交易中的机器学习：理论、模型、实践和算法交易 - 页 354

新评论
 
弗拉基米尔-佩雷文科。

这在calibrate::CORELearn/ 中得到了更正确和优雅的解决。

而且已经有相当一段时间了。

祝好运


有趣的是，我使用校准没有取得什么成功，就放弃了。我只是用校准来移动班级之间的边界，但没有意识到要在班级之间留一个空格。
 
桑桑尼茨-弗门科。

有趣的是，我在使用校准时没有取得什么成功，就放弃了。通过校准，我只是移动了班级之间的边界，但没有意识到要在班级之间留下一个空间。
校准使一个 "硬 "的分类器变成 "软 "的（它可以说 "我不知道"）。滑动的情况消失了。
 

我已经到了为我的网格版本 准备训练数据的时刻...
看着这些例子，我想，我们为什么要在培训中引入没有贸易指令的酒吧？

如果训练实例是基于人字形的，则只应在NS中输入人字形的反转时刻。

或者说，不做交易决定也是一种解决办法？)))我们也要学吗？虽然从逻辑上讲，如果没有买入或坐庄，这意味着已经决定不进行交易。

 

训练好的模型应该对每个条形图进行预测。例如，它的预测应该被解释为 "持有多头"/"持有空头"/"不交易"，然后根据这一预测在专家顾问内部执行各种交易操作--翻转、关闭、开多头或空头。因此，模型（神经元）必须学会识别这三种情况，而训练数据，分别是事先准备好的，以显示在什么地方和什么样的预测是由它提供的。

 
交易员博士。

训练好的模型应该对每个条形图进行预测。例如，它的预测应该被解释为 "持有多头"/"持有空头"/"不交易"，然后根据这一预测在专家顾问内部执行各种交易操作--翻转、关闭、开多头或空头。因此，模型（神经元）必须学会识别所有这三种情况，而训练数据，分别必须事先准备好，以显示在什么地方和什么样的预测是它所期望的。

不过，在我看来，无为而治是需要学习的。每个人都擅长这个）。

此外，如果我们不是剥头皮，交易决定是在100-10 000条中做出的，那么NS应该重做所有这些不必要的10 000条......很明显，学习速度的差异将是10 000倍。即使我们按比例计算，例如10条的1次，计算时间增加10倍也是很重要的。

所以，实践是检验真理的标准，我将尝试两种变体，并对它们进行比较。

 
弗拉基米尔-佩雷文科。
校准使一个 "硬 "的分类器变成 "软 "的（它可以说 "我不知道"）。松弛消失了。

关于R的问题，如何做到版本兼容？
包'MXNet'不可用（对于R 3.4.0版本）例子https://www.r-bloggers.com/recurrent-models-and-examples-with-mxnetr/， 你想写一篇关于循环网的文章吗？:)
 
马克西姆-德米特里耶夫斯基。

这样一个关于R的问题，如何做到版本兼容？
进入软件包的代码中，并修复它。
 
尤里-阿索连科。
进入模块代码，并修复它。

我是个新手，我不知道该去哪里）。
 
马克西姆-德米特里耶夫斯基。

我很笨拙，不知道该往哪里走）。

包的源代码。下载它，修复它，编译它。有时成功，有时不成功。也许只有2行需要纠正，也可能有很多）。

SZY 最简单的选择，下载R的前一个版本。

1...347348349350351352353354355356357358359360361...3399
新评论