交易中的机器学习：理论、模型、实践和算法交易 - 页 617 1...610611612613614615616617618619620621622623624...3399 新评论 Anatolii Zainchkovskii 2018.01.28 10:11 #6161 阿列克谢-特伦特夫。对你的问题的回答是：分类。买入/卖出/通过信号。 至于图片，并不清楚什么是线。 MetaTrader交易平台的截图 audusd, h1, 2018.01.28 RoboForex (CY) Ltd, MetaTrader 5, 演示版 我同意，这些图片是从图表上剪下来的。关于分类，这是否在同一个神经网络中可以应用？ Anatolii Zainchkovskii 2018.01.28 10:16 #6162 阿列克谢-特伦特夫。 观众理解的模型是一组数据集参数（列，变量）+一组数学方法（函数）+结果（函数调用）。 我明白你说的是数据集。 数据集的长度影响到学习的质量和速度（行）。预测的质量受参数（列）的质量影响我搞不清楚如何处理数据集的长度问题。在我的例子中，一个相同的模型可以有500条长，但在一天中，它可以有200条长。假设我做了一个脚本，它会给我每小时的数据集，但它们的长度不同，我怎么能在神经网络中使用它们？我认为，仅仅是模型的长度也是神经网络的一个质量参数... Aleksey Terentev 2018.01.28 10:17 #6163 阿纳托利-扎因奇科夫斯基。 https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png同意，图片是从图上剪下来的。至于分类，是否可以在同一个神经网络中应用？从图片上看，不清楚什么是数据？ 预测在哪里？竖线 是什么意思？一般来说，正如他们所说，图上没有图例。 基本上是的，在神经网络模型的结构中，你将需要改变输出层（神经元的数量，激活函数），并将训练的数据转化为类（例如指标信号，归一化的价格增量）。 Anatolii Zainchkovskii 2018.01.28 10:22 #6164 阿列克谢-特伦特夫。从图片上看，不清楚是什么样的数据？ 预测在哪里？竖线 是什么意思？一般来说，正如他们所说，图表上没有图例。 基本上是的，在神经网络模型的结构中，你将需要改变输出层（神经元的数量，激活函数），并将训练的数据转化为类（如指标信号，归一化价格增量）。 根据图片，垂直线显示的是模型本身，一切都在右侧垂直向前。因此，前锋的行为是不同的，在神经网络的帮助下，我想为前锋的行为找到一个可能的解释。我想用神经元的数据来做模型的增量价格。 Aleksey Terentev 2018.01.28 10:24 #6165 阿纳托利-扎因奇科夫斯基。 我搞不清楚如何处理数据集的长度问题。在我的例子中，一个相同的模型可以有500条长，但在一天中，它可以有200条长。假设我做了一个脚本，它会给我每小时的数据集，但它们的长度不同，我怎么能在神经网络中使用它们？我认为，仅仅是模型的长度也是神经网络的一个定性指标。你的数据集是一个表格，其中列，例如，是开盘/收盘价格，行是时间时刻，条形。 在一个基本的神经网络架构中，它输入了一行又一行，对于每一行，它应该输出一个结果，在与一个基准比较后，优化函数将 "训练 "神经网络。如果你一次给它输入几个字符串，它就是一个时间序列，这意味着它应该按照一定的算法进行输入。 我应该补充的是：研究关于这个问题 的文章，我想很多问题会变得更清楚。 Maxim Dmitrievsky 2018.01.28 10:27 #6166 阿纳托利-扎因奇科夫斯基。 根据图片，垂直线显示的是模型本身，一切都在右侧垂直向前。因此，前锋的行为是不同的，在神经网络的帮助下，我想为前锋的行为找到一个可能的解释。我想用神经元网的数据来做模型的价格增量。我开始写一篇关于配对交易的文章......但由于我的懒惰和不了解如何正确地进行配对交易，我被卡住了:) Anatolii Zainchkovskii 2018.01.28 10:32 #6167 阿列克谢-特伦特夫。你的数据集是一个表格，其中的列，比如说，是开盘/收盘价，行是时间时刻，条形。 在一个初级的神经网络架构中，一行又一行地被送入它，对于每一行，它必须产生一个结果，在与基准比较后，优化函数将 "训练 "神经网络。如果你一次输入几个字符串，它就是一个时间序列，这意味着你应该按照某种算法来输入。 请原谅我的直言不讳，我对神经网络的了解可能过于肤浅。因此，例如，我有一个100条的价格序列和5条的前向价格。 神经网络的输入是100，输出是5条。但现在一小时前的下一个选择有一个序列，例如200条，向前也有5条。一小时前的第三个选择在进入时有250条，退出时有5条。如何制作这样一个神经网络？到处都有描述输入数据是相同数量的例子。 Anatolii Zainchkovskii 2018.01.28 10:35 #6168 马克西姆-德米特里耶夫斯基。 我开始写一篇关于双打交易的文章......但被我的懒惰和对如何正确操作的误解卡住了:)问候，我没有使用配对法，虽然我已经认识了配对法。现在我使用投资组合交易，只是因为我随时为我方便的阶段（模型）创建一个投资组合。而当我注意到投资组合系列与任何市场系列相似时，我决定用神经元网找到相同集合（视觉上相同）的可能规律。 Anatolii Zainchkovskii 2018.01.28 10:38 #6169 马克西姆，你的神经网络是在单空上运行的，对吗？你有没有想过，你可以创建一个方便的行，然后可能在前进的路上更好地显示自己？毕竟，事实上，让我们说一个头肩数字，例如，不经常发生，但想象一下，你可以做每小时... Aleksey Terentev 2018.01.28 10:42 #6170 阿纳托利-扎因奇科夫斯基。 请原谅我的直言不讳，我对神经网络的认识可能过于肤浅。因此，例如，我有一个100条的价格序列和5条的前向价格。 神经网络的输入是100，输出是5条。但现在一小时前的下一个选择有一个序列，例如200条，向前也是5条。 一小时前的第三个选择的输入是250条，输出是5条。 如何制作这样一个神经网络？到处都有描述输入数据是相同的例子。 那么你需要一直输入100巴。神经网络的模型将如下：输入-100，隐藏-x，输出-5。 1...610611612613614615616617618619620621622623624...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
对你的问题的回答是：分类。买入/卖出/通过信号。
至于图片，并不清楚什么是线。
MetaTrader交易平台的截图
audusd, h1, 2018.01.28
RoboForex (CY) Ltd, MetaTrader 5, 演示版
我同意，这些图片是从图表上剪下来的。
关于分类，这是否在同一个神经网络中可以应用？
观众理解的模型是一组数据集参数（列，变量）+一组数学方法（函数）+结果（函数调用）。
我明白你说的是数据集。
数据集的长度影响到学习的质量和速度（行）。预测的质量受参数（列）的质量影响
我搞不清楚如何处理数据集的长度问题。在我的例子中，一个相同的模型可以有500条长，但在一天中，它可以有200条长。假设我做了一个脚本，它会给我每小时的数据集，但它们的长度不同，我怎么能在神经网络中使用它们？我认为，仅仅是模型的长度也是神经网络的一个质量参数...
https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png
同意，图片是从图上剪下来的。
至于分类，是否可以在同一个神经网络中应用？
从图片上看，不清楚什么是数据？ 预测在哪里？竖线 是什么意思？一般来说，正如他们所说，图上没有图例。
基本上是的，在神经网络模型的结构中，你将需要改变输出层（神经元的数量，激活函数），并将训练的数据转化为类（例如指标信号，归一化的价格增量）。
从图片上看，不清楚是什么样的数据？ 预测在哪里？竖线 是什么意思？一般来说，正如他们所说，图表上没有图例。
基本上是的，在神经网络模型的结构中，你将需要改变输出层（神经元的数量，激活函数），并将训练的数据转化为类（如指标信号，归一化价格增量）。
根据图片，垂直线显示的是模型本身，一切都在右侧垂直向前。因此，前锋的行为是不同的，在神经网络的帮助下，我想为前锋的行为找到一个可能的解释。我想用神经元的数据来做模型的增量价格。
我搞不清楚如何处理数据集的长度问题。在我的例子中，一个相同的模型可以有500条长，但在一天中，它可以有200条长。假设我做了一个脚本，它会给我每小时的数据集，但它们的长度不同，我怎么能在神经网络中使用它们？我认为，仅仅是模型的长度也是神经网络的一个定性指标。
你的数据集是一个表格，其中列，例如，是开盘/收盘价格，行是时间时刻，条形。
在一个基本的神经网络架构中，它输入了一行又一行，对于每一行，它应该输出一个结果，在与一个基准比较后，优化函数将 "训练 "神经网络。
如果你一次给它输入几个字符串，它就是一个时间序列，这意味着它应该按照一定的算法进行输入。
我应该补充的是：研究关于这个问题 的文章，我想很多问题会变得更清楚。根据图片，垂直线显示的是模型本身，一切都在右侧垂直向前。因此，前锋的行为是不同的，在神经网络的帮助下，我想为前锋的行为找到一个可能的解释。我想用神经元网的数据来做模型的价格增量。
我开始写一篇关于配对交易的文章......但由于我的懒惰和不了解如何正确地进行配对交易，我被卡住了:)
你的数据集是一个表格，其中的列，比如说，是开盘/收盘价，行是时间时刻，条形。
在一个初级的神经网络架构中，一行又一行地被送入它，对于每一行，它必须产生一个结果，在与基准比较后，优化函数将 "训练 "神经网络。
如果你一次输入几个字符串，它就是一个时间序列，这意味着你应该按照某种算法来输入。
请原谅我的直言不讳，我对神经网络的了解可能过于肤浅。因此，例如，我有一个100条的价格序列和5条的前向价格。 神经网络的输入是100，输出是5条。但现在一小时前的下一个选择有一个序列，例如200条，向前也有5条。一小时前的第三个选择在进入时有250条，退出时有5条。如何制作这样一个神经网络？到处都有描述输入数据是相同数量的例子。
我开始写一篇关于双打交易的文章......但被我的懒惰和对如何正确操作的误解卡住了:)
问候，我没有使用配对法，虽然我已经认识了配对法。现在我使用投资组合交易，只是因为我随时为我方便的阶段（模型）创建一个投资组合。而当我注意到投资组合系列与任何市场系列相似时，我决定用神经元网找到相同集合（视觉上相同）的可能规律。
马克西姆，你的神经网络是在单空上运行的，对吗？你有没有想过，你可以创建一个方便的行，然后可能在前进的路上更好地显示自己？毕竟，事实上，让我们说一个头肩数字，例如，不经常发生，但想象一下，你可以做每小时...
请原谅我的直言不讳，我对神经网络的认识可能过于肤浅。因此，例如，我有一个100条的价格序列和5条的前向价格。 神经网络的输入是100，输出是5条。但现在一小时前的下一个选择有一个序列，例如200条，向前也是5条。 一小时前的第三个选择的输入是250条，输出是5条。 如何制作这样一个神经网络？到处都有描述输入数据是相同的例子。