交易中的机器学习:理论、模型、实践和算法交易 - 页 81 1...747576777879808182838485868788...3399 新评论 Alexey Burnakov 2016.08.01 14:49 #801 mytarmailS: 有一个SER :))))你是否在wewlab进行交易? mytarmailS 2016.08.01 14:56 #802 Alexey Burnakov: )))你在wewlab交易吗? 不,是tslab,我从R中输入数据并通过R信号模拟交易到tslab,这比在R-ka中模拟交易更快、更方便、更直观,而且我需要止损、止盈、佣金......所以写这些东西真的很令人头痛。 mytarmailS 2016.08.01 15:03 #803 Dr.Trader:4)如果在训练中做交叉验证,在相同的数据上重复几次,看看结果有多大的变化,选择变化小的模型和预测器。这就是我现在想到的,但这并不是可能出现的问题的极限。你会感到惊讶,你肯定会不同意我的观点:) ),但我不相信交叉验证在市场上是有效的,至少在其经典用途上是如此 СанСаныч Фоменко 2016.08.01 15:07 #804 mytarmailS:你会感到惊讶,而且肯定不同意我的观点(不仅是你:)),但我认为交叉验证在应用于市场时并不有效,至少在其经典应用中是如此。 为什么树这么少? Alexey Burnakov 2016.08.01 15:11 #805 mytarmailS:你会感到惊讶,而且肯定不同意我的观点(不仅是你:)),但我认为交叉验证在应用于市场时并不有效,至少在其经典应用中是如此。 让我们从你如何理解交叉评价的含义开始,你能告诉我吗? mytarmailS 2016.08.01 15:20 #806 桑桑尼茨-弗门科。 为什么树这么少?我的做法是,树木越多,系统的交易就越少,而且质量也不会提高。例如,如果我的模型用参数10/5做了500笔交易,然后用参数5/200(5个分叉,200棵树)做了一笔交易或根本没有交易,那么概括性就会下降,模型正在寻找已经发生但将来不会发生的非常清楚的情况。 mytarmailS 2016.08.01 15:24 #807 阿列克谢-伯纳科夫。 我们先来看看你是如何理解交叉验证的含义的。你能告诉我吗?我相信这和你是一样的我们把地图分成5个部分,训练其中的4个部分,检查第5个部分,并通过所有的变体与分段,以便对样本的所有5个部分进行样本外检查,并计算出平均误差这似乎是如果我没有忘记的话 СанСаныч Фоменко 2016.08.01 15:27 #808 mytarmailS:我认为,树木越多,系统所做的交易就越少,而且它们的质量一点也没有提高。例如,如果我的模型用参数10/5做了500笔交易,然后用参数5/200(5个分叉,200棵树)做了一笔交易或根本没有交易,那么概括性就会下降,模型正在寻找曾经发生但将来不会发生的非常清楚的情况。 有趣的想法。事实证明,你是在以树的数量来对抗过度训练? Alexey Burnakov 2016.08.01 15:32 #809 mytarmailS:我相信这和你是一样的我们把地图分成5个部分,训练其中的4个部分,检查第5个部分,并通过所有的变体与分段,以便对样本的所有5个部分进行样本外检查,并计算出平均误差如果我没有忘记的话,似乎就是这样了。是的,你需要它来做什么?要找到最佳的学习参数。你不喜欢这种做法的原因是什么?你打算如何选择参数? mytarmailS 2016.08.01 15:50 #810 桑桑尼茨-弗门科。 有趣的想法。因此,事实证明,通过树的数量,你正在与过度训练作斗争?并非如此...我写的东西只适用于我的方法。你知道我是如何做我的目标的,它是反转的。我有三个级别的反转 "向上"、"向下 "和 "无反转"(1 , -1 , 0)。你也知道,类的偏度是巨大的,"0 "类比"-1 "和 "1 "大几十倍。这意味着模型最好在 "0 "类上训练,因为它有最多的观测数据,在训练模型时,树越多,"0 "类就被训练得越多,随着 "0 "类变得更好更强,它开始(吸收-挤出)"1","-1 "类。这就是为什么树越多交易越少的原因 1...747576777879808182838485868788...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
有一个SER :)
)))
你是否在wewlab进行交易?
)))
你在wewlab交易吗?
4)如果在训练中做交叉验证,在相同的数据上重复几次,看看结果有多大的变化,选择变化小的模型和预测器。
这就是我现在想到的,但这并不是可能出现的问题的极限。
你会感到惊讶,你肯定会不同意我的观点:) ),但我不相信交叉验证在市场上是有效的,至少在其经典用途上是如此
你会感到惊讶,而且肯定不同意我的观点(不仅是你:)),但我认为交叉验证在应用于市场时并不有效,至少在其经典应用中是如此。
你会感到惊讶,而且肯定不同意我的观点(不仅是你:)),但我认为交叉验证在应用于市场时并不有效,至少在其经典应用中是如此。
为什么树这么少?
我的做法是,树木越多,系统的交易就越少,而且质量也不会提高。
例如,如果我的模型用参数10/5做了500笔交易,然后用参数5/200(5个分叉,200棵树)做了一笔交易或根本没有交易,那么概括性就会下降,模型正在寻找已经发生但将来不会发生的非常清楚的情况。
我们先来看看你是如何理解交叉验证的含义的。你能告诉我吗?
我相信这和你是一样的
我们把地图分成5个部分,训练其中的4个部分,检查第5个部分,并通过所有的变体与分段,以便对样本的所有5个部分进行样本外检查,并计算出平均误差
这似乎是如果我没有忘记的话
我认为,树木越多,系统所做的交易就越少,而且它们的质量一点也没有提高。
例如,如果我的模型用参数10/5做了500笔交易,然后用参数5/200(5个分叉,200棵树)做了一笔交易或根本没有交易,那么概括性就会下降,模型正在寻找曾经发生但将来不会发生的非常清楚的情况。
我相信这和你是一样的
我们把地图分成5个部分,训练其中的4个部分,检查第5个部分,并通过所有的变体与分段,以便对样本的所有5个部分进行样本外检查,并计算出平均误差
如果我没有忘记的话,似乎就是这样了。
是的,你需要它来做什么?要找到最佳的学习参数。
你不喜欢这种做法的原因是什么?你打算如何选择参数?
有趣的想法。因此,事实证明,通过树的数量,你正在与过度训练作斗争?
并非如此...
我写的东西只适用于我的方法。
你知道我是如何做我的目标的,它是反转的。
我有三个级别的反转 "向上"、"向下 "和 "无反转"(1 , -1 , 0)。
你也知道,类的偏度是巨大的,"0 "类比"-1 "和 "1 "大几十倍。
这意味着模型最好在 "0 "类上训练,因为它有最多的观测数据,在训练模型时,树越多,"0 "类就被训练得越多,随着 "0 "类变得更好更强,它开始(吸收-挤出)"1","-1 "类。这就是为什么树越多交易越少的原因