交易中的机器学习：理论、模型、实践和算法交易 - 页 822

[Maxim Dmitrievsky]

亚历山大_K2。
一周后，我将发布已经简化为Erlang的1阶流量的BP。但2和3不太可能被制造出来--我不需要它们。

请以代码（伪代码）的形式提供更好的指标！然后就可以对不同的符号进行全面的训练，并看一下

[Renat Akhtyamov]

亚历山大_K2。

是的!渴了!

现在我必须通过神经元运行这些行，然后把它们交给编码员。

我现在没有时间。我告诉你，我们在德国的 "合作伙伴 "正在强迫我做一个项目，而我已经放弃了圣杯。它在那里 - 在角落里...

没有必要这样做。

最主要的是，在你的情况下，不要用神经元填充你的头脑。

事实上，你得到的是一个由增量向量组成的统计图，被指数所破坏，不仅如此。

回到矢量，你不需要任何线程。

那么，什么是方向--向量的总和（当然，值得思考的是哪些）？

这就是全部

好运!

[Maxim Dmitrievsky]

推荐学习（来自fxsaber，他不会建议不好的）。

对目标的影响的静止性问题和 "正确 "的特征

https://www.mql5.com/ru/forum/232030/page2#comment_7026700

[Alexander_K2]

雷纳特-阿赫蒂亚莫夫。

你不需要它在那里。

最主要的是不要让你的脑子里充满了神经质。

事实上，你得到了一个损坏的指数，不仅如此，还有一个增量向量的静态图。

回到矢量，不需要任何流媒体

不，它是命中注定的。只有猖獗的BP筛查才能带来现金--我坚持我的观点。

[Forester]

阿利奥沙。

用windows e~2返回 -> 1,2,4,8,16,32, 64....10件，有些人采取更合理的1、2、5、10、20、30、60、120、300、....。但这并不重要，以牺牲回归和其他过滤器为代价，也认为没有任何影响，这是一个品味问题，主要是保持数据同步，当有很多系列时（总是有的），不要相互走动，否则一切都会崩溃，所以我必须自己写，当有很多来源时。例如，从过去{-1,-2,-4,-8,-16,-32,-64,-128,-256,-512}的回报和从未来{+1,+2,+4}的回报作为 "风格 "的例子，更多的波动变化。还有波动率的变化，杯子的delta，OI等等，但最主要的是使用不可转移数据的目标，否则就是假的，这很容易用任何窥视工具（如ZZ）来凑效。

如果为这样的回报服务，但是否应该按对目标的影响进行筛选？就像我们在文章中筛选出了从指标中得出的预测因素。
例如，在价格上留下2,16,64，在数量上留下1,4,32等等？(顺便说一下，这里的同步会不同步，因为可能会出现不同的条形图)
试过不过筛--结果大约是50%。
还没有试过用筛子筛分...如果有人尝试过--结果是否更好？

[СанСаныч Фоменко]

阿利奥沙。

带有指数窗口的回报，例如，任何东西，RSI，macdac，等等。当然，在测试中 "没有过度训练"，但由于ZZ的过度训练是它观察特征的固有方式，即使是随机游走，你也可以很容易地在测试中得到90%。

要么你做了一个没有重新训练的模型，在测试中证明了这个事实，要么你在车厂的排水口发现了重新训练。就个人而言，我在考试中发现了再培训。方法很简单，但被当地的coryphaei小心翼翼地避免了。

根据定义，ZZ不看任何地方：最后一个环节根本不存在，而倒数第二个环节时常变化。ZZ是对趋势的可视化表示，对趋势有一个正式的定义：从上一个转折点的数量。

但是ZZ还有一个问题，至少对我来说是这样的：我无法用预测因子来拟合它，也就是说，我可以拟合模型，但我无法做出一个REFORMED模型。而原因并不是ZZ在寻找什么地方，而是我无法挑选有足够预测能力的预测器，也就是说，我对ZZ的预测器是噪音，在此基础上，我设法拟合模型，结果非常好（误差很容易小于10%），但如果我从训练-测试文件中运行这个模型，我得到随机误差，这是一个重新训练的指标。

[Forester]

桑桑尼茨-弗门科。

根据定义，ZZ看起来无处可去：根本没有最后一个链接，倒数第二个链接每隔一段时间就会改变。ZZ是一种趋势的视觉表现，对趋势有一个正式的定义：距离上一个中枢的点数。

ZZ在真实账户或测试器中工作时，不会在第0个条形上进行展望，但如果你在历史上查看，例如在10000米条形上，它就会。你从历史中抽取矩阵进行学习。
它着眼于未来，这对目标来说也是好事，因为我们想预测未来。

另一方面，阿列克谢说，他不能把深圳作为一个目标，因为它也在寻找过去。那又怎样？我们只把过去的数据反馈给NS的输入。

[Forester]

阿利奥沙。

正是如此!你不能看过去的目标，就像小说不能看未来一样，如果你的先生们不明白为什么，用SB做个实验。

要了解为什么--你需要有一个合乎逻辑的解释，你的话并没有显示出来。你能解释一下吗，不要提到实验？

阿利奥沙。

在SB上，一个正确的ML不应该给出统计学上的明显偏差，即50%（在测试上）与ZZ目标的偏差，他们会因为分类器被调整到目标中包含的过去，因此空间精度，但没有花哨的夏普

为了适应过去--只要让任何输入到输出，不需要任何转换。

[СанСаныч Фоменко]

elibrarius。
要了解为什么--必须有一个逻辑解释，从你的话语中看不出这一点。你能解释一下吗，不要提到实验？

为了调整过去--只要让任何输入进入输出，而不进行任何转换。

我完全不明白--这是胡说八道。

[СанСаныч Фоменко]

阿利奥沙。

正是如此!目标不能看过去，也不能看未来，如果你们先生们不明白为什么，就用SB做个实验，我在上面写过，在我前面也写过，我再说一遍。

用SB做实验

用SB做实验

用SB做实验。

在SB上，正确的ML不应该给出统计学上的50%的重大偏差（在测试上），在ZZ目标上，他们会因为分类器被调整到目标中包含的过去，因此空间精度，但蹩脚的夏普

不要给别人下命令--在这里得到结果。