交易中的机器学习：理论、模型、实践和算法交易 - 页 633 1...626627628629630631632633634635636637638639640...3399 新评论 Dr. Trader 2018.02.02 03:56 #6321 马克西姆-德米特里耶夫斯基。一个聪明人的。他在说不科学的胡话。他谈到了水的记忆，然后他对电子显微镜嗤之以鼻，显示的结果与现代的结果相差甚远。还没有看下去，我怕他会开始讲平地:) Maxim Dmitrievsky 2018.02.02 03:59 #6322 交易员博士。他说的是不科学的胡话。他提到了水的记忆，然后他对电子显微镜嗤之以鼻，显示出与现代的结果相差甚远。现代的有什么不同？ 它们使用不同的电子吗？ 水是讽刺性的，如果你没有得到它的话 Dr. Trader 2018.02.02 04:29 #6323 它在分子水平上显示了一些模糊的画面。而这里有一个5年前的视频，例如，他们已经达到了识别原子（而不是分子）的程度，并创建了一个具有其位置的3D模型。https://www.youtube.com/watch?v=yqLlgIaz1L0 目前还不清楚他想在CD上看到什么磁波，其中的比特是由塑料中的物理凹坑表示的。还有，为什么在他的显微镜下的CD图片上，你可以看到比特信息在一个小圆圈里行走，而在这个比例上，它们会在视觉上适合于一条直线？虚假的事实和从互联网上获取的图片，真是一场秀。 马克西姆-德米特里耶夫斯基。水的事情是讽刺性的，如果你没有得到它的话。 到处都有讽刺的意味。他说的水的经验到底是什么意思？他说了就忘了，他没有给出任何结论。认真与否，并不清楚。他对分子也很有讽刺意味，似乎他想说分子并不存在，只有他知道真正存在的东西。 视频的前20分钟足以让人怀疑他的论点和可信度。 Maxim Dmitrievsky 2018.02.02 04:35 #6324 交易员博士。它在分子水平上显示了一些模糊的画面。但这里有一个5年前的视频，例如，他们已经达到了识别原子（而不是分子）的程度，并创建了一个具有其位置的3D模型。 不清楚他想在CD上看到什么磁波，在CD上，比特是由塑料上的物理凹坑表示的。还有，为什么在他的显微镜下的CD照片上，你可以看到信息的碎片在一个小圆圈里行走，而在这个比例上，它们会在视觉上适合于一条直线？虚假的事实和从互联网上获取的图片，真是一场秀。 他的讽刺意味无处不在。他说的水的经验到底是什么意思？他说了就忘了，他没有给出任何结论。认真与否并不清楚。他对分子也很讽刺，似乎他想说分子不存在，只有他知道现实中存在什么。 视频的前20分钟足以质疑他的论点和可信度。这段视频是关于随机性的 ))关于一切和什么都没有，但事实上，它是关于我们还无法计算的东西是随机的事实。它显示的是原子晶格，而不是在分子水平。我没有把注意力过多地放在磁盘上。 他有另一个视频，其中他解释说，光是一个粒子，而不是一个波，以干涉为例），波（和场）被发明了，因为我们无法计算所有的选项。 顺便说一下，轨道是直线的，图像只是以一个角度拍摄的。 Mihail Marchukajtes 2018.02.02 04:42 #6325 好吧，我从另一个角度来谈。假设我有一个100个输入的输入集。我计算了每个输入的熵，得到的结果是从-10到10。问题：哪些投入更适合于采取???? 假设我有10个低于零的输入，其余的高于零，但所有数值都在-10和10之间.....。 Mihail Marchukajtes 2018.02.02 04:47 #6326 还有......我无法计算相互信息....。或者说是条件概率，用于后续的熵和VI的计算。 谁能解释一下手指或更好的例子。 第一列40行输入变量 第二列40行输出.... 一夜之间做了很多工作，以确定假说。偶然发现了这些东西，没办法。请帮助，我将对我的假设给出我的想法...... Maxim Dmitrievsky 2018.02.02 04:49 #6327 Mihail Marchukajtes:还有......我找不到任何计算相互信息的方法....。或者说是相对概率，用于后续的熵和VI的计算。 谁能解释一下手指或更好的例子。 第一列40行输入变量 第二列40行输出.... 一夜之间做了很多工作，以确定假说。偶然发现了这些东西，没办法。请帮助，我将对我的假设提出我的想法......你晚上喝酒了吗？ Mihail Marchukajtes 2018.02.02 04:57 #6328 马克西姆-德米特里耶夫斯基。你晚上喝酒了吗？不...不醉不归.....，为什么？ 只是睡不着，在这种时候通常是唯一能想到的事情。当你有很多工作要做时，这不值得浪费时间... Maxim Dmitrievsky 2018.02.02 05:23 #6329 嗯，看来熵和互信息与计量经济学 根本没有什么关系 相关性、协方差、方差通常被用于：）不是这样的 交叉熵是NS中用于训练的一个概念......但你为什么需要它？ Mihail Marchukajtes 2018.02.02 06:08 #6330 马克西姆-德米特里耶夫斯基。嗯，看来熵和互信息与计量经济学 根本没有什么关系 相关性、协方差、方差通常被用于：）不是这样的 交叉熵是NS在训练中使用的一个概念......但你为什么需要它？嗯，首先。通过VI，我计划减少输入的数量，以减少学习时间。 我只选择了那些具有负熵且接近于零的输入。以令人羡慕的一致性学习，开始得出相同的模型参数。 获得一个模型是成功的一半，这个不简单的事情的另一半是准确地选择一个在未来能发挥作用的模型。为了做到这一点，我不是以trenar形式保存网络数据，而是以dowble形式保存，并查看网络的熵以及它是如何随时间变化的，顺便说一下，这是二元多项式输出的时间熵变化表....。 1 7.481151166 5.100318157 4.593448434 8.798740335 10.34478836 4.480187448 4.462974562 4.8648345352 7.675977242 5.395113191 4.647719201 9.658965819 -17.34873011 4.511112896 4.529873469 4.9253965153 7.512766799 5.414556649 4.644887426 8.929776132 -976.6274612 4.644286062 4.386822711 5.0503803264 8.045096956 5.079259638 4.671147058 9.875423555 9.171932774 4.623802531 3.917309752 4.9418591735 8.045378868 5.007650592 4.290382249 9.433280634 10.64451391 4.647512921 3.790881638 4.9909946716 7.814542877 3.644626791 4.344130499 8.980821417 10.5023546 4.637264293 3.831404183 5.0328549667 -26.55886859 3.781908903 4.516251137 8.797781513 10.54684501 4.883377949 3.86512079 4.6592674398 -161.3020423 3.718875753 4.564760685 9.184890078 9.1573257 5.074360669 3.785251605 4.3648746799 1.909633919 3.825969935 4.579305659 8.739113103 8.280835877 5.009919646 4.242339336 4.3943257110 6.213306097 -10.87341467 5.067862079 10.18574585 8.07128492 1.73846346 4.299916662 4.56799806211 6.171390883 1.962160448 5.081660438 8.650951109 7.510213446 1.596086413 4.313971802 4.5594371612 6.120246115 3.948723109 4.801258198 8.235748448 7.127388358 1.698956287 4.082715891 4.78177664513 6.138878328 -3.010948518 4.804114984 8.523101895 7.177670414 1.698630529 4.082338047 4.8226786714 6.212129971 -3.922803979 4.757739216 9.25848968 7.66609198 1.698756132 4.125811197 4.87406033915 6.090848662 -7.954277387 4.76183886 10.81234021 7.701949544 1.540056412 4.062605741 4.91543381916 5.99824787 -59.32132062 4.806934783 9.083600192 7.6975097 1.540406949 4.097070448 4.97890108317 5.83493287 4.565768504 4.899180184 -28.38726036 7.830286358 1.543100257 4.25790422 5.04379826618 5.758509171 -3.4626244 4.895859118 -1237.359668 8.484082841 1.706466252 4.177809837 5.03794093919 5.744674247 -12.48734205 4.961865536 1.569990079 8.915892511 1.682437372 4.336780002 5.05755591520 5.738253623 -10.20442198 4.98732747 9.795996355 8.842880831 1.539687763 4.344159624 5.10644114621 5.731628697 -1.706645474 5.005196184 10.75926151 8.059670516 1.432952506 4.391768977 4.72939573222 5.874802768 -0.439394479 4.970298578 10.33058781 7.832786294 1.431618527 4.568893332 4.71574474923 5.953727915 -3.949602879 5.017109405 9.668521648 7.941416688 1.425216096 4.646327857 4.745979757令人惊讶的是，在某些时候，当增加一个值时，熵会突然变成负值。这可能是由于什么原因???? 如果我们假设正值是对不确定性的衡量，而负值是对秩序的衡量，那么我们就选择熵值最小的网络读数，然而我认为在负区的指标太高也是不好的。这就是为什么有两种变体，要么选择熵值最小的网络，要么选择熵值最接近于零的网络....。 好了，当VI的计算将被组织起来，那么它将有可能查看一个网络的输出有多少VI与输入有关。我认为这种方法将能够点燃很多I's和交叉很多T's。 获得很多模型很容易，但选择正确的模型是另一回事，一点也不容易。 我在等待人们对这个帖子的评论，最重要的是对为什么会这样的解释。假设的理论等。我将不胜感激。谢谢!!!! Machine learning in trading: 1...626627628629630631632633634635636637638639640...3399 新评论 原因: 取消 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
一个聪明人的。
他在说不科学的胡话。他谈到了水的记忆，然后他对电子显微镜嗤之以鼻，显示的结果与现代的结果相差甚远。还没有看下去，我怕他会开始讲平地:)
他说的是不科学的胡话。他提到了水的记忆，然后他对电子显微镜嗤之以鼻，显示出与现代的结果相差甚远。
现代的有什么不同？ 它们使用不同的电子吗？
水是讽刺性的，如果你没有得到它的话
它在分子水平上显示了一些模糊的画面。而这里有一个5年前的视频，例如，他们已经达到了识别原子（而不是分子）的程度，并创建了一个具有其位置的3D模型。https://www.youtube.com/watch?v=yqLlgIaz1L0
目前还不清楚他想在CD上看到什么磁波，其中的比特是由塑料中的物理凹坑表示的。还有，为什么在他的显微镜下的CD图片上，你可以看到比特信息在一个小圆圈里行走，而在这个比例上，它们会在视觉上适合于一条直线？虚假的事实和从互联网上获取的图片，真是一场秀。
水的事情是讽刺性的，如果你没有得到它的话。
到处都有讽刺的意味。他说的水的经验到底是什么意思？他说了就忘了，他没有给出任何结论。认真与否，并不清楚。他对分子也很有讽刺意味，似乎他想说分子并不存在，只有他知道真正存在的东西。
视频的前20分钟足以让人怀疑他的论点和可信度。
它在分子水平上显示了一些模糊的画面。但这里有一个5年前的视频，例如，他们已经达到了识别原子（而不是分子）的程度，并创建了一个具有其位置的3D模型。
不清楚他想在CD上看到什么磁波，在CD上，比特是由塑料上的物理凹坑表示的。还有，为什么在他的显微镜下的CD照片上，你可以看到信息的碎片在一个小圆圈里行走，而在这个比例上，它们会在视觉上适合于一条直线？虚假的事实和从互联网上获取的图片，真是一场秀。
他的讽刺意味无处不在。他说的水的经验到底是什么意思？他说了就忘了，他没有给出任何结论。认真与否并不清楚。他对分子也很讽刺，似乎他想说分子不存在，只有他知道现实中存在什么。
视频的前20分钟足以质疑他的论点和可信度。
这段视频是关于随机性的 ))关于一切和什么都没有，但事实上，它是关于我们还无法计算的东西是随机的事实。它显示的是原子晶格，而不是在分子水平。我没有把注意力过多地放在磁盘上。
他有另一个视频，其中他解释说，光是一个粒子，而不是一个波，以干涉为例），波（和场）被发明了，因为我们无法计算所有的选项。
顺便说一下，轨道是直线的，图像只是以一个角度拍摄的。
好吧，我从另一个角度来谈。假设我有一个100个输入的输入集。我计算了每个输入的熵，得到的结果是从-10到10。问题：哪些投入更适合于采取????
假设我有10个低于零的输入，其余的高于零，但所有数值都在-10和10之间.....。
还有......我无法计算相互信息....。或者说是条件概率，用于后续的熵和VI的计算。
谁能解释一下手指或更好的例子。
第一列40行输入变量
第二列40行输出....
一夜之间做了很多工作，以确定假说。偶然发现了这些东西，没办法。请帮助，我将对我的假设给出我的想法......
还有......我找不到任何计算相互信息的方法....。或者说是相对概率，用于后续的熵和VI的计算。
谁能解释一下手指或更好的例子。
第一列40行输入变量
第二列40行输出....
一夜之间做了很多工作，以确定假说。偶然发现了这些东西，没办法。请帮助，我将对我的假设提出我的想法......
你晚上喝酒了吗？
你晚上喝酒了吗？
不...不醉不归.....，为什么？
只是睡不着，在这种时候通常是唯一能想到的事情。当你有很多工作要做时，这不值得浪费时间...
嗯，看来熵和互信息与计量经济学 根本没有什么关系
相关性、协方差、方差通常被用于：）不是这样的
交叉熵是NS中用于训练的一个概念......但你为什么需要它？
嗯，看来熵和互信息与计量经济学 根本没有什么关系
相关性、协方差、方差通常被用于：）不是这样的
交叉熵是NS在训练中使用的一个概念......但你为什么需要它？
嗯，首先。通过VI，我计划减少输入的数量，以减少学习时间。
我只选择了那些具有负熵且接近于零的输入。以令人羡慕的一致性学习，开始得出相同的模型参数。
获得一个模型是成功的一半，这个不简单的事情的另一半是准确地选择一个在未来能发挥作用的模型。为了做到这一点，我不是以trenar形式保存网络数据，而是以dowble形式保存，并查看网络的熵以及它是如何随时间变化的，顺便说一下，这是二元多项式输出的时间熵变化表....。
1 7.481151166 5.100318157 4.593448434 8.798740335 10.34478836 4.480187448 4.462974562 4.864834535
2 7.675977242 5.395113191 4.647719201 9.658965819 -17.34873011 4.511112896 4.529873469 4.925396515
3 7.512766799 5.414556649 4.644887426 8.929776132 -976.6274612 4.644286062 4.386822711 5.050380326
4 8.045096956 5.079259638 4.671147058 9.875423555 9.171932774 4.623802531 3.917309752 4.941859173
5 8.045378868 5.007650592 4.290382249 9.433280634 10.64451391 4.647512921 3.790881638 4.990994671
6 7.814542877 3.644626791 4.344130499 8.980821417 10.5023546 4.637264293 3.831404183 5.032854966
7 -26.55886859 3.781908903 4.516251137 8.797781513 10.54684501 4.883377949 3.86512079 4.659267439
8 -161.3020423 3.718875753 4.564760685 9.184890078 9.1573257 5.074360669 3.785251605 4.364874679
9 1.909633919 3.825969935 4.579305659 8.739113103 8.280835877 5.009919646 4.242339336 4.39432571
10 6.213306097 -10.87341467 5.067862079 10.18574585 8.07128492 1.73846346 4.299916662 4.567998062
11 6.171390883 1.962160448 5.081660438 8.650951109 7.510213446 1.596086413 4.313971802 4.55943716
12 6.120246115 3.948723109 4.801258198 8.235748448 7.127388358 1.698956287 4.082715891 4.781776645
13 6.138878328 -3.010948518 4.804114984 8.523101895 7.177670414 1.698630529 4.082338047 4.82267867
14 6.212129971 -3.922803979 4.757739216 9.25848968 7.66609198 1.698756132 4.125811197 4.874060339
15 6.090848662 -7.954277387 4.76183886 10.81234021 7.701949544 1.540056412 4.062605741 4.915433819
16 5.99824787 -59.32132062 4.806934783 9.083600192 7.6975097 1.540406949 4.097070448 4.978901083
17 5.83493287 4.565768504 4.899180184 -28.38726036 7.830286358 1.543100257 4.25790422 5.043798266
18 5.758509171 -3.4626244 4.895859118 -1237.359668 8.484082841 1.706466252 4.177809837 5.037940939
19 5.744674247 -12.48734205 4.961865536 1.569990079 8.915892511 1.682437372 4.336780002 5.057555915
20 5.738253623 -10.20442198 4.98732747 9.795996355 8.842880831 1.539687763 4.344159624 5.106441146
21 5.731628697 -1.706645474 5.005196184 10.75926151 8.059670516 1.432952506 4.391768977 4.729395732
22 5.874802768 -0.439394479 4.970298578 10.33058781 7.832786294 1.431618527 4.568893332 4.715744749
23 5.953727915 -3.949602879 5.017109405 9.668521648 7.941416688 1.425216096 4.646327857 4.745979757
令人惊讶的是，在某些时候，当增加一个值时，熵会突然变成负值。这可能是由于什么原因????
如果我们假设正值是对不确定性的衡量，而负值是对秩序的衡量，那么我们就选择熵值最小的网络读数，然而我认为在负区的指标太高也是不好的。这就是为什么有两种变体，要么选择熵值最小的网络，要么选择熵值最接近于零的网络....。
好了，当VI的计算将被组织起来，那么它将有可能查看一个网络的输出有多少VI与输入有关。我认为这种方法将能够点燃很多I's和交叉很多T's。
获得很多模型很容易，但选择正确的模型是另一回事，一点也不容易。
我在等待人们对这个帖子的评论，最重要的是对为什么会这样的解释。假设的理论等。我将不胜感激。谢谢!!!!