交易中的机器学习:理论、模型、实践和算法交易 - 页 3389 1...338233833384338533863387338833893390339133923393339433953396...3399 新评论 Maxim Dmitrievsky 2024.01.23 12:16 #33881 mytarmailS #: 真是与众不同)全世界都这么做,每个人都很开心) 好吧,那就像其他人一样。这就是你会得到的答案。你也可以拿 100500 个优化器来给自己抹黑,这也是一种选择:) mytarmailS 2024.01.23 12:36 #33882 Maxim Dmitrievsky #: 那就像其他人一样吧。这就是你会得到的答案。你可以拿 100500 个优化器来给自己抹黑,这也是一种选择:) 你到底在说什么?如果有一种算法能解决你的问题,你又何必昂首挺胸地发明自己的方轮呢? Valeriy Yastremskiy 2024.01.23 12:42 #33883 Maxim Dmitrievsky #:我为那些难以阅读英文书籍的人勾勒了一些关于 Kozul 的基本论点,并以 python 为例,介绍了我的版本中 Kozul 的最佳工作方式。你想要这篇文章吗? Nnnada)))) Maxim Dmitrievsky 2024.01.23 12:45 #33884 mytarmailS #: 你到底在说什么?如果有一种算法可以解决你的问题,你为什么还要昂首挺胸地发明自己的方轮? 好吧,给我一个这样的算法,它可以建立盈利的 TS:)我稍后会从马尔代夫给你打电话,我会感谢你的。我会送你一个贝壳。 mytarmailS 2024.01.23 12:50 #33885 Maxim Dmitrievsky #: 好吧,给我一个能建立档案 TC 的算法:) 你可以只谈一件事,也可以什么都谈,什么都不谈。L - 逻辑。我们在谈论非结构化数据,现在又在谈论 TCs? 去他妈的 TCs,让我们来谈谈印钞机,等等.....,没完没了地谈论任何事情。 Maxim Dmitrievsky 2024.01.23 12:51 #33886 mytarmailS #: 你可以只谈一件事,也可以什么都谈,什么都不谈。L - 逻辑。我们在讨论非结构化数据,现在却在讨论 TC?去他妈的 TC,让我们来讨论印钞机,然后.....,没完没了地讨论什么。 最初我们谈论的是机器,其余的都是细节:)bag of wards 不太适用于时间序列,所以它有问题。 mytarmailS 2024.01.23 13:07 #33887 Maxim Dmitrievsky #: 最初说的是机床,其余的都是部件:)机床是由零件组成的,而不是一台机器。Bag of Wards 对时间序列没什么用,所以它有问题。 因为 Bow 不是用于时间序列的。谁说市场是时间序列?有任何 BP 方法/算法适用于市场吗?没有吗? Maxim Dmitrievsky 2024.01.23 13:12 #33888 mytarmailS #: 因为鲍不是时间序列。谁说市场是时间序列?BP 会有适用于市场的单一方法/算法吗?没有吗? 这要看是什么市场,以及市场是如何运作的。这是毫无意义的对话。 Aleksey Vyazmikin 2024.01.23 13:14 #33889 Maxim Dmitrievsky #:数据集中的同一行如果只有 1,000 行粗略地说,如果你有 18 个以上的特征,你就会训练分类器记住每一行,因为它们根本不会重复出现 在因果推理中,你无法通过匹配示例来计算统计数据。 是的,我同意 "记忆 "的说法,很久以前我就在这个主题中提到过。这就是我与树叶打交道的原因,评估它们的价值。 理想的情况是找到几个特征来描述整个样本,但目前还没人能做到这一点。另一方面,降低维度可以减少直接参与训练的特征数量,但我怀疑这种混乱是否会改善结果。 Aleksey Vyazmikin 2024.01.23 13:21 #33890 mytarmailS #: 1.任何特征值 2.让你大吃一惊的是,没有人关心特征是如何创建的,每个人都只根据响应来评估特征 1.那么这就是一个样本,对吗? 2.嗯,我还以为这个算法是要评估规则的结构呢,比如说,如果与其他规则的分割存在微小偏差,那就是一回事。 我不知道你为什么不能解释一下这个过程...即使你自己并不完全理解,承认这一点也不丢人。 我们在 MO 中也有类似的数据工作理念,但不是交流思想,而是一直存在紧张关系。 今天我读了 NG 的主题,意识到我没有错过任何东西.... 1...338233833384338533863387338833893390339133923393339433953396...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
真是与众不同)
那就像其他人一样吧。这就是你会得到的答案。
我为那些难以阅读英文书籍的人勾勒了一些关于 Kozul 的基本论点,并以 python 为例,介绍了我的版本中 Kozul 的最佳工作方式。你想要这篇文章吗?
Nnnada))))
你到底在说什么?
好吧,给我一个能建立档案 TC 的算法:)
你可以只谈一件事,也可以什么都谈,什么都不谈。
最初说的是机床,其余的都是部件:)
因为鲍不是时间序列。
数据集中的同一行
如果只有 1,000 行
粗略地说,如果你有 18 个以上的特征,你就会训练分类器记住每一行,因为它们根本不会重复出现
在因果推理中,你无法通过匹配示例来计算统计数据。是的,我同意 "记忆 "的说法,很久以前我就在这个主题中提到过。这就是我与树叶打交道的原因,评估它们的价值。
理想的情况是找到几个特征来描述整个样本,但目前还没人能做到这一点。另一方面,降低维度可以减少直接参与训练的特征数量,但我怀疑这种混乱是否会改善结果。
1.任何特征值
1.那么这就是一个样本,对吗?
2.嗯,我还以为这个算法是要评估规则的结构呢,比如说,如果与其他规则的分割存在微小偏差,那就是一回事。
我不知道你为什么不能解释一下这个过程...即使你自己并不完全理解,承认这一点也不丢人。
我们在 MO 中也有类似的数据工作理念,但不是交流思想,而是一直存在紧张关系。
今天我读了 NG 的主题,意识到我没有错过任何东西....