交易中的机器学习：理论、模型、实践和算法交易 - 页 367 1...360361362363364365366367368369370371372373374...3399 新评论 Forester 2017.05.21 10:38 #3661 马克西姆-德米特里耶夫斯基。 2个不同的时期，和一个rsi。但我想要一个自我训练的NS的集合体，或者一个但非常酷的......不断使用优化器并希望有奇迹发生是不可能的。如果复杂的话--你可以把它放在谷歌的服务器上，或者是azure，在那里教它，然后发送一个机器人到服务器上，得到结果......就这样，对电脑或VPN没有压力......这个想法是一百万。也就是说，我们在一个合适的云中训练一个正常的神经元组，而终端用于简单的交易并获得结果 我将尝试把它输入我的NS，并计算与目标之一的相关性，只是为了兴趣。也许我今天能做到...然后我会写出它们之间的关联性。 СанСаныч Фоменко 2017.05.21 10:39 #3662 迪米特里。 然后是第二个选择--把你的一切都贴在NS上。但有两个BUT。 为什么是一切？有一种方法已经经过了几个世纪的检验。甚至不是一种方法，而是一种大写的科学。这就是所谓的占星术。 这都是科学，都在盒子里。你把它贴到神经网络中，它们肯定会带来很多钱。最主要的是要做到万无一失。 Maxim Dmitrievsky 2017.05.21 10:42 #3663 elibrarius。 我将尝试把它输入我的NS，并计算与目标的相关性，只是为了兴趣）只需要编码计算输入与输出的相关性。也许我今天能做到...然后我将写下它们的相关性。 我认为有可能找到一个它们之间有良好关联的注册期 СанСаныч Фоменко 2017.05.21 10:43 #3664 elibrarius: 我将尝试把它输入我的NS，并计算与目标的相关性，只是为了好玩）只需要编码计算输入与输出的相关性。也许我今天能做到...然后我将写下它们的相关性。 你为什么要挑起相关的毛病？德米特里告诉你上面的一些工具。这不是他的发明。预测器的选择 是数据化的最重要部分之一。不要被它所迷惑。请注意。这一切都被搁置了。那里有三个功能。他们的工作非常完美。 Forester 2017.05.21 10:52 #3665 桑桑-弗门科。 你为什么要挑剔关联性？迪米特里在上面给了你一些工具。这不是他的发明。预测器的选择是数据化的最重要部分之一。不要被它所迷惑。请注意。这一切都被搁置了。那里有三个功能。它们都能正常工作。 我只是在MT5和Alglib的NS中做所有的事情，顺便说一下Alglib有按矩阵计算相关的功能，所以我不太在意）。但我一直在胡乱选择，先删除什么，后删除什么......。 Maxim Dmitrievsky 2017.05.21 10:52 #3666 桑桑尼茨-弗门科。 你为什么要挑剔关联性？迪米特里在上面给了你一些工具。这不是他的发明。预测器的选择是数据化的最重要部分之一。不要被它所迷惑。请注意。这一切都被搁置了。那里有三个功能。它们都能正常工作。 你用这样的方法赚了很多吗？;)有了你的karets和datamining......人们应该知道荣誉））。如果我可以说，数据挖掘对更多或更少经验的交易员来说是一件直观的事情，你几乎不需要数据制造者，也许有时对一些不明显的事情，但其他事情是明显的......这就像一直使用计算器，对初学者来说也是如此。这就像一直使用计算器，或者只是学习乘法表......这就像没有结果的文书工作，只是为了过程而过程......如果你不知道去哪里找，你永远不会在数据化的过程中找到它。这已经被这里的许多人证实了，他们从未找到好的预测因素。 Forester 2017.05.21 10:57 #3667 马克西姆-德米特里耶夫斯基。 你用这样的方法赚了很多吗？;)与你的马车和数据化......人们需要知道的是荣誉))。有时，也许对于一些不明显的事情，但对于其他事情--一切都很清楚......这就像使用计算器或只是学习电子表格。这就像一直使用计算器，或者只是学习乘法表......这就像没有结果的文书工作，只是为了过程而过程......如果你不知道去哪里找，你永远不会在数据化的过程中找到它。这已经被这里的许多人证实了，他们从未找到好的预测因素。 我认为SanSanych的意思是不要费力地写自己的代码，而是使用R中现成的函数 Maxim Dmitrievsky 2017.05.21 10:59 #3668 elibrarius。 我认为SanSanych的意思是不要费力地自己写代码，而是使用R的现成函数。 我有这样一个无效的假设，到目前为止只是--数据挖掘是关于什么的，如果你不知道你想要什么，根本不需要......就像你现在不知道你从神经网络中想要什么......本案的成功概率是多少？或者通过数据挖掘或什么手段对各种预测因素进行全面搜索？ 甚至没有丝毫的遗传......好吧，结果，还是很明显的...... Forester 2017.05.21 11:09 #3669 马克西姆-德米特里耶夫斯基。 到目前为止，我有这样一个无效的假设，即数据挖掘是关于什么的，如果你不知道你想要什么，就根本不需要......在这里，你现在不确定你想从神经网络中得到什么......本案的成功概率是多少？ 我想做的第一件事是让现有的NS正常工作，然后我会寻找合适的预测器，最终目标是赚钱，就像这里的其他人一样) Maxim Dmitrievsky 2017.05.21 11:24 #3670 elibrarius。 我想做的第一件事是让现有的NS正常工作，然后我将寻找合适的预测器，最后的目标是赚钱，就像这里的每个人一样)。 在想法上应该是这样的：我已经有了TS，但我不能正确地把它正规化，并为它选择参数，我将要求NS来做这件事:) )或者只是一些简单的分类器，以Reshetovsky为例，作为一个开始 1...360361362363364365366367368369370371372373374...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
2个不同的时期，和一个rsi。
但我想要一个自我训练的NS的集合体，或者一个但非常酷的......不断使用优化器并希望有奇迹发生是不可能的。
如果复杂的话--你可以把它放在谷歌的服务器上，或者是azure，在那里教它，然后发送一个机器人到服务器上，得到结果......就这样，对电脑或VPN没有压力......这个想法是一百万。也就是说，我们在一个合适的云中训练一个正常的神经元组，而终端用于简单的交易并获得结果
然后是第二个选择--把你的一切都贴在NS上。但有两个BUT。
为什么是一切？
有一种方法已经经过了几个世纪的检验。甚至不是一种方法，而是一种大写的科学。
这就是所谓的占星术。
这都是科学，都在盒子里。你把它贴到神经网络中，它们肯定会带来很多钱。最主要的是要做到万无一失。
我将尝试把它输入我的NS，并计算与目标的相关性，只是为了兴趣）只需要编码计算输入与输出的相关性。也许我今天能做到...然后我将写下它们的相关性。
我认为有可能找到一个它们之间有良好关联的注册期
我将尝试把它输入我的NS，并计算与目标的相关性，只是为了好玩）只需要编码计算输入与输出的相关性。也许我今天能做到...然后我将写下它们的相关性。
你为什么要挑起相关的毛病？
德米特里告诉你上面的一些工具。这不是他的发明。预测器的选择 是数据化的最重要部分之一。
不要被它所迷惑。
请注意。这一切都被搁置了。那里有三个功能。他们的工作非常完美。
你为什么要挑剔关联性？
迪米特里在上面给了你一些工具。这不是他的发明。预测器的选择是数据化的最重要部分之一。
不要被它所迷惑。
请注意。这一切都被搁置了。那里有三个功能。它们都能正常工作。
你为什么要挑剔关联性？
迪米特里在上面给了你一些工具。这不是他的发明。预测器的选择是数据化的最重要部分之一。
不要被它所迷惑。
请注意。这一切都被搁置了。那里有三个功能。它们都能正常工作。
你用这样的方法赚了很多吗？;)有了你的karets和datamining......人们应该知道荣誉））。如果我可以说，数据挖掘对更多或更少经验的交易员来说是一件直观的事情，你几乎不需要数据制造者，也许有时对一些不明显的事情，但其他事情是明显的......这就像一直使用计算器，对初学者来说也是如此。这就像一直使用计算器，或者只是学习乘法表......这就像没有结果的文书工作，只是为了过程而过程......如果你不知道去哪里找，你永远不会在数据化的过程中找到它。这已经被这里的许多人证实了，他们从未找到好的预测因素。
你用这样的方法赚了很多吗？;)与你的马车和数据化......人们需要知道的是荣誉))。有时，也许对于一些不明显的事情，但对于其他事情--一切都很清楚......这就像使用计算器或只是学习电子表格。这就像一直使用计算器，或者只是学习乘法表......这就像没有结果的文书工作，只是为了过程而过程......如果你不知道去哪里找，你永远不会在数据化的过程中找到它。这已经被这里的许多人证实了，他们从未找到好的预测因素。
我认为SanSanych的意思是不要费力地自己写代码，而是使用R的现成函数。
我有这样一个无效的假设，到目前为止只是--数据挖掘是关于什么的，如果你不知道你想要什么，根本不需要......就像你现在不知道你从神经网络中想要什么......本案的成功概率是多少？
或者通过数据挖掘或什么手段对各种预测因素进行全面搜索？ 甚至没有丝毫的遗传......好吧，结果，还是很明显的......
到目前为止，我有这样一个无效的假设，即数据挖掘是关于什么的，如果你不知道你想要什么，就根本不需要......在这里，你现在不确定你想从神经网络中得到什么......本案的成功概率是多少？
我想做的第一件事是让现有的NS正常工作，然后我将寻找合适的预测器，最后的目标是赚钱，就像这里的每个人一样)。
在想法上应该是这样的：我已经有了TS，但我不能正确地把它正规化，并为它选择参数，我将要求NS来做这件事:) )或者只是一些简单的分类器，以Reshetovsky为例，作为一个开始