交易中的机器学习：理论、模型、实践和算法交易 - 页 405

新评论
 
elibrarius。

我认为第一个帖子中的任务对每个人来说都是有趣的，可以测试他们的MO系统。
你的发电机很有趣。它是自己写的吗？

你是否将情节分为2或3个。你用不熟悉的数据得到什么？

这是文章中描述的EA生成器 的延续，走向森林)。

但关于这个数据的实际实验，我认为意义不大，因为这个例子似乎是纯学术性的。

 
我建议为MO模型安排一个比赛，模型可以是任何东西，甚至是自制的，这一点都不重要......主要的是要有训练/选择权重/优化的元素。你可以玩玩这些演示。以免卷入关于什么有效、什么无效的无用争论中 :)最主要的是在演示游戏中获得乐趣，这样就不会陷入关于EA如何工作和什么不工作的无用争论之中 :)
 
伊万-内格雷什尼。

这是文章中描述的EA发生器 的延续，向着森林）。

但关于这个数据的实验，我认为没有什么意义，因为这个例子似乎是纯学术性的。


还做了1个derovo，它完全记住了输入文件，但在新的数据上一切都很糟糕。

训练（60.0%）部分的平均误差=0.000（0.0%） nTrees=1 codResp=1
验证的平均误差（20.0%）补丁=0.706（70.6%） nTrees=1 codResp=1
测试的平均误差（20.0%）情节=0.701（70.1%）nTrees=1 codResp=1

因此，这是有道理的


马克西姆-德米特里耶夫斯基。
我建议为IR模型安排一次竞赛。 模型可以是任何东西，即使是拼凑起来的，这不是重点--主要是有学习/选择权重/优化的元素。你可以玩玩这些演示。这样就不会在什么可行什么不可行的问题上进行无用的争论 :)
我还没有什么可竞争的，NS正在测试和改进过程中......
 
elibrarius。


真理是在争论中诞生的)

问题是，这里的许多人倾向于发表毫无根据的言论--所有这些都是无稽之谈，不会成功，但不应该那样做，等等......而没有用实际情况来证实他们的话。换句话说，一个人要么是只说不懂，要么是真的懂，而且有结果。
 
马克西姆-德米特里耶夫斯基。

问题是，这里的许多人容易发表毫无根据的言论--所有这些都是无稽之谈，不会起作用，但不应该这样做，等等......而实际上没有用任何东西来证实他们的话。也就是说，一个人要么只是口是心非，不明白自己在说什么，要么就是真的明白，有结果......
如果一个人有一个信号，那么他就可以更相信他的话......尽管信号可能来自机器人（不是你自己的设计）。
 
马克西姆-德米特里耶夫斯基。
我建议为MO模型安排一次竞赛，模型可以是任何东西，甚至是自制的，这不是重点......主要的是会有学习/选择权重/优化的元素。你可以玩玩这些演示。以免卷入关于什么有效、什么无效的无用争论中 :)谁真正了解MI在市场中的应用，谁只是在胡言乱语，马上就会一目了然 :)

我更喜欢实际的结果，我遵循它们，例如我把工作指标和专家顾问放在市场上，如果它们的代码是由生成器创建的，没有任何额外的编程，那么它就是免费的。

 

不，我只是说迈克尔受到攻击，例如，他使用一些雷舍托夫的垃圾......但不提供替代物，甚至不完全了解它:)

我比较了模型--它在测试样本中给出了较小的错误百分比，我还需要什么证明呢 :)至少它比树林和简单的mlp要好，而如何应用它已经是第三个问题了。

然后他将做出一些令人敬畏的监测，并将所有的理论家撕成碎片 :D

 
Maxim Dmitrievsky:

不，我只是说迈克尔被攻击了，例如，他在使用一些雷舍托夫的垃圾......但不提供替代物，甚至不完全了解它:)

我比较了模型--它在测试样本中给出了较小的错误百分比，我还需要什么证明呢 :)至少它比树林和简单的mlp要好，而如何应用它已经是第三个问题了。

然后他将做一些令人敬畏的监测，将所有理论家撕成碎片 :D

如果你已经理解了这个新模型，它是如何在100个输入中选择输入两个RNN的（是不是每个有8个输入？）100分满分8分？对每个选项进行计算并选择最佳选项？还是遗传学或其他类型的选择？对我来说，在目前阶段，预测器的选择 并不是一个完全解决的问题（通过相关和费雪，但它的效果并不可靠），我看的是通过输入的权重选择，并进行充分和长期的训练。但这是一个很长的时间。
也许这个系统中有一些有趣的东西？
 
elibrarius。
如果你想出了这个新模型--告诉我它是如何从100个输入中选择正确的输入，并将其输入到两个RNNs（每个有8个输入，对吗）？全面搜索100分中的8分？对每一个人进行计算并选择最好的一个？还是遗传学或其他类型的选择？


我不知道具体是如何选择的，但有一个规则，只要模型被重新训练，就会出现模型的复杂化。在任何训练中，输入的数量总是不同的。这一切都取决于训练和测试的抽样划分，由随机性....。

这是该模型第二天的计数.....。这就是当你从一套....，清除垃圾的意思。:-)

 
elibrarius。
如果你理解这个新模型，它是如何从100个输入中选择合适的输入来给两个RNN（每个有8个输入，对吗？）全面搜索100分中的8分？对每一个人进行计算并选择最好的一个？还是遗传学或其他类型的选择？


我还没有弄清楚它是如何筛选出无信息的预测因子的，我正在mkul上重写它。

这将需要一条龙来重写和理解一些东西，这就是为什么我最早写了两个星期 )

1...398399400401402403404405406407408409410411412...3399
新评论