交易中的机器学习：理论、模型、实践和算法交易 - 页 460 1...453454455456457458459460461462463464465466467...3399 新评论 Forester 2017.08.15 11:22 #4591 Mihail Marchukajtes: 你在绕弯子......给我一个具体的例子...然后我们可以继续谈话，但否则....如果他发现了一些他认为是错误的东西，并把它告诉了雷舍托夫，他就没有辩解。而他却没有认识到这是一个错误，这意味着他的论点是薄弱的或错误的。所以他保持沉默。工作室里的争论! Forester 2017.08.15 11:48 #4592 总是推诿，没有论据来支持你所说的。 Maxim Dmitrievsky 2017.08.15 12:06 #4593 蜥蜴_。米谢克，你为什么不说点什么？支持你的兄弟））））你在胡说八道什么？ 你有什么业务吗？ 至少人们在做一些有趣的事情。写点好东西 Dr. Trader 2017.08.15 12:47 #4594 马克西姆-德米特里耶夫斯基。https://sites.google.com/site/libvmr/这是一些非常老的版本，我100%同意Wizard的观点，最好不要使用它。该模型重新训练，而且当它在最后显示对样本外数据的准确性估计时--它显示的是一个错误，大大高估了它。我甚至在这个论坛的主题中发布了一个例子，在训练后的信息中的模型在新数据上显示了90%的准确性，在将这些数据添加到公式中后，使用公式计算的结果至少在Excel中是完全随机的，只有50%的准确性。然后尤里把它带到了我的脑海中，增加了一个由几个模型组成的委员会，加速并命名一切jPrediction，为这个特殊的模型创建了一个网站。该网站已经消失，请向米哈伊尔询问最新版本和来源。 我认为这个模型的结果是好的，但考虑到它的缓慢性，在R中还有更多富有成效的东西。 Maxim Dmitrievsky 2017.08.15 12:49 #4595 交易员博士。这是一些非常老的版本，我100%同意Wizard的观点，最好不要使用它。该模型重新训练，而且当它在最后显示对样本外数据的准确性估计时--它显示的是一个错误，大大高估了它。我甚至在这个论坛的主题中发布了一个例子，在训练后的信息中的模型在新数据上显示出90%的准确性，而在将这些数据添加到公式中并使用公式计算结果后，至少在excel中是完全随机的，预测的准确性只有50%。然后，尤里把它带到了脑海中，增加了一个由几个模型组成的委员会，加速并命名一切jPrediction，为这个模型创建了一个网站。该网站已经消失，请向迈克尔询问最新版本和来源。 我认为这种模式是可以的，但考虑到其缓慢性，在R中还有更多富有成效的东西。 我已经得到了，我想它也是重新训练过的，只是描述的链接 Maxim Dmitrievsky 2017.08.15 13:20 #4596 Vizard_。那你为什么要大喊大叫？他并不傻。巫师总是说到点子上，即使他是在搞笑））））。 把拨浪鼓扔掉，不要在它上面浪费时间。昨天发表的工具及其可能的组合。 不要在Mishek身上浪费你的时间，他写了一件事就意味着另一件事，而Oos上的res是第三件事。 是的，我在说悄悄话。)找不到其他帖子，被版主或其他什么东西删除了。 Mihail Marchukajtes 2017.08.15 13:53 #4597 我很好...刚刚离开了一段时间....真正在谷歌上描述的是一个旧版本的....。BUT!!!!!!!为了合理地证明JPrediction是经过重新训练的，没有正确地工作，让我们做一个实验。毕竟，一切都要通过比较来学习。这正是我想做的事。假设我们有一个数据集，训练它并让这个模型工作一段时间，然后让我们看看结果......我在JPrediction上训练数据集，你在你的AI上训练同样的数据集，选择一个时间间隔，看看哪个模型能工作得更久、更好.....。这就是我要求你在你的人工智能上训练我的数据集的意思。因此....不清楚大家用什么标准来决定这个预测器是超前的?????。你从哪里得到这个消息的，巫师。你是否有具体的证据表明优化器不工作????。I do????给我一个例子.....以同样的方式，我可以训练你的数据集，然后你可以自己看看哪个模型效果更好。由你训练的还是由我用优化器训练的.... Dr. Trader 2017.08.15 13:57 #4598 蜥蜴_。不，雷谢托夫没有理解，我们不应该根据已知的公式僵硬地固定归一化。我们应该做的是 一个隔离开关。另外，随机分解是有问题的，我们至少应该标记它，但最好禁用它等等。哦，对了，我也写了关于故障的文章。因此，对于正常的数据来说是可以的，但具体到外汇，我们应该做一些滚存。或者至少按时间分成两部分--在日期前训练，在日期后测试。正常化有什么问题？对于神经元来说，输入在什么范围内没有区别，正确初始化的权重会消化一切。正常化并不干扰，但也完全没有帮助。 尽管直觉告诉我们，如果输入包含正数和负数，最好不要移零。而R说要将预测因子的比例不是0-1，而是sd(x) = 1 Mihail Marchukajtes 2017.08.15 13:57 #4599 Vizard_。不，雷谢托夫不明白，我们不应该用已知的公式使归一化变得僵硬。我们应该做的是 一个隔离开关。随机故障也是有问题的，我们至少应该标记它，但最好是把它关掉等等。关于随机分解，我愿意争论。当我们用人工智能进行预测时，那么是的，从过去到未来的数据序列很重要，我们正在进行预测。但是当涉及到分类时，数据的序列完全不起作用，因为我们有一个区域要划分，并找到能做得最好的超平面，希望找到的规律能在更长时间内有效。就像我们在建立预测模型时发现的规律一样....... Mihail Marchukajtes 2017.08.15 14:01 #4600 更不用说描述中显示，该模型故意教那些最难学的例子，抛弃那些容易学的例子。嗯，这只是我...说明....如果我理解正确的话...当把样本分为训练样本和测试样本时，就像两个最接近的值落入不同的样本。因此，如果我们有两个相同的向量，它们将到达不同的样本，一个在训练样本中，另一个在测试样本中......。所以... 1...453454455456457458459460461462463464465466467...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
你在绕弯子......给我一个具体的例子...然后我们可以继续谈话，但否则....
如果他发现了一些他认为是错误的东西，并把它告诉了雷舍托夫，他就没有辩解。而他却没有认识到这是一个错误，这意味着他的论点是薄弱的或错误的。所以他保持沉默。
工作室里的争论!
米谢克，你为什么不说点什么？支持你的兄弟））））
你在胡说八道什么？ 你有什么业务吗？ 至少人们在做一些有趣的事情。
写点好东西
https://sites.google.com/site/libvmr/
这是一些非常老的版本，我100%同意Wizard的观点，最好不要使用它。该模型重新训练，而且当它在最后显示对样本外数据的准确性估计时--它显示的是一个错误，大大高估了它。我甚至在这个论坛的主题中发布了一个例子，在训练后的信息中的模型在新数据上显示了90%的准确性，在将这些数据添加到公式中后，使用公式计算的结果至少在Excel中是完全随机的，只有50%的准确性。
然后尤里把它带到了我的脑海中，增加了一个由几个模型组成的委员会，加速并命名一切jPrediction，为这个特殊的模型创建了一个网站。该网站已经消失，请向米哈伊尔询问最新版本和来源。
我认为这个模型的结果是好的，但考虑到它的缓慢性，在R中还有更多富有成效的东西。
这是一些非常老的版本，我100%同意Wizard的观点，最好不要使用它。该模型重新训练，而且当它在最后显示对样本外数据的准确性估计时--它显示的是一个错误，大大高估了它。我甚至在这个论坛的主题中发布了一个例子，在训练后的信息中的模型在新数据上显示出90%的准确性，而在将这些数据添加到公式中并使用公式计算结果后，至少在excel中是完全随机的，预测的准确性只有50%。
然后，尤里把它带到了脑海中，增加了一个由几个模型组成的委员会，加速并命名一切jPrediction，为这个模型创建了一个网站。该网站已经消失，请向迈克尔询问最新版本和来源。
我认为这种模式是可以的，但考虑到其缓慢性，在R中还有更多富有成效的东西。
那你为什么要大喊大叫？他并不傻。巫师总是说到点子上，即使他是在搞笑））））。
把拨浪鼓扔掉，不要在它上面浪费时间。昨天发表的工具及其可能的组合。
不要在Mishek身上浪费你的时间，他写了一件事就意味着另一件事，而Oos上的res是第三件事。
是的，我在说悄悄话。)找不到其他帖子，被版主或其他什么东西删除了。
我很好...刚刚离开了一段时间....
真正在谷歌上描述的是一个旧版本的....。BUT!!!!!!!
为了合理地证明JPrediction是经过重新训练的，没有正确地工作，让我们做一个实验。毕竟，一切都要通过比较来学习。这正是我想做的事。
假设我们有一个数据集，训练它并让这个模型工作一段时间，然后让我们看看结果......
我在JPrediction上训练数据集，你在你的AI上训练同样的数据集，选择一个时间间隔，看看哪个模型能工作得更久、更好.....。
这就是我要求你在你的人工智能上训练我的数据集的意思。
因此....不清楚大家用什么标准来决定这个预测器是超前的?????。你从哪里得到这个消息的，巫师。你是否有具体的证据表明优化器不工作????。I do????给我一个例子.....
以同样的方式，我可以训练你的数据集，然后你可以自己看看哪个模型效果更好。由你训练的还是由我用优化器训练的....
不，雷谢托夫没有理解，我们不应该根据已知的公式僵硬地固定归一化。我们应该做的是
一个隔离开关。另外，随机分解是有问题的，我们至少应该标记它，但最好禁用它等等。
哦，对了，我也写了关于故障的文章。因此，对于正常的数据来说是可以的，但具体到外汇，我们应该做一些滚存。或者至少按时间分成两部分--在日期前训练，在日期后测试。
正常化有什么问题？对于神经元来说，输入在什么范围内没有区别，正确初始化的权重会消化一切。正常化并不干扰，但也完全没有帮助。
尽管直觉告诉我们，如果输入包含正数和负数，最好不要移零。而R说要将预测因子的比例不是0-1，而是sd(x) = 1
不，雷谢托夫不明白，我们不应该用已知的公式使归一化变得僵硬。我们应该做的是
一个隔离开关。随机故障也是有问题的，我们至少应该标记它，但最好是把它关掉等等。
关于随机分解，我愿意争论。
当我们用人工智能进行预测时，那么是的，从过去到未来的数据序列很重要，我们正在进行预测。
但是当涉及到分类时，数据的序列完全不起作用，因为我们有一个区域要划分，并找到能做得最好的超平面，希望找到的规律能在更长时间内有效。
就像我们在建立预测模型时发现的规律一样.......
更不用说描述中显示，该模型故意教那些最难学的例子，抛弃那些容易学的例子。嗯，这只是我...说明....如果我理解正确的话...
当把样本分为训练样本和测试样本时，就像两个最接近的值落入不同的样本。因此，如果我们有两个相同的向量，它们将到达不同的样本，一个在训练样本中，另一个在测试样本中......。所以...