市场礼仪或雷区中的良好风度 - 页 52 1...454647484950515253545556575859...104 新评论 Neutron 2009.06.08 16:53 #511 paralocus писал(а)>>而错误向量的长度是新的东西...我们没有通过 -:) 如何寻找一个三角形的边长？这就对了!- 你取根下的平方之和。 这里也一样，只是你用数据向量的长度将其归一化。所以这并不新鲜。这都是科学。 paralocus 2009.06.08 16:57 #512 你对双层的K 是什么？ Neutron 2009.06.08 16:59 #513 我现在有一个。我认为这还不重要，但速度会更好。 paralocus 2009.06.08 17:04 #514 我想我还没有达到这个水平。我将在某个地方抓虫子。我还有一个请求：你能不能建议另一种索引方法（通过突触或其他方法），因为直接索引对单层来说是好的，但在双层中它非常复杂，可能因为它很慢（甚至可能有故障）。 Neutron 2009.06.08 17:14 #515 下面是一个所有重量的 "压缩 "周期的例子。 paralocus 2009.06.08 17:25 #516 我也把所有的权重放在同一个数组中，索引也是差不多的 Сергей 2009.06.08 19:10 #517 grasn >> : 你是在预测未来+1栏的 "颜色"，还是利用有关当前栏的历史，更准确地估计其运动？ 明白了，谢谢你。告诉我，你如何估计你的NS的最佳结果，即实验总量的百分之多少条会成功？好吧，比如说，1000条中有99%预测正确。你的估计是什么？ Сергей 2009.06.08 22:05 #518 所以......当你在思考这个问题的时候（考虑到与新西伯利亚的时差，你可能已经睡着了），为了好奇心，我决定尝试用AR方法预测酒吧的颜色。我试图预测 "lob"，然后我试图预测酒吧的颜色。我试图预测x[n]-x[n-1]（H+L）/2的 "直接 "方向（"+"或"-"），而不需要模型识别。同样，如我所料，这也是垃圾，因为人不可能一下子就做到这一点。但我想起了系列处理的一个旧想法，并获得了任何实验结果（在15分钟的欧元兑美元5 000个样本）。 0 - 方向上的错误 1 - 方向是正确的 最令人失望的是，没有任何错误...但你是对的，Serega.知道一个酒吧的 "方向 "和均方 "酒吧呼吸"（一些神秘主义），我们可以建立一个好的策略。那么你的结果是什么呢？你一定估计到了系统被允许撒谎的程度，对吗？ Neutron 2009.06.09 07:01 #519 grasn писал(а)>> 明白了，谢谢你。告诉我，你如何估计你的NS的最佳结果，即实验总量的百分之多少条会成功？好吧，比如说，1000条中有99%预测正确。你的估计是什么，或者现有的结果是什么。 如果我们只想预测预期运动的方向，我们应该用公式估计正确预测的百分比。p=n(+)/N，其中 N 为实验总数，n(+) 为正确猜出的符号数。 如果我们谈论的是在考虑到其振幅的情况下预测预期的运动，我们可以通过上面这个主题中描述的算法建立一个预测云，并使用最小二乘法画一条直线穿过它来正确估计预测的可靠性。其斜率的正切值表征了所选算法的预测精度，而实验点的分散度显示了风险。 下面是训练样本（红色）和测试样本（没有参加训练）的这种绘图的例子。 你是对的，Seryoga.知道一个酒吧的 "方向"，意味着方形的 "酒吧呼吸"（一些神秘主义），我们可以建立一个良好的策略。那么你的结果是什么呢？你一定估计到了系统被允许撒谎的程度，对吗？ 我做到了。这是本主题的第一部分。阅读它。根据这种估计的结果，如果该系统提供了统计上可靠的优势（>50%的正确条目），那么它就明确地定义了MM的最佳参数，允许将市场推向最大化。 P.S. 你花了这么多时间终于明白了，真让人吃惊!而在同一时间，我从你那里听到了多少个侮辱性的绰号？而我还要听多少次......。 Сергей 2009.06.09 08:53 #520 对中子 Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков. 如果我们谈论的是在考虑到其振幅的情况下预测预期的运动，我们应该使用上面这个主题中描述的算法正确估计预测的可靠性，并使用最小二乘法画一条直线穿过它。其斜率的正切值表征了所选算法的预测精度，而实验点的分散度显示了风险。 下面是一个训练样本（红色的）和测试样本（没有参加训练）的这种绘图的例子。 估计的。本主题的第一部分专门讨论了这个问题。阅读。根据这一估计的结果，如果该系统在统计上有明显的优势（>50%的正确条目），那么它就毫不含糊地定义了MM的最佳参数，允许最大限度地挤占市场。 你能明确告诉我 你的超级超级NS系统的猜测率是多少吗？另外，你说你只是在预测颜色，这与振幅有什么关系？这不是这个话题的内容。你不必强迫我阅读所有的东西，尤其是你的数字可能已经改变。 P.S. 你花了这么多时间终于明白了，真让人吃惊!而在同一时间，我从你那里听到了多少个侮辱性的绰号？还有，我还能得到多少...... Seryoga，你有一个受损的心理和膨胀的自我。快点，不要写这种无稽之谈。另外，你的记忆力很差，已经忘记了你是如何把正常的、基本上是好人的人称为疯子的。是的，是的，是的。 PS：令人惊讶的是，你要花多长时间才能最终明白，与你的NS相比，pyremy AR模型不会给你带来更糟的结果。 1...454647484950515253545556575859...104 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
而错误向量的长度是新的东西...我们没有通过 -:)
如何寻找一个三角形的边长？这就对了!- 你取根下的平方之和。
这里也一样，只是你用数据向量的长度将其归一化。所以这并不新鲜。这都是科学。
下面是一个所有重量的 "压缩 "周期的例子。
我也把所有的权重放在同一个数组中，索引也是差不多的
你是在预测未来+1栏的 "颜色"，还是利用有关当前栏的历史，更准确地估计其运动？
明白了，谢谢你。告诉我，你如何估计你的NS的最佳结果，即实验总量的百分之多少条会成功？好吧，比如说，1000条中有99%预测正确。你的估计是什么？
所以......当你在思考这个问题的时候（考虑到与新西伯利亚的时差，你可能已经睡着了），为了好奇心，我决定尝试用AR方法预测酒吧的颜色。我试图预测 "lob"，然后我试图预测酒吧的颜色。我试图预测x[n]-x[n-1]（H+L）/2的 "直接 "方向（"+"或"-"），而不需要模型识别。同样，如我所料，这也是垃圾，因为人不可能一下子就做到这一点。但我想起了系列处理的一个旧想法，并获得了任何实验结果（在15分钟的欧元兑美元5 000个样本）。
最令人失望的是，没有任何错误...但你是对的，Serega.知道一个酒吧的 "方向 "和均方 "酒吧呼吸"（一些神秘主义），我们可以建立一个好的策略。那么你的结果是什么呢？你一定估计到了系统被允许撒谎的程度，对吗？
明白了，谢谢你。告诉我，你如何估计你的NS的最佳结果，即实验总量的百分之多少条会成功？好吧，比如说，1000条中有99%预测正确。你的估计是什么，或者现有的结果是什么。
如果我们只想预测预期运动的方向，我们应该用公式估计正确预测的百分比。p=n(+)/N，其中 N 为实验总数，n(+) 为正确猜出的符号数。
如果我们谈论的是在考虑到其振幅的情况下预测预期的运动，我们可以通过上面这个主题中描述的算法建立一个预测云，并使用最小二乘法画一条直线穿过它来正确估计预测的可靠性。其斜率的正切值表征了所选算法的预测精度，而实验点的分散度显示了风险。
下面是训练样本（红色）和测试样本（没有参加训练）的这种绘图的例子。
你是对的，Seryoga.知道一个酒吧的 "方向"，意味着方形的 "酒吧呼吸"（一些神秘主义），我们可以建立一个良好的策略。那么你的结果是什么呢？你一定估计到了系统被允许撒谎的程度，对吗？
我做到了。这是本主题的第一部分。阅读它。根据这种估计的结果，如果该系统提供了统计上可靠的优势（>50%的正确条目），那么它就明确地定义了MM的最佳参数，允许将市场推向最大化。
P.S. 你花了这么多时间终于明白了，真让人吃惊!而在同一时间，我从你那里听到了多少个侮辱性的绰号？而我还要听多少次......。
对中子
Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков.
如果我们谈论的是在考虑到其振幅的情况下预测预期的运动，我们应该使用上面这个主题中描述的算法正确估计预测的可靠性，并使用最小二乘法画一条直线穿过它。其斜率的正切值表征了所选算法的预测精度，而实验点的分散度显示了风险。
下面是一个训练样本（红色的）和测试样本（没有参加训练）的这种绘图的例子。
估计的。本主题的第一部分专门讨论了这个问题。阅读。根据这一估计的结果，如果该系统在统计上有明显的优势（>50%的正确条目），那么它就毫不含糊地定义了MM的最佳参数，允许最大限度地挤占市场。
你能明确告诉我 你的超级超级NS系统的猜测率是多少吗？另外，你说你只是在预测颜色，这与振幅有什么关系？这不是这个话题的内容。你不必强迫我阅读所有的东西，尤其是你的数字可能已经改变。
P.S. 你花了这么多时间终于明白了，真让人吃惊!而在同一时间，我从你那里听到了多少个侮辱性的绰号？还有，我还能得到多少......
Seryoga，你有一个受损的心理和膨胀的自我。快点，不要写这种无稽之谈。另外，你的记忆力很差，已经忘记了你是如何把正常的、基本上是好人的人称为疯子的。是的，是的，是的。
PS：令人惊讶的是，你要花多长时间才能最终明白，与你的NS相比，pyremy AR模型不会给你带来更糟的结果。