进行滚动前进的方法 - 页 11 1...45678910111213 新评论 Igor Volodin 2016.04.19 08:10 #101 任何飞机都是基于一个工作的 简单模型。试图用垃圾（或任何数量的非飞行自行车）制造一架具有任何自由度的飞机，都不会成功。 系统以进化的方式从简单到复杂地发展。从理论上讲，协同的道路当然是可能的，但需要巨大的资源。 Youri Tarshecki 2016.04.19 08:31 #102 Igor Volodin:任何飞机都是基于一个工作的 简单模型。试图用垃圾（或任何数量的非飞行自行车）制造一架具有任何自由度的飞机，都不会成功。 系统以进化的方式从简单到复杂地发展。理论上，协同的道路当然是可能的，但需要巨大的资源。我的意思是，不可能脱离整个系统单独优化几个或三个变量，所以volking必须一起优化，而且没有办法在这上面省钱。只是，进化与协同作用一点也不矛盾，而且在现实生活中会导致协同作用。没有选择，你就无法做到协同，从这个意义上说你需要完全相同的资源来处理这两者。这种情况下的协同作用根本不是正确的术语，我实际上是在谈论系统的可调性。但这是一个OFTOP，我不想在这里讨论它。 Youri Tarshecki 2016.04.19 08:53 #103 总的来说，我们在做volking的时候，需要了解我们为什么要这样做，我们是否想......。1.找出专家顾问/代码A是否比 B好（按分钟进行优化，绝对值 的转发并不重要，相对的才重要）2.找出重新优化或前后比例的历史大小的最佳步骤，（按分钟优化，前向的绝对值并不重要，是相对的）。3.找出哪些优化标准 更好（按分钟优化，前锋的绝对值不重要，相对值很重要）。4.或为模拟/真实交易 准备一个专家顾问。(通过刻度线进行优化，你不必翻阅整个历史，你可以只使用几个步骤，但必须是最近的步骤) Mykola Demko 2016.04.19 09:35 #104 Youri Tarshecki:我的意思是，你不能把几个变量与整个系统分开优化，所以volking必须把所有的东西一起优化，你不能在这方面省钱。只是，进化与协同作用一点也不矛盾，而且在现实生活中会导致协同作用。没有选择，你就无法做到协同，从这个意义上说你需要完全相同的资源来处理这两个问题。这种情况下的协同作用根本不是正确的术语，我实际上是在谈论系统的可调性。但这是OFTOP，我不想在这里讨论它。足球前锋的主要目标是进球，最好是在冠军赛中进球。我们把一个6-8岁的男孩，送他去参加冠军赛，他在那里什么也做不了。这孩子是不是没有前途？这不是关于沃尔金斯，而是关于优化本身，在系统运作之前，有必要将系统运作的想法本地化。 我们需要根据环境特质、跳跃速度、球场视野来为足球学校挑选男孩。然后训练他们打球，然后把球打进球门。我说的是自定义FF选择和可能的参数字段（因为你有这么多参数）。 Youri Tarshecki 2016.04.19 09:46 #105 Nikolay Demko:足球前锋的主要目的是进球，最好是在冠军赛中进球。我们把一个6-8岁的男孩，送他去参加冠军赛，他在那里什么也做不了。这孩子是不是没有前途？这不是关于沃尔金斯，而是关于优化本身，在系统运作之前，有必要将系统运作的想法本地化。 我们需要根据环境特质、跳跃速度、球场视野来为足球学校挑选男孩。然后训练他们打球，然后把球打进球门。我说的是自定义FF选择和可能的参数字段（因为你有这么多参数）。与footballon的比喻不错。你可能有一个有天赋的男孩，但如果不在集体比赛的情况下与其他10名球员一起使用他，而且技术水平不一，你永远无法了解他是如何作为一个团队发挥作用。你是教练，你的最终目标是赢得团队的整体。如果明星们靠自己的力量获胜，那么足球将成为一个马戏团。前进是关于进球的数量，而不是培养人才的成功。 虽然我们往往知之甚少--游戏本身到底是怎么玩的--但它通常是一个黑盒子。你把球队放在球场上，带着狼性的前锋，然后去睡觉--然后他们只是告诉你他们用什么比分比赛，这就是你知道的所有比赛过程。所以你把你的男孩换成另一个，或者给他防守的任务，而不是前进的任务，然后回去睡觉，把新的分数和旧的分数进行比较。 Alexey Burnakov 2016.04.19 11:07 #106 WF绝对是判断你的战略是否稳健的最终裁判。但你可以在膝盖上做得更简单，也不会差很多--一个大的前进，7年（嗯，至少5年）。如果该策略学到了噪音，就会有一个翻盘的机会，句号。如果前方有盈利的参数选项，更有正常的表现，那么你会看到。另外，如果你的策略有太多的自由度，那么一个大的前进将显示出一个梅花，并因此而产生一个拟合。 Igor Volodin 2016.04.19 11:09 #107 Youri Tarshecki: 这和足球是一个很好的比喻。你可能有一个有天赋的男孩，但如果不把他与其他10名球员一起用于集体比赛的情况下，你永远无法了解他在球队中的表现，而这些球员都处于不同的水平。你是教练，你的最终目标是赢得团队的整体。 哇，很酷的比喻来了 ))是的，但如果没有一个男孩打球，他们的人群也不会好到哪里去）。因此，从一个男孩开始，让他开球，射空门，然后增加一个伙伴，训练穿越，然后建立一个团队游戏，形成进攻、防守等模式。这个过程是进化的，不要只是让球队出场，让他们为球奔跑，然后去睡觉，然后分析哪个孩子的脚把球送进了对手的球门，谁的背影阻止了他们在你的球门上进球。 Youri Tarshecki 2016.04.19 11:55 #108 Igor Volodin: 哦，这里有一个很酷的比喻））。是的，但如果没有一个男孩打球，他们的人群也不会好到哪里去）。因此，从一个男孩开始，让他开球，射空门，然后增加一个伙伴，训练穿越，然后建立一个团队游戏，形成进攻、防守等模式。这个过程是进化的，不要只是让球队出场，让他们为球奔跑，然后去睡觉，然后分析哪个孩子的脚把球送进了对手的球门，谁的背影阻止了他们在你的球门上进球。沃尔金是对现实的模仿，在现实中，你有一个专业的团队来对付你。训练 单个球员不是volkking，而是优化，指标不会自己挣钱。在伏击过程中，你可以释放一个天才--一个人不敌所有人--或者释放一百个瘸子，互相妨碍--在这两种情况下，对手仍然会击败你。简而言之，用你的方式试试吧--但我在与狼群的艰苦搏斗中找到了自己的方向。他让我这样做，尽管我试图智取他）。 Youri Tarshecki 2016.04.19 12:18 #109 Alexey Burnakov:另外，如果你的策略有太多的自由度，并因此导致拟合，那么一个大的前进将显示一个梅花。自由度和拟合之间没有联系。契合的是缺乏向前的检查。你有多少优化参数并不重要--如果你说你的EA像优化图上 显示的那样工作，没有显示任何前瞻性检查，这就是适合。在自由度和 这些自由不合理的风险 之间存在着联系，即它们不会相互影响，不会建立反馈系统。即自由度可能是相互依存的，也可能只是以经验发现的常数结束，然后，的确，当我们人为地调整这些常数时，后面的一切都很美好，但一旦进入不熟悉的前进环境，相反，它们就成了顽固的破坏者。但如果我们考虑到变量，作为系统的学习和反思性的变体，那么在每一个场合，它们越多越好。最主要的是，它们不会相互干扰。 Alexey Burnakov 2016.04.19 12:41 #110 Youri Tarshecki:自由度和拟合之间没有任何联系。契合是指没有向前检查。你有多少个优化参数并不重要--如果你说你的EA如优化图所示工作，没有显示任何前向检查，这就是适合。在自由度和 这些自由不合理的风险 之间存在着联系，即它们不会相互影响，不会建立反馈系统。即自由度可能是相互依存的，也可能只是以经验发现的常数结束，然后，的确，当我们人为地调整这些常数时，后面的一切都很美好，但一旦进入不熟悉的前进环境，相反，它们就成了顽固的破坏者。但如果我们考虑到变量，作为系统的学习和反思性的变体，那么在每一个场合，它们越多越好。最主要的是，它们不会相互干扰。我们可以讨论这个话题。如果你有10 000个交易（多维空间中的点，我们用选定的维度--变量来限制自己），引入10 000个变量就足以让你的所有点都适应超平面。这已经是一种赤裸裸的配合。所以，我想说的是 自由度和拟合度之间没有关系。这在原则上是不对的，但有些时候并不关键。自由度与这些自由不合理的风险 之间存在着联系。有效性可以被检测出来。如果在其他变量固定的情况下，改变某些变量并不能使结果发生很大的变化，那么显著性就很低。然而，与其他变量的相互作用就会消失。事实上，该系统是几个变量的互动。 1...45678910111213 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
任何飞机都是基于一个工作的 简单模型。试图用垃圾（或任何数量的非飞行自行车）制造一架具有任何自由度的飞机，都不会成功。
系统以进化的方式从简单到复杂地发展。从理论上讲，协同的道路当然是可能的，但需要巨大的资源。
任何飞机都是基于一个工作的 简单模型。试图用垃圾（或任何数量的非飞行自行车）制造一架具有任何自由度的飞机，都不会成功。
系统以进化的方式从简单到复杂地发展。理论上，协同的道路当然是可能的，但需要巨大的资源。
我的意思是，不可能脱离整个系统单独优化几个或三个变量，所以volking必须一起优化，而且没有办法在这上面省钱。
只是，进化与协同作用一点也不矛盾，而且在现实生活中会导致协同作用。没有选择，你就无法做到协同，从这个意义上说
你需要完全相同的资源来处理这两者。这种情况下的协同作用根本不是正确的术语，我实际上是在谈论系统的可调性。
但这是一个OFTOP，我不想在这里讨论它。
总的来说，我们在做volking的时候，需要了解我们为什么要这样做，我们是否想......。
1.找出专家顾问/代码A是否比 B好（按分钟进行优化，绝对值 的转发并不重要，相对的才重要）
2.找出重新优化或前后比例的历史大小的最佳步骤，（按分钟优化，前向的绝对值并不重要，是相对的）。
3.找出哪些优化标准 更好（按分钟优化，前锋的绝对值不重要，相对值很重要）。
4.或为模拟/真实交易 准备一个专家顾问。(通过刻度线进行优化，你不必翻阅整个历史，你可以只使用几个步骤，但必须是最近的步骤)
我的意思是，你不能把几个变量与整个系统分开优化，所以volking必须把所有的东西一起优化，你不能在这方面省钱。
只是，进化与协同作用一点也不矛盾，而且在现实生活中会导致协同作用。没有选择，你就无法做到协同，从这个意义上说
你需要完全相同的资源来处理这两个问题。这种情况下的协同作用根本不是正确的术语，我实际上是在谈论系统的可调性。
但这是OFTOP，我不想在这里讨论它。
足球前锋的主要目标是进球，最好是在冠军赛中进球。
我们把一个6-8岁的男孩，送他去参加冠军赛，他在那里什么也做不了。这孩子是不是没有前途？
这不是关于沃尔金斯，而是关于优化本身，在系统运作之前，有必要将系统运作的想法本地化。
我们需要根据环境特质、跳跃速度、球场视野来为足球学校挑选男孩。然后训练他们打球，然后把球打进球门。
我说的是自定义FF选择和可能的参数字段（因为你有这么多参数）。
足球前锋的主要目的是进球，最好是在冠军赛中进球。
我们把一个6-8岁的男孩，送他去参加冠军赛，他在那里什么也做不了。这孩子是不是没有前途？
这不是关于沃尔金斯，而是关于优化本身，在系统运作之前，有必要将系统运作的想法本地化。
我们需要根据环境特质、跳跃速度、球场视野来为足球学校挑选男孩。然后训练他们打球，然后把球打进球门。
我说的是自定义FF选择和可能的参数字段（因为你有这么多参数）。
与footballon的比喻不错。你可能有一个有天赋的男孩，但如果不在集体比赛的情况下与其他10名球员一起使用他，而且技术水平不一，你永远无法了解他是如何作为一个团队发挥作用。你是教练，你的最终目标是赢得团队的整体。如果明星们靠自己的力量获胜，那么足球将成为一个马戏团。前进是关于进球的数量，而不是培养人才的成功。
虽然我们往往知之甚少--游戏本身到底是怎么玩的--但它通常是一个黑盒子。你把球队放在球场上，带着狼性的前锋，然后去睡觉--然后他们只是告诉你他们用什么比分比赛，这就是你知道的所有比赛过程。所以你把你的男孩换成另一个，或者给他防守的任务，而不是前进的任务，然后回去睡觉，把新的分数和旧的分数进行比较。
WF绝对是判断你的战略是否稳健的最终裁判。但你可以在膝盖上做得更简单，也不会差很多--一个大的前进，7年（嗯，至少5年）。
如果该策略学到了噪音，就会有一个翻盘的机会，句号。如果前方有盈利的参数选项，更有正常的表现，那么你会看到。
另外，如果你的策略有太多的自由度，那么一个大的前进将显示出一个梅花，并因此而产生一个拟合。
这和足球是一个很好的比喻。你可能有一个有天赋的男孩，但如果不把他与其他10名球员一起用于集体比赛的情况下，你永远无法了解他在球队中的表现，而这些球员都处于不同的水平。你是教练，你的最终目标是赢得团队的整体。
哦，这里有一个很酷的比喻））。是的，但如果没有一个男孩打球，他们的人群也不会好到哪里去）。因此，从一个男孩开始，让他开球，射空门，然后增加一个伙伴，训练穿越，然后建立一个团队游戏，形成进攻、防守等模式。这个过程是进化的，不要只是让球队出场，让他们为球奔跑，然后去睡觉，然后分析哪个孩子的脚把球送进了对手的球门，谁的背影阻止了他们在你的球门上进球。
沃尔金是对现实的模仿，在现实中，你有一个专业的团队来对付你。训练 单个球员不是volkking，而是优化，指标不会自己挣钱。
在伏击过程中，你可以释放一个天才--一个人不敌所有人--或者释放一百个瘸子，互相妨碍--在这两种情况下，对手仍然会击败你。
简而言之，用你的方式试试吧--但我在与狼群的艰苦搏斗中找到了自己的方向。他让我这样做，尽管我试图智取他）。
另外，如果你的策略有太多的自由度，并因此导致拟合，那么一个大的前进将显示一个梅花。
自由度和拟合之间没有联系。契合的是缺乏向前的检查。你有多少优化参数并不重要--如果你说你的EA像优化图上 显示的那样工作，没有显示任何前瞻性检查，这就是适合。
在自由度和 这些自由不合理的风险 之间存在着联系，即它们不会相互影响，不会建立反馈系统。
即自由度可能是相互依存的，也可能只是以经验发现的常数结束，然后，的确，当我们人为地调整这些常数时，后面的一切都很美好，但一旦进入不熟悉的前进环境，相反，它们就成了顽固的破坏者。
但如果我们考虑到变量，作为系统的学习和反思性的变体，那么在每一个场合，它们越多越好。最主要的是，它们不会相互干扰。
自由度和拟合之间没有任何联系。契合是指没有向前检查。你有多少个优化参数并不重要--如果你说你的EA如优化图所示工作，没有显示任何前向检查，这就是适合。
在自由度和 这些自由不合理的风险 之间存在着联系，即它们不会相互影响，不会建立反馈系统。
即自由度可能是相互依存的，也可能只是以经验发现的常数结束，然后，的确，当我们人为地调整这些常数时，后面的一切都很美好，但一旦进入不熟悉的前进环境，相反，它们就成了顽固的破坏者。
但如果我们考虑到变量，作为系统的学习和反思性的变体，那么在每一个场合，它们越多越好。最主要的是，它们不会相互干扰。
我们可以讨论这个话题。如果你有10 000个交易（多维空间中的点，我们用选定的维度--变量来限制自己），引入10 000个变量就足以让你的所有点都适应超平面。这已经是一种赤裸裸的配合。所以，我想说的是
自由度和拟合度之间没有关系。
这在原则上是不对的，但有些时候并不关键。
自由度与这些自由不合理的风险 之间存在着联系。
有效性可以被检测出来。如果在其他变量固定的情况下，改变某些变量并不能使结果发生很大的变化，那么显著性就很低。然而，与其他变量的相互作用就会消失。事实上，该系统是几个变量的互动。