交易中的机器学习:理论、模型、实践和算法交易 - 页 787 1...780781782783784785786787788789790791792793794...3399 新评论 Alexander_K2 2018.03.30 09:47 #7861 马克西姆-德米特里耶夫斯基。我只是想和别人讨论一下,但除了巫师,没有人知道这件事,所以我就和自己讨论。:))))))))))))主要是这里的孩子们,马克西姆。而且你不应该与科尔敦争吵--你应该仔细阅读他所写的东西。顺便说一句,喜欢我猖狂的作品 :))))))) Maxim Dmitrievsky 2018.03.30 09:51 #7862 亚历山大_K2。:))))))))))))主要是这里的孩子们,马克西姆。而且你不应该与科尔敦争吵--你应该仔细阅读他写的东西。以及我猖獗的作品 :)))))))你做得很好,亚历山大,但我还没有理解一半,所以我还不能说什么 :) 而且我对分布的理解很差,如何比较和转换,等等,我根本没有做过。 我以后会研究的 СанСаныч Фоменко 2018.03.30 09:52 #7863 马克西姆-德米特里耶夫斯基。RL是一个教师辅助的模型,但你不教它,输出是随机选择的,然后更新(这叫强化学习)。 过度训练可以有,也可以没有,这取决于特征的信息量有多大。 你们看起来是聪明人,但你们写的都是些废话,都是同样的东西,有100个理由。 我只是想和别人讨论这个方法,但除了Wizard之外,没有人知道这个方法。 这是一个重新学习的过程。我对你的理解是正确的,重新训练的问题对所有的模型都是一样的,是一个单独的、独立的。 1.带有强化功能的模型是否解决了教师本身的问题,以某种方式使这个过程自动化? 2.具有强化功能的模型在过度学习方面是否会产生额外的问题?那么,至少从事实来看,老师也是适应这个地区的? Maxim Dmitrievsky 2018.03.30 09:55 #7864 桑桑尼茨-弗门科。我对你的理解是正确的,重新训练的问题对所有的模型都是一样的,是一个单独的、独立的问题。 1.带有强化功能的模型是否解决了教师本身的问题,以某种方式使这个过程自动化? 2.具有强化功能的模型在过度学习方面是否会产生额外的问题?那么,至少从事实来看,老师也被配上了情节?我认为,自我强化 1.是 2.可能会产生误解,因为输出的标签会随着教学和匹配不断变化。但我们可以分析标签的动态变化,找到拟合度最低的集合 Renat Akhtyamov 2018.03.30 09:56 #7865 马克西姆-德米特里耶夫斯基。你做得很好,亚历山大,但我一半都不懂,所以我还不能谈论它 :) 而且我不太了解分布,如何比较它们,转换它们,等等,我只是没有做过而已 我以后会研究的。80%的正确输入... 你知道,这是个意见问题。 我个人认为,100%是不够的。 更确切地说,这样的TC估计在本质上是不适用的。 TS应以下列方式进行交易:任何进场--买入/卖出,并始终获利! Alexander_K2 2018.03.30 09:57 #7866 Maxim Dmitrievsky: 你做得很好,亚历山大,但我一半都不懂,所以我还不能谈论它 :) 我也不太了解分布,如何比较它们,转换它们,等等,我只是没有做过而已我以后会研究的。没有什么可读的。相反,我正在阅读这个主题--等待寻找神经圣杯 的突破口。而且我相信它很快就会发生。认真地说。而且我甚至可以猜到那个即将用结果让我们大吃一惊的人的名字。但我不会说。让人感到好奇。 Maxim Dmitrievsky 2018.03.30 09:58 #7867 亚历山大_K2。没有什么可读的。相反,我正在阅读这个主题--等待寻找神经圣杯的突破口。而且我相信这将很快发生。认真地说。而且我甚至可以猜到那个即将用结果让我们大跌眼镜的人的名字。但我不会说。让人感到好奇。只要他不沉默,不拿着装满论坛东西的袋子跑掉就行了 :) Alexander_K2 2018.03.30 09:59 #7868 马克西姆-德米特里耶夫斯基。最主要的是,他不会在事后沉默不语,从论坛上带着满满一麻袋的东西跑掉 :)那是肯定的! Maxim Dmitrievsky 2018.03.30 10:07 #7869 马克西姆-德米特里耶夫斯基。我相信,独立 1.是 2.可能会产生误解,因为输出标签在训练和拟合过程中会不断变化。但我们可以分析标签的动态变化,找到拟合度最低的集合最简单的方法是早期停止,预习。一切都与正常的教师辅助学习相同。 Forester 2018.03.30 10:23 #7870 阿列克谢-维亚兹米 金。重要的不是在X个柱子里会是什么,而是在10个柱子里是什么,也就是说,如果在10个柱子里达到了X个点,那么我们就开盘。 Mihail Marchukajtes: 你把你的屁股和你的拇指搞混了。对此我很抱歉。我真诚地请你充分表达你的想法和反对的论据,如果有的话。你说得很对,我们将回看10个柱子以获得10个柱子后的预测。所有TS-NS通常都是这样建造的。 我们首先建立预测。我们得到它的值,然后我们决定在这个值或那个....,采取什么行动。阿列克谢是对的。第5条的预测可能会给+100分,第10条--0分。我们最终会错过一次交易。或者第10条的预测可能显示你+100点。但在第5条,我们可能会看到-100点,你会抓住一个止损。你应该预测所有1至10条。 缺点是网络的复杂性增加,因为有更多的输出,因此计算需要更多时间。另外,我们应该将隐藏层的神经元数量增加一倍... 阅读Topkstarter的博客,那里也有退步,有很多聪明的想法。 1...780781782783784785786787788789790791792793794...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
我只是想和别人讨论一下,但除了巫师,没有人知道这件事,所以我就和自己讨论。
:))))))))))))主要是这里的孩子们,马克西姆。而且你不应该与科尔敦争吵--你应该仔细阅读他所写的东西。顺便说一句,喜欢我猖狂的作品 :)))))))
:))))))))))))主要是这里的孩子们,马克西姆。而且你不应该与科尔敦争吵--你应该仔细阅读他写的东西。以及我猖獗的作品 :)))))))
你做得很好,亚历山大,但我还没有理解一半,所以我还不能说什么 :) 而且我对分布的理解很差,如何比较和转换,等等,我根本没有做过。
我以后会研究的
RL是一个教师辅助的模型,但你不教它,输出是随机选择的,然后更新(这叫强化学习)。
过度训练可以有,也可以没有,这取决于特征的信息量有多大。
你们看起来是聪明人,但你们写的都是些废话,都是同样的东西,有100个理由。
我只是想和别人讨论这个方法,但除了Wizard之外,没有人知道这个方法。
这是一个重新学习的过程。
我对你的理解是正确的,重新训练的问题对所有的模型都是一样的,是一个单独的、独立的。
1.带有强化功能的模型是否解决了教师本身的问题,以某种方式使这个过程自动化?
2.具有强化功能的模型在过度学习方面是否会产生额外的问题?那么,至少从事实来看,老师也是适应这个地区的?
我对你的理解是正确的,重新训练的问题对所有的模型都是一样的,是一个单独的、独立的问题。
1.带有强化功能的模型是否解决了教师本身的问题,以某种方式使这个过程自动化?
2.具有强化功能的模型在过度学习方面是否会产生额外的问题?那么,至少从事实来看,老师也被配上了情节?
我认为,自我强化
1.是
2.可能会产生误解,因为输出的标签会随着教学和匹配不断变化。但我们可以分析标签的动态变化,找到拟合度最低的集合
你做得很好,亚历山大,但我一半都不懂,所以我还不能谈论它 :) 而且我不太了解分布,如何比较它们,转换它们,等等,我只是没有做过而已
我以后会研究的。
80%的正确输入...
你知道,这是个意见问题。
我个人认为,100%是不够的。 更确切地说,这样的TC估计在本质上是不适用的。
TS应以下列方式进行交易:任何进场--买入/卖出,并始终获利!
你做得很好,亚历山大,但我一半都不懂,所以我还不能谈论它 :) 我也不太了解分布,如何比较它们,转换它们,等等,我只是没有做过而已
我以后会研究的。
没有什么可读的。相反,我正在阅读这个主题--等待寻找神经圣杯 的突破口。而且我相信它很快就会发生。认真地说。而且我甚至可以猜到那个即将用结果让我们大吃一惊的人的名字。但我不会说。让人感到好奇。
没有什么可读的。相反,我正在阅读这个主题--等待寻找神经圣杯的突破口。而且我相信这将很快发生。认真地说。而且我甚至可以猜到那个即将用结果让我们大跌眼镜的人的名字。但我不会说。让人感到好奇。
只要他不沉默,不拿着装满论坛东西的袋子跑掉就行了 :)
最主要的是,他不会在事后沉默不语,从论坛上带着满满一麻袋的东西跑掉 :)
那是肯定的!
我相信,独立
1.是
2.可能会产生误解,因为输出标签在训练和拟合过程中会不断变化。但我们可以分析标签的动态变化,找到拟合度最低的集合
最简单的方法是早期停止,预习。一切都与正常的教师辅助学习相同。
重要的不是在X个柱子里会是什么,而是在10个柱子里是什么,也就是说,如果在10个柱子里达到了X个点,那么我们就开盘。
Mihail Marchukajtes:
你把你的屁股和你的拇指搞混了。对此我很抱歉。我真诚地请你充分表达你的想法和反对的论据,如果有的话。你说得很对,我们将回看10个柱子以获得10个柱子后的预测。所有TS-NS通常都是这样建造的。
我们首先建立预测。我们得到它的值,然后我们决定在这个值或那个....,采取什么行动。
阿列克谢是对的。第5条的预测可能会给+100分,第10条--0分。我们最终会错过一次交易。或者第10条的预测可能显示你+100点。但在第5条,我们可能会看到-100点,你会抓住一个止损。你应该预测所有1至10条。
缺点是网络的复杂性增加,因为有更多的输出,因此计算需要更多时间。另外,我们应该将隐藏层的神经元数量增加一倍...
阅读Topkstarter的博客,那里也有退步,有很多聪明的想法。