神经病患者，不要路过 :) 需要建议 - 页 7 1234567891011121314 新评论 Andrey Dik 2011.03.31 19:14 #61 Summer: .. 第一张图片，如果我对它所显示的内容理解正确的话，对应的是溢出模式的意识形态。 TheXpert 2011.03.31 19:51 #62 alexeymosc: IMHO--监测网络培训的测试样本是必不可少的。 也许是这样，但我们能从哪里得到它而不浪费时间呢？ 数学。 B段隐含地参与了训练，因为B段通过最小误差决定了训练的结束) 就我而言，这并不适用，因为没有这样的培训。唯一要做的是根据结果重新配置网络。 费加0。 为什么是对？）尝试一些指数，一些黄金...我想知道结果会是什么。 可能是在价差范围内，我会试试黄金。我在哪里可以得到一份合适的指数历史？胶水没有被交易。 [删除] 2011.03.31 20:57 #63 我一直忘了问，TC的学习期测试会是什么样子的？我想知道它在这个ANC中 "学到了多少"。我的理解是，LOC会根据方程组中给出的内容产生最大可能的结果（我觉得其中涉及一些严重的矩阵代数:)）。 只是，如果将这一最大值转移到交易中，会是什么样子？那里的一切会有多顺利？ 是否有可能在其原生的学习期中至少有一个月的时间也能做出这样的照片？国家统计局在培训期间获得的结果也很重要，不言而喻。 TheXpert 2011.03.31 21:25 #64 Figar0: 我一直忘了问，训练期的TC测试会是什么样子？ https://www.mql5.com/ru/forum/132692/page2#454397 第二张图片，这是对一个测试样本的一年。 Belford 2011.03.31 22:13 #65 正如这里提到的，TheXpert 尝试对另一个来源的数据进行测试。并检查一下对未来的窥视。这一切听起来非常像自我欺骗...... Alexey Burnakov 2011.04.01 07:19 #66 TheXpert:可能是这样，但从哪里得到它而不浪费时间呢？就我而言，这并不适用，因为本身没有培训。我只能根据结果来重新配置网络。可能是在价差范围内，我会试试黄金。我在哪里可以得到索引的正确历史？胶水没有被交易。 我的模拟账户上现在有几个神经网络EA。我在一个统计软件包中建立网络，并将ddl-functions与之相连。 所以我觉得选择问题--训练样本量、控制样本量和如何形成以及样本外的交易期有多长--是非常重要的。我得到了不同的结果，主要是有可能改善缩减。虽然到目前为止，该系统是在盈利中工作（唉，谢天谢地），但我们可以确定最佳参数并与之合作。当然，我必须做一些前瞻性的测试，并花费一些时间，但我认为结果会是值得的。 TheXpert 2011.04.01 07:25 #67 Belford: TheXpert 尝试，正如这里已经说过的，用另一个来源的数据进行测试。 它是什么意思？在另一个特区的同一故事中？ 并检查一下对未来的一瞥。这一切都很像自欺欺人...... 彻底的第一件事是在第一时间。我甚至会说我被这样的建议侮辱了。那么自我否定究竟是什么样子的呢？ alexeymosc: 好吧，我真心觉得选择问题：训练样本的大小，控制样本的大小和如何形成，以及样本外交易期的大小都非常重要。我得到了不同的结果，主要是有可能改善缩减。虽然到目前为止，该系统是在盈利中工作（唉，谢天谢地），但我们可以确定最佳参数并与之合作。当然，这需要一些时间和前瞻性的测试，但我认为结果将是值得的。 对你有好处，但本质上没有什么。也许你可以分享你的经验？ Alexey Burnakov 2011.04.01 08:04 #68 TheXpert: 它是什么意思？在另一个特区的同一故事中？ 彻底的第一件事。我甚至会说，我被这样的建议所侮辱。那么到底什么是听起来像自我否定的呢？ 对你有好处，但本质上没有什么。也许你可以分享你的经验？ 关于所讨论主题的几篇文章：http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss。ac.cn%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-huang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTQ http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23。6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw 总结一下研究结果：你不需要采取非常大的样本进行训练。对于第一天的时间框架，1-3年是合适的。对于小时条形图，我最多需要1年，15分钟条形图最多需要半年，5分钟条形图最多需要1个季度。我从交易服务器获取数据并使用Page Up。 你有两年的时间用于15分钟的时间框架，这可能是过度的，尽管我读到你已经尝试过更短的时间。我认为不超过半年的时间就足够了。 我以后会写关于测试（在俄罗斯文学中，以及在英语中--验证）取样，我想在这个周末进行一系列的实验。一般观察：如果测试样本是在一个交易期之前采取的，那么神经元网将为这个时期进行 "微调"，同时在一个更大的样本空间上学习。好的一面是，由于测试样本没有与训练样本混在一起，我们给网络的数据它甚至还没有大概看过，这些数据可以说是反映了市场的实际状态。如果我们将测试样本与训练样本混合在一起，其上的误差通常会更小，因为网络看到了测试样本周围的例子，因此算法找到了更深的误差最小值--但不是说新数据至少会达到类似的结果。这一点我已经亲自获得并反复观察。 TheXpert 2011.04.01 08:28 #69 alexeymosc: 总结一下研究结果：你不需要一个非常大的样本来训练。 让我们离开训练样本，我没有告诉你完整的施工方案，这没有什么问题。 一般考虑：如果测试样本是在交易期之前采取的，神经网络将为这个时期进行 "微调"，在更大的样本空间上学习。另外，由于测试样本没有与训练样本混合，我们给网络提供了它甚至还没有大概看到的数据，而这些数据，我们可以说，反映了市场的当前状态。 而这与扩大训练样本窗口有什么不同？你是在你狭窄的实施范围内说话。我的实现方式根本不同，所以我不明白我在说什么。 你说的混合和非混合是什么意思？融合是如何实现的？如果网络以前从未见过这些数据，那么什么 "微调"？ 如果测试样本与训练样本混合在一起，对它的误差通常较小，因为网络看到了测试样本周围的例子，因此算法找到了更深的误差最小值--但不是新数据至少会产生类似的结果。这一点我已经亲自获得并反复观察。 我在这里感到很茫然，也许我们不应该继续讨论这个问题。 Belford 2011.04.01 08:38 #70 TheXpert:这意味着什么呢？在另一个特区的同一故事中？ 最好是在同一历史上，但来自不同的报价供应商。 你不应该使用VC的报价（还有MetaQuotes），因为 较低的时间段，特别是1999-2005年，质量非常差。这些报价不是通过滑动窗口平滑的，而是通过整个历史。换句话说，有一种对未来的窥视已经蕴含在引言本身中。 神经网络 发现这一点没有任何问题。 1234567891011121314 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
..
第一张图片，如果我对它所显示的内容理解正确的话，对应的是溢出模式的意识形态。
IMHO--监测网络培训的测试样本是必不可少的。
也许是这样，但我们能从哪里得到它而不浪费时间呢？
B段隐含地参与了训练，因为B段通过最小误差决定了训练的结束)
就我而言，这并不适用，因为没有这样的培训。唯一要做的是根据结果重新配置网络。
为什么是对？）尝试一些指数，一些黄金...我想知道结果会是什么。
可能是在价差范围内，我会试试黄金。我在哪里可以得到一份合适的指数历史？胶水没有被交易。
我一直忘了问，TC的学习期测试会是什么样子的？我想知道它在这个ANC中 "学到了多少"。我的理解是，LOC会根据方程组中给出的内容产生最大可能的结果（我觉得其中涉及一些严重的矩阵代数:)）。 只是，如果将这一最大值转移到交易中，会是什么样子？那里的一切会有多顺利？
是否有可能在其原生的学习期中至少有一个月的时间也能做出这样的照片？国家统计局在培训期间获得的结果也很重要，不言而喻。
我一直忘了问，训练期的TC测试会是什么样子？
https://www.mql5.com/ru/forum/132692/page2#454397
第二张图片，这是对一个测试样本的一年。
可能是这样，但从哪里得到它而不浪费时间呢？
就我而言，这并不适用，因为本身没有培训。我只能根据结果来重新配置网络。
可能是在价差范围内，我会试试黄金。我在哪里可以得到索引的正确历史？胶水没有被交易。
我的模拟账户上现在有几个神经网络EA。我在一个统计软件包中建立网络，并将ddl-functions与之相连。
所以我觉得选择问题--训练样本量、控制样本量和如何形成以及样本外的交易期有多长--是非常重要的。我得到了不同的结果，主要是有可能改善缩减。虽然到目前为止，该系统是在盈利中工作（唉，谢天谢地），但我们可以确定最佳参数并与之合作。当然，我必须做一些前瞻性的测试，并花费一些时间，但我认为结果会是值得的。
TheXpert 尝试，正如这里已经说过的，用另一个来源的数据进行测试。
它是什么意思？在另一个特区的同一故事中？
并检查一下对未来的一瞥。这一切都很像自欺欺人......
彻底的第一件事是在第一时间。我甚至会说我被这样的建议侮辱了。那么自我否定究竟是什么样子的呢？
好吧，我真心觉得选择问题：训练样本的大小，控制样本的大小和如何形成，以及样本外交易期的大小都非常重要。我得到了不同的结果，主要是有可能改善缩减。虽然到目前为止，该系统是在盈利中工作（唉，谢天谢地），但我们可以确定最佳参数并与之合作。当然，这需要一些时间和前瞻性的测试，但我认为结果将是值得的。
它是什么意思？在另一个特区的同一故事中？
彻底的第一件事。我甚至会说，我被这样的建议所侮辱。那么到底什么是听起来像自我否定的呢？
对你有好处，但本质上没有什么。也许你可以分享你的经验？关于所讨论主题的几篇文章：http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss。ac.cn%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-huang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTQ
http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23。6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw
总结一下研究结果：你不需要采取非常大的样本进行训练。对于第一天的时间框架，1-3年是合适的。对于小时条形图，我最多需要1年，15分钟条形图最多需要半年，5分钟条形图最多需要1个季度。我从交易服务器获取数据并使用Page Up。
你有两年的时间用于15分钟的时间框架，这可能是过度的，尽管我读到你已经尝试过更短的时间。我认为不超过半年的时间就足够了。
我以后会写关于测试（在俄罗斯文学中，以及在英语中--验证）取样，我想在这个周末进行一系列的实验。一般观察：如果测试样本是在一个交易期之前采取的，那么神经元网将为这个时期进行 "微调"，同时在一个更大的样本空间上学习。好的一面是，由于测试样本没有与训练样本混在一起，我们给网络的数据它甚至还没有大概看过，这些数据可以说是反映了市场的实际状态。如果我们将测试样本与训练样本混合在一起，其上的误差通常会更小，因为网络看到了测试样本周围的例子，因此算法找到了更深的误差最小值--但不是说新数据至少会达到类似的结果。这一点我已经亲自获得并反复观察。
总结一下研究结果：你不需要一个非常大的样本来训练。
让我们离开训练样本，我没有告诉你完整的施工方案，这没有什么问题。
一般考虑：如果测试样本是在交易期之前采取的，神经网络将为这个时期进行 "微调"，在更大的样本空间上学习。另外，由于测试样本没有与训练样本混合，我们给网络提供了它甚至还没有大概看到的数据，而这些数据，我们可以说，反映了市场的当前状态。
而这与扩大训练样本窗口有什么不同？你是在你狭窄的实施范围内说话。我的实现方式根本不同，所以我不明白我在说什么。
你说的混合和非混合是什么意思？融合是如何实现的？如果网络以前从未见过这些数据，那么什么 "微调"？
如果测试样本与训练样本混合在一起，对它的误差通常较小，因为网络看到了测试样本周围的例子，因此算法找到了更深的误差最小值--但不是新数据至少会产生类似的结果。这一点我已经亲自获得并反复观察。
这意味着什么呢？在另一个特区的同一故事中？
最好是在同一历史上，但来自不同的报价供应商。 你不应该使用VC的报价（还有MetaQuotes），因为
较低的时间段，特别是1999-2005年，质量非常差。这些报价不是通过滑动窗口平滑的，而是通过整个历史。换句话说，有一种对未来的窥视已经蕴含在引言本身中。
神经网络 发现这一点没有任何问题。