混乱中有规律可循吗？让我们试着找出它！以特定样本为例进行机器学习。 - 页 3 12345678910...32 新评论 Aleksei Kuznetsov 2022.10.28 19:38 #21 Aleksey Vyazmikin #:您能在 exam.csv 文件中准确检查模型吗？您尝试过任何取样操作吗？下面是剔除部分预测因子后考试样本的平衡情况。当然，从模型响应分布图中可以看出，我们只做了一点点训练--召回率很低，但这已经是一定的结果了。train.csvexam.csv 考试中有 9046 行。我有 9000 行。 你的曲线要好得多。我再试着调整一下参数。 Aleksey Vyazmikin 2022.10.28 19:44 #22 elibrarius #:你的最佳平衡是什么？ 现在，我在不同的变体中进行了搜索，结果是这样的--在这一轮的委托中，也有 3 点是在想法上采取的。 Aleksey Vyazmikin 2022.10.28 19:45 #23 elibrarius #: 有 9046 行。我有 9000 行。 你的曲线更好。我再试着调整一下参数。 好吧，如果是考试文件数据，那么是的 - 没有太大区别，我只是觉得可能是火车文件。你最初是把三个文件合并在一起的吗？ 试试看。 Aleksei Kuznetsov 2022.10.28 19:50 #24 Aleksey Vyazmikin #:如果是考试文件数据，那就对了--区别不大，我只是觉得可能是火车文件。你最初是把三个文件合并在一起的吗？试试看。 是的，我合并了所有 3 个文件，然后指定了各部分的长度。 Aleksey Vyazmikin 2022.10.28 19:54 #25 elibrarius #: 是的，我把三个部分合并在一起，然后输入各部分的长度。 我明白了，这样就好。 我认为有可能通过减少样本来改进训练，比方说训练 1/10 - 这将允许训练市场的某个阶段/结构 - 我还没有要求这样做。 Aleksey Vyazmikin 2022.10.28 20:31 #26 只有通过改变学习率，才能从 100 个模型中获得两个符合标准的模型。 一个。 第二个。 事实证明，CatBoost 的能力确实很强，但有必要更积极地调整设置。 Aleksei Kuznetsov 2022.10.28 20:41 #27 Aleksey Vyazmikin #:好吧，那就这样吧。我认为有可能通过减少样本来改进培训，比方说培训 1/10 的样本--这样就可以培训市场的某个阶段/结构--目前还不需要。 我试过用 valking forward 在 1000 和 20000 时进行训练，但都失败了。 Aleksei Kuznetsov 2022.10.28 20:44 #28 还是分开买卖？ Aleksey Vyazmikin 2022.10.28 21:03 #29 elibrarius #: 还是将买卖分开？ 结果显示的是没有目标转换的样本，即是--交易和不交易。 但实际上，将买卖样本分开会更容易训练。 elibrarius#: 尝试在 1000 和 20000 时向前估值学习 - 全部失败。 嗯，奇怪。你用什么方法训练--随机森林？ Aleksei Kuznetsov 2022.10.28 21:11 #30 Aleksey Vyazmikin #:嗯，真奇怪。你用什么方法进行训练--随机森林？ 从 Alglibow 重新设计的。 我正在运行更多的树。到明天早上，我想它会计算出一个新版本。 如果结果比你的差很多，也许我做错了什么。 12345678910...32 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
您能在 exam.csv 文件中准确检查模型吗？
您尝试过任何取样操作吗？
下面是剔除部分预测因子后考试样本的平衡情况。
当然，从模型响应分布图中可以看出，我们只做了一点点训练--召回率很低，但这已经是一定的结果了。
train.csv
exam.csv
你的曲线要好得多。我再试着调整一下参数。
你的最佳平衡是什么？
现在，我在不同的变体中进行了搜索，结果是这样的--在这一轮的委托中，也有 3 点是在想法上采取的。
有 9046 行。我有 9000 行。 你的曲线更好。我再试着调整一下参数。
好吧，如果是考试文件数据，那么是的 - 没有太大区别，我只是觉得可能是火车文件。你最初是把三个文件合并在一起的吗？
试试看。
如果是考试文件数据，那就对了--区别不大，我只是觉得可能是火车文件。你最初是把三个文件合并在一起的吗？
试试看。
是的，我把三个部分合并在一起，然后输入各部分的长度。
我明白了，这样就好。
我认为有可能通过减少样本来改进训练，比方说训练 1/10 - 这将允许训练市场的某个阶段/结构 - 我还没有要求这样做。
只有通过改变学习率，才能从 100 个模型中获得两个符合标准的模型。
一个。
第二个。
事实证明，CatBoost 的能力确实很强，但有必要更积极地调整设置。
好吧，那就这样吧。
我认为有可能通过减少样本来改进培训，比方说培训 1/10 的样本--这样就可以培训市场的某个阶段/结构--目前还不需要。
还是将买卖分开？
结果显示的是没有目标转换的样本，即是--交易和不交易。
但实际上，将买卖样本分开会更容易训练。
尝试在 1000 和 20000 时向前估值学习 - 全部失败。
嗯，奇怪。你用什么方法训练--随机森林？
嗯，真奇怪。你用什么方法进行训练--随机森林？
从 Alglibow 重新设计的。
我正在运行更多的树。到明天早上，我想它会计算出一个新版本。
如果结果比你的差很多，也许我做错了什么。