交易中的机器学习：理论、模型、实践和算法交易 - 页 77 1...707172737475767778798081828384...3399 新评论 Dr. Trader 2016.07.30 12:09 #761 对于R来说，这是一个非常好的结果，因为所有其他语言都用于许多不同的目的，而R只是用于数据处理。 Alexey Burnakov 2016.07.30 13:22 #762 Dr.Trader: 考虑到所有其他语言都用于许多不同的目的，而R只是用于数据处理，因此R的结果非常好。你试过在我的数据上进行训练吗？我做了一个为期5天的实验。我只是在折磨欧元兑美元! 做了99个训练样本，大小和我在这里发布的差不多。所有这些都是独特的，因为它们包含了时间上的观察。我正在对它们进行模型训练，并将成立一个GBM森林委员会。已经有了一些有趣的验证结果，尽管我在24小时内只看了18个样本。也就是说，我做了2.5倍的验证，我稍后会说明原因!正如你所看到的，在第一个训练样本中，模型的训练使验证中的40万个观测值，我得到了2.7分的MO（包括传播）。嗯，还有1，1.5分的结果，正常。所有这些都将在稍后的委员会中堆积起来，让我们看看最终验证的图片是什么!我预计家庭作业的成绩为4或4以上。去吧，先生们。PS：训练数据--99个样本的多样化和委员会：https://drive.google.com/open?id=0B_Au3ANgcG7CNG5JT3R2UzI0UzQ Dr. Trader 2016.07.30 14:12 #763 是的，我试过了，第一次没有成功。为了估计模型，我采取了回归结果的准确性（要求的结果按[0;0.5;1]的比例减去获得的结果，模数）。遗传学用几个预测器找到了这样一个全局最大值，当时神经元克没有足够的数据进行训练，所以它在几乎所有的数据上都返回0.5（与 "不交易 "类匹配）。一般来说，这样的健身函数根本不适合，网络只是没有交易的结果。现在，第二个实验仍在进行中。我仍然使用3个类，但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率（[正确答案的数量]/[总数量]）。从遗传学中的最佳适配值图中，我可以判断出结果将接近33%，基本与随机相同。如果你幸运的话，也许会高一点。我必须再等一两天，直到遗传学不会达到最大值，然后我就可以进行前沿测试。在我的预测器上，我通常会得到更好的结果，我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器，那么你最初添加的指标越多越好。 Alexey Burnakov 2016.07.30 15:10 #764 Dr.Trader:是的，我试过了，第一次没有成功。为了估计模型，我采取了回归结果的准确性（要求的结果按[0;0.5;1]的比例减去获得的结果，模数）。遗传学用几个预测器找到了这样一个全局最大值，当时神经元克没有足够的数据进行训练，所以它在几乎所有的数据上都返回0.5（与 "不交易 "类匹配）。一般来说，这样的健身函数根本不适合，网络只是没有交易的结果。现在，第二个实验仍在进行中。我仍然使用3个类，但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率（[正确答案的数量]/[总数量]）。从遗传学中的最佳适配值图中，我可以判断出结果将接近33%，基本与随机相同。如果你幸运的话，也许会高一点。我必须再等一两天，直到遗传学达到最大值，然后我就可以进行前测了。在我的预测器上，我通常会得到更好的结果，我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器，那么你最初添加的指标越多越好。 谢谢你。报告结果。关于你的和我们的。这里有相当多的预测因素。足够满足我的口味。我只是有五对，每对有10年。可以理解的是，一个模型的学习时间比1对和2年要长和慢。但并不意味着更糟。 Mihail Marchukajtes 2016.07.30 18:38 #765 仍然试图建立一个圣杯???? 来吧...... mytarmailS 2016.07.30 18:51 #766 Mihail Marchukajtes: 仍在努力建造圣杯????来吧...... 有人答应在周末解释他们的圣杯。 Alexey Burnakov 2016.07.30 19:37 #767 Mihail Marchukajtes: 仍然试图建立一个圣杯????来吧...... 巨魔，离开这里。 Mihail Marchukajtes 2016.07.30 20:05 #768 不，不，伙计们，系统已经泄露了，没有必要再展示它。致歉.....关于分类论著，是的...我可以......但我还没有时间，一旦我有了空闲，我的创造力出现了，我一定会回信 .....否则..... mytarmailS 2016.07.30 20:36 #769 Mihail Marchukajtes: Nah, no guys, the system's gone, there's no point in even showing it.致歉.....关于分类的论文，是的...可以......但现在还没有时间，一旦我有了空闲，我的创造力得到发挥，我就会写下它.....。否则.....我想知道...你不是写到你已经成功使用你的算法一年了吗？几个小时前，你写道： "仍然试图建立一个圣杯????。来吧......"这 意味着该算法在几个小时前还在工作，然后就消失了????????????????????。这并没有使你的故事变得有意义，....听着，如果你有事情要告诉我，那就给我发邮件，因为我也做了你写的事情，我对这个话题感兴趣。 Dr. Trader 2016.07.30 21:00 #770 在这个主题中已经有关于RNeat的帖子，它是一种具有自适应拓扑结构的神经元，神经元的权重和连接是利用遗传学形成的。 从描述和简单的测试来看，这个模型是相当不错的。但这对外汇来说并不那么好。一个星期以来，我一直在训练，用400个预测器预测在下一个条形图上买入/卖出。 学习模型的速度太慢，在一个星期内，模型的适配度几乎增加到只有2%。即使在训练数据上的预测准确率也只有55%，该模型还没有时间进化到良好的逻辑来开始产生利润。在验证数据（从训练数据中取出的随机条）上的准确率要好一点，但这更多是偶然的，而不是模型的优点。 前测准确率在50%和53%之间波动，从图表来看，这也是偶然的，不是由于模型的原因。 没有奇迹发生，我猜测模型在几个月的工作后会进化到正确的逻辑，但它会在验证时以糟糕的结果重新训练，到那时就已经过时了，我不得不重新开始。 我停止了这个实验；我不认为继续下去有什么意义。 1...707172737475767778798081828384...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
考虑到所有其他语言都用于许多不同的目的，而R只是用于数据处理，因此R的结果非常好。
你试过在我的数据上进行训练吗？
我做了一个为期5天的实验。我只是在折磨欧元兑美元!
做了99个训练样本，大小和我在这里发布的差不多。所有这些都是独特的，因为它们包含了时间上的观察。我正在对它们进行模型训练，并将成立一个GBM森林委员会。已经有了一些有趣的验证结果，尽管我在24小时内只看了18个样本。也就是说，我做了2.5倍的验证，我稍后会说明原因!
正如你所看到的，在第一个训练样本中，模型的训练使验证中的40万个观测值，我得到了2.7分的MO（包括传播）。
嗯，还有1，1.5分的结果，正常。所有这些都将在稍后的委员会中堆积起来，让我们看看最终验证的图片是什么!我预计家庭作业的成绩为4或4以上。
去吧，先生们。
PS：训练数据--99个样本的多样化和委员会：https://drive.google.com/open?id=0B_Au3ANgcG7CNG5JT3R2UzI0UzQ
是的，我试过了，第一次没有成功。为了估计模型，我采取了回归结果的准确性（要求的结果按[0;0.5;1]的比例减去获得的结果，模数）。遗传学用几个预测器找到了这样一个全局最大值，当时神经元克没有足够的数据进行训练，所以它在几乎所有的数据上都返回0.5（与 "不交易 "类匹配）。一般来说，这样的健身函数根本不适合，网络只是没有交易的结果。
现在，第二个实验仍在进行中。我仍然使用3个类，但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率（[正确答案的数量]/[总数量]）。从遗传学中的最佳适配值图中，我可以判断出结果将接近33%，基本与随机相同。如果你幸运的话，也许会高一点。我必须再等一两天，直到遗传学不会达到最大值，然后我就可以进行前沿测试。
在我的预测器上，我通常会得到更好的结果，我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器，那么你最初添加的指标越多越好。
是的，我试过了，第一次没有成功。为了估计模型，我采取了回归结果的准确性（要求的结果按[0;0.5;1]的比例减去获得的结果，模数）。遗传学用几个预测器找到了这样一个全局最大值，当时神经元克没有足够的数据进行训练，所以它在几乎所有的数据上都返回0.5（与 "不交易 "类匹配）。一般来说，这样的健身函数根本不适合，网络只是没有交易的结果。
现在，第二个实验仍在进行中。我仍然使用3个类，但立即将回归结果四舍五入到水平[0;0.5;1]。估计是分类准确率（[正确答案的数量]/[总数量]）。从遗传学中的最佳适配值图中，我可以判断出结果将接近33%，基本与随机相同。如果你幸运的话，也许会高一点。我必须再等一两天，直到遗传学达到最大值，然后我就可以进行前测了。
在我的预测器上，我通常会得到更好的结果，我认为你需要在这个数据上添加更多的指标。如果你的算法可以评估和抛弃预测器，那么你最初添加的指标越多越好。
仍在努力建造圣杯????来吧......
仍然试图建立一个圣杯????来吧......
Nah, no guys, the system's gone, there's no point in even showing it.致歉.....关于分类的论文，是的...可以......但现在还没有时间，一旦我有了空闲，我的创造力得到发挥，我就会写下它.....。否则.....
我想知道...你不是写到你已经成功使用你的算法一年了吗？几个小时前，你写道： "仍然试图建立一个圣杯????。来吧......"这 意味着该算法在几个小时前还在工作，然后就消失了????????????????????。这并没有使你的故事变得有意义，....
听着，如果你有事情要告诉我，那就给我发邮件，因为我也做了你写的事情，我对这个话题感兴趣。
在这个主题中已经有关于RNeat的帖子，它是一种具有自适应拓扑结构的神经元，神经元的权重和连接是利用遗传学形成的。
从描述和简单的测试来看，这个模型是相当不错的。但这对外汇来说并不那么好。一个星期以来，我一直在训练，用400个预测器预测在下一个条形图上买入/卖出。
学习模型的速度太慢，在一个星期内，模型的适配度几乎增加到只有2%。即使在训练数据上的预测准确率也只有55%，该模型还没有时间进化到良好的逻辑来开始产生利润。
在验证数据（从训练数据中取出的随机条）上的准确率要好一点，但这更多是偶然的，而不是模型的优点。
前测准确率在50%和53%之间波动，从图表来看，这也是偶然的，不是由于模型的原因。
没有奇迹发生，我猜测模型在几个月的工作后会进化到正确的逻辑，但它会在验证时以糟糕的结果重新训练，到那时就已经过时了，我不得不重新开始。
我停止了这个实验；我不认为继续下去有什么意义。