsky 2023.10.27 00:29 #33259 Aleksey Vyazmikin #:一般来说，这很正常。你也可以这么说）大概两年前，我已经做过一个大型实验，在不同地点进行训练，并根据训练结果选择预测因子，本质上就是交叉验证，但没有违反事件顺序。我听说有一个软件包可以保存序列，这样验证就不会受到训练前和训练后数据的影响。你知道它叫什么吗？ 我不知道是什么软件包。 你不觉得 RF 外汇交易已经放弃很久了吗？ 因此，我们需要学习如何将神经网络应用到其他方面。 Aleksey Vyazmikin 2023.10.27 03:57 #33260 Maxim Dmitrievsky #:我不知道是什么样的包裹您不认为 RF 论坛已经放弃很久了吗，同样的情况也会发生在这一资源上，它正被重新定位为亚洲资源因此，我们需要学习如何将神经网络应用到其他方面。 在俄罗斯联邦，有一些办事处拥有外汇交易许可证--很久以前我曾研究过相关条件--这些条件不是很好，但如果交易相对较少，这可能是一个选择。 此外，我对莫斯科交易所更感兴趣。虽然在著名事件发生后，我还没有去过那里。我对期权很感兴趣，在那里似乎有机会使用 MO。 如果我做其他事情，那已经是为工资而工作了，因为很难想象有机会靠自己的劳动赚钱。即使是新东西，也会有很多竞争，公共产品会被抄袭，实施会被拆散。 1...331933203321332233233324332533263327332833293330333133323333...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
从你链接中的文字来看，甚至还有关于它们之间联系的某种定理。别偷懒，至少读读你的链接。
这就是为什么我要求你引用....。
原因很简单，正如预期的那样--信号消失是因为信号超出了新数据可接受的狭窄范围。
这就好比分类，有明确的已知模式，也有模糊的未知模式。随着时间的推移，未知的模式越来越多，"已知 "的模式已经所剩无几。
谢谢你的解释。
这就是我要求报价的原因....。
目前，我们对结果的想法是一致的。是的，我预计样本会非常稀少，但据我了解，这个过程是迭代式的，这意味着我们可以更早地知道衡量标准和停止，并使用相同的数据来建立相同的木材模型，这将减少分裂，叶片中的指标将更加可靠。
我的理解是否正确，初始中心的位置是随机的？
#32100
#32098
#11831
我也看了紧凑性剖面图。它可能比相关矩阵更加昂贵。不仅是内存，还有计算时间。
如果用 Saber 的方法，内存效率高。
我很快就能解决这样的问题，但我不会告诉你是如何解决的，因为你又会开始毫无根据地骂人了。
好吧，你还将面临一个事实，即你的数据集将经常退化为零。你在耍我吗？文中只有一个定理，是关于通过轮廓计算 CCV 的。
我没有耍你。我甚至都不记得我在这里有过这样的例子。我只是没有意识到而已。
你是对的，的确，这篇文章从理论上证明了"完全交叉验证"控制下 的轮廓计算与平均误差（所有分割） 的相似性。
我以前没听说过这个词，现在才知道它基本上是指所有可能的取样组合。
好吧，但采样分区软件包如何在这方面提供帮助，我还不太明白。
#32100
#32098
#11831
没有意识到这些链接指的是什么....
不过，我们的计划是测试随机抽样分区，以此来适应 python。此外，结果发现 CB 已经实现了我想写的类似想法....
我还看了紧凑性简介。它可能比相关矩阵更加昂贵。不仅是内存，还有计算时间。
如果采用 Saber 的方法，那么内存效率会更高。
我很快就能解决这样的问题，但我不会告诉你是如何解决的，因为你又会开始毫无根据地骂人了。
好吧，你还会面临一个事实，那就是你的数据集经常会退化为零。我不着急，我有计算资源--即使它们很旧，但我有 128 G 内存。我想尝试不同的方法，也想比较一下自己的方法。
对我来说，数据匮乏是一个长期存在的问题，是的，如果不考虑实例，情况会变得更糟。
我不明白这些链接指的是什么.....。
不过，我打算测试随机抽样分区，以此来适应 python。此外，结果发现 CB 已经实现了我想写的类似想法....
我不着急，我有计算资源--尽管它们很旧，但我有 128 G 内存。我想尝试不同的方法，包括比较我自己的方法。
数据稀缺是我一直面临的问题，是的，如果不包括例子，情况会更糟。
我时不时会抛出一些话题，然后人们通过否认或无意识的方式开始了解它，过一段时间后就会回过神来。
在这个过程中，每个人都会经历某种特定的痛苦。
提到我偶尔会抛出一些话题，然后人们通过否认或无意识的方式开始了解它，并在一段时间后回过神来
在这个过程中，每个人都会经历某种特定的痛苦。
一般来说，这很正常。你也一样；)
大概两年前，我已经做过一个大型实验，在不同地点进行训练，然后根据训练结果选择预测因子，本质上是同样的交叉验证，但没有打破事件的顺序。我听说有一个软件包可以保存序列，这样验证就不会受到训练前和训练后数据的影响。你知道它叫什么吗？
一般来说，这很正常。你也可以这么说）
大概两年前，我已经做过一个大型实验，在不同地点进行训练，并根据训练结果选择预测因子，本质上就是交叉验证，但没有违反事件顺序。我听说有一个软件包可以保存序列，这样验证就不会受到训练前和训练后数据的影响。你知道它叫什么吗？
我不知道是什么软件包。
你不觉得 RF 外汇交易已经放弃很久了吗？
因此，我们需要学习如何将神经网络应用到其他方面。
我不知道是什么样的包裹
您不认为 RF 论坛已经放弃很久了吗，同样的情况也会发生在这一资源上，它正被重新定位为亚洲资源
因此，我们需要学习如何将神经网络应用到其他方面。
在俄罗斯联邦，有一些办事处拥有外汇交易许可证--很久以前我曾研究过相关条件--这些条件不是很好，但如果交易相对较少，这可能是一个选择。
此外，我对莫斯科交易所更感兴趣。虽然在著名事件发生后，我还没有去过那里。我对期权很感兴趣，在那里似乎有机会使用 MO。
如果我做其他事情，那已经是为工资而工作了，因为很难想象有机会靠自己的劳动赚钱。即使是新东西，也会有很多竞争，公共产品会被抄袭，实施会被拆散。