交易中的机器学习：理论、模型、实践和算法交易 - 页 619 1...612613614615616617618619620621622623624625626...3399 新评论 Yuriy Asaulenko 2018.01.28 11:22 #6181 阿纳托利-扎因奇科夫斯基。 我不明白关于数量的问题，1万个国家的例子对于培训来说还不够吗？这可能是也可能是不够的。这取决于你所教的内容和你如何教它。在我的第一个版本中，~10000根本就不算什么。而在后者，在改变了与NS相同的教学模式后，一切都很好。 Aleksey Terentev 2018.01.28 11:34 #6182 阿纳托利-扎因奇科夫斯基。 在这种情况下，静态的100条模型将被阉割，而且我相信它不会导致对可能模式的预期搜索( 我并没有告诉你要喂养同样的酒吧。=) 我的意思是，架构应该是恒定的，在每一个新的案例中，你会把 "关注 "窗口向前推进。这样一来，特定数据集的序列性和一体性将被追踪。 一个学习刻度：i是当前的指数。输入=[i-100，i]，输出=[i+1，i+6]。而相应地，我每次都是新的。 Anatolii Zainchkovskii 2018.01.28 11:43 #6183 阿列克谢-特伦特夫。 我并没有告诉你要为同样的酒吧服务。=) 我的意思是，架构应该是恒定的，在每一个新的案例中，你将把 "注意 "窗口向前移动。这样一来，特定数据集的序列性和一体性将被追踪。 一个学习刻度：i是当前的指数。输入=[i-100，i]，输出=[i+1，i+6]。而相应地，我每次都是新的。好吧，让我解释一下。例如，我们有5个价格回落的入口和1个价格回落的出口，通过逐条移动窗口，我们在这5条中寻找第6条的模式。我们事先并没有规定这5条的组合看起来是一样的。现在想象一下，每次的组合看起来都一样，神经网络的答案是什么？我不认为你需要回答这个问题。现在进一步说，在我的情况下，事实证明，组合总是相同的，但长度不同，无法切割。对长度的依赖对前进并不关键，但我认为它也很重要，所以我不能削减长度。我想我会把那些较短的加长，但这样就会失去它们的外观，这就是最初的赌注。可能是完全混淆了..... Forester 2018.01.28 11:54 #6184 如果不削减，那么就需要几个神经网络，100个由200个和250个组成。 Maxim Dmitrievsky 2018.01.28 11:55 #6185 亚历山大_K2。 马克西姆，你给输入神经网络输入什么？冯-科尔登输入增量，而你呢？也是），有不同的滞后，我还想增加分布的时刻和延迟。一个有反馈的网络。事实上，有2个网络。但我最近很懒...可能是因为我读了太多的书...在1.5周内完成三本千页的书 :D Maxim Dmitrievsky 2018.01.28 11:57 #6186 阿纳托利-扎因奇科夫斯基。 也许是因为你使模型的长度固定，你没有得到正确的结果？ 我通过增加一个简单的循环来增加模型的长度来摆脱它，现在我在任何时候都能得到一个好的图片。 但水的前进仍然有相同的50/50，现在我正在寻找方法来重新排序...投资组合是非稳定的，它不会从西格玛到西格玛，它定期裂开......然后它重新计算，再次裂开。如果在一些指数/股票之间不存在全球性的决定因素，那么交易一个投资组合就像交易一个符号，但有额外的成本或分解 一个符号，从中创建一个投资组合，交易一个符号 )) Anatolii Zainchkovskii 2018.01.28 11:57 #6187 elibrarius。如果你不削减它，那么你需要几个神经网络，100乘以200和250谢谢你的建议，这可能更正确，但在机器人中只是把几个网络的信号而不是一个。 Forester 2018.01.28 12:01 #6188 阿纳托利-扎因奇科夫斯基。 谢谢你的建议，这可能会更好，但在一个机器人中只是把几个网络的信号，而不是一个...为什么是几个？来自于数据发送长度的那个。你不能从第二个不同长度的人那里得到答案。不合群。但一个接一个--是的。 Anatolii Zainchkovskii 2018.01.28 12:13 #6189 elibrarius: 为什么是几个？从提交数据的长度来看。你不能从另一个不同长度的人那里得到答案。所以你不能得到一个合奏。但每次都是一个，是的。我说错了，你是对的。逻辑将是这样的，模型被建立，模型长度被确定，与当前模型长度相匹配的训练过的网络 被启动。只是最终机器人中会同时有几个网络，以及按长度划分的模型。 Anatolii Zainchkovskii 2018.01.28 12:15 #6190 马克西姆-德米特里耶夫斯基。 嗯，投资组合的非平稳性，它不是从西格玛到西格玛，而是定期裂开......然后你重新计算，它再次裂开。比方说，如果没有像一些指数/股票之间的全球决定性，那么交易组合就像交易一个符号，但有额外的成本。完全正确，但你的优势在于，你可以将投资组合设置为每小时都可以进行分析，而不需要等待这样的形式出现在一个货币对上。 让我以另一种方式说，例如，我只分析历史上的10个柱子来预测未来的1个柱子，神经网络会从这10个柱子中找到数百个模式，但我建议在一个模式上训练神经网络，然后再向前推进 1...612613614615616617618619620621622623624625626...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
我不明白关于数量的问题，1万个国家的例子对于培训来说还不够吗？
这可能是也可能是不够的。这取决于你所教的内容和你如何教它。
在我的第一个版本中，~10000根本就不算什么。而在后者，在改变了与NS相同的教学模式后，一切都很好。
在这种情况下，静态的100条模型将被阉割，而且我相信它不会导致对可能模式的预期搜索(
我的意思是，架构应该是恒定的，在每一个新的案例中，你会把 "关注 "窗口向前推进。这样一来，特定数据集的序列性和一体性将被追踪。
一个学习刻度：i是当前的指数。输入=[i-100，i]，输出=[i+1，i+6]。而相应地，我每次都是新的。
我并没有告诉你要为同样的酒吧服务。=)
我的意思是，架构应该是恒定的，在每一个新的案例中，你将把 "注意 "窗口向前移动。这样一来，特定数据集的序列性和一体性将被追踪。
一个学习刻度：i是当前的指数。输入=[i-100，i]，输出=[i+1，i+6]。而相应地，我每次都是新的。
好吧，让我解释一下。例如，我们有5个价格回落的入口和1个价格回落的出口，通过逐条移动窗口，我们在这5条中寻找第6条的模式。我们事先并没有规定这5条的组合看起来是一样的。现在想象一下，每次的组合看起来都一样，神经网络的答案是什么？我不认为你需要回答这个问题。现在进一步说，在我的情况下，事实证明，组合总是相同的，但长度不同，无法切割。对长度的依赖对前进并不关键，但我认为它也很重要，所以我不能削减长度。我想我会把那些较短的加长，但这样就会失去它们的外观，这就是最初的赌注。可能是完全混淆了.....
如果不削减，那么就需要几个神经网络，100个由200个和250个组成。
马克西姆，你给输入神经网络输入什么？冯-科尔登输入增量，而你呢？
也是），有不同的滞后，我还想增加分布的时刻
和延迟。一个有反馈的网络。事实上，有2个网络。
但我最近很懒...可能是因为我读了太多的书...在1.5周内完成三本千页的书 :D
也许是因为你使模型的长度固定，你没有得到正确的结果？ 我通过增加一个简单的循环来增加模型的长度来摆脱它，现在我在任何时候都能得到一个好的图片。 但水的前进仍然有相同的50/50，现在我正在寻找方法来重新排序...
投资组合是非稳定的，它不会从西格玛到西格玛，它定期裂开......然后它重新计算，再次裂开。
如果在一些指数/股票之间不存在全球性的决定因素，那么交易一个投资组合就像交易一个符号，但有额外的成本
或分解 一个符号，从中创建一个投资组合，交易一个符号 ))
如果你不削减它，那么你需要几个神经网络，100乘以200和250
谢谢你的建议，这可能更正确，但在机器人中只是把几个网络的信号而不是一个。
谢谢你的建议，这可能会更好，但在一个机器人中只是把几个网络的信号，而不是一个...
为什么是几个？来自于数据发送长度的那个。你不能从第二个不同长度的人那里得到答案。
不合群。但一个接一个--是的。
为什么是几个？从提交数据的长度来看。你不能从另一个不同长度的人那里得到答案。
所以你不能得到一个合奏。但每次都是一个，是的。
我说错了，你是对的。逻辑将是这样的，模型被建立，模型长度被确定，与当前模型长度相匹配的训练过的网络 被启动。只是最终机器人中会同时有几个网络，以及按长度划分的模型。
嗯，投资组合的非平稳性，它不是从西格玛到西格玛，而是定期裂开......然后你重新计算，它再次裂开。
比方说，如果没有像一些指数/股票之间的全球决定性，那么交易组合就像交易一个符号，但有额外的成本。
完全正确，但你的优势在于，你可以将投资组合设置为每小时都可以进行分析，而不需要等待这样的形式出现在一个货币对上。 让我以另一种方式说，例如，我只分析历史上的10个柱子来预测未来的1个柱子，神经网络会从这10个柱子中找到数百个模式，但我建议在一个模式上训练神经网络，然后再向前推进