文章 "物美价廉的神经网络 - 链接 NeuroPro 与 MetaTrader 5"
我想借此机会提请大家注意我那篇介绍随机森林的文章。重点是，这篇文章使用了 Rattle 软件包，其中不仅有随机森林，还有包括神经网络在内的多种模型。而且该软件包提供了将不同模型相互比较的可能性，从这篇文章的角度来看，这无疑是它的优势所在。
我不了解神经网络，所以无法比较 Rattle 和文章中的网络。但在 Ratte 的帮助下，我们有可能证实对特定模型的选择，如果是神经网络，还可以改用专业软件包。
这篇文章很棒， 谢谢 。
但通过记事本转换公式超出了善恶的范畴 ))))
还有人在做这个级别的神经网络吗？
有这么多先进的工具。
我真是目瞪口呆。让我想起了 90 年代。
还有人在做这个级别的神经网络吗？
有这么多先进的工具。
我真是目瞪口呆。这勾起了我对 90 年代的回忆
什么意思？高级高级 "是什么意思？谷歌猫分类器怎么样？
"发达先进 "可以从两个角度来看：
1. NS 本身的发展（我不能说什么）。
2. 其他机器学习算法的发展。
关于第二个问题。
以我的文章为例。Rattle》一文，其中包括 6 种质地不同的算法。我提取了文章所附的文件。我删除了变量 zz35 和 zz75。我拟合了 4 个模型：ada（增益模型）、随机森林、支持向量机 SVM 和 nnet 软件包中的神经网络。以下是根据 ZZ 确定的趋势预测误差结果。
ada = 18.69
随机森林 = 16.77
SVM = 16.92
神经网络 = 24.37
PS.
用于机器学习算法的 Caret 框架包括 140 多个（！）不同的模型。
"发达先进 "可以从两个方面来看：
1. NS 本身的发展（我无话可说）
2. 其他机器学习算法的发展。
关于第二个问题。
以我的文章为例。Rattle》一文，其中包括 6 种不同的定性算法。我将文章所附的文件我删除了变量 zz35 和 zz75。我拟合了 4 个模型：ada（增益模型）、随机森林、支持向量机 SVM 和 nnet 软件包中的神经网络。以下是根据 ZZ 确定的趋势预测误差结果。
ada = 18.69
随机森林 = 16.77
SVM = 16.92
神经网络 = 24.37
PS.
机器学习算法的 caret shell 包括 140 多个（！）不同的模型。
=========================================================================
逐点解答
1.第二代神经网络在大约十年前就已经达到了能力极限，逐渐退出了舞台。第三代神经网络，即所谓的 "深度神经网络"，已经出现并在许多实际应用中得到普及，显示出非常好的效果，而且没有 "浅层 "神经网络的主要缺点。您可以朝这个方向挖掘。
2. 树或森林的任何变体都比任何神经网络（或其集合）的结果更好。
3. 使用混合集合（bagging）可以获得很好的结果。这是指不同的模型在一个线束中同时工作。
4.关于您在博客中提到的对 140 种分类模型进行比较的文章。我读了 Caret 软件包开发者对这篇文章的评论。如果感兴趣，我会找到链接。根据他的经验，最好的结果来自 "bousting "和 "bagging"。根据我的经验，最好的模型是同名软件包中的 "ada "和 "CORELearn "软件包中的 RFnear。顺便说一句，后者的速度非常快。而 SVM 除了需要长时间的训练外，绝对没有任何优势。
一切都取决于输入数据及其相应输出数据的选择和准备。这里是研究的主要领域。
几年前，我在论坛上发布了神经网络和 RF 的比较结果。毫无疑问，射频是第一位的。而且，现在射频方向本身已经扩展开来，有很多选择。我认为现在没有必要这样做。应该说，在一些应用中，神经网络显示出了不错的效果，例如在回归方面。但我只负责分类，而神经网络在这方面并不擅长。
也许我关于这个问题的文章最终会发表，到时我们可以在那里讨论。
祝好运
SanSanych
这里有我说的那篇文章的链接。http://appliedpredictivemodeling.com/blog/2014/11/11/some-thoughts-on-do-we-need-hundreds-of-classifiers-to-solve-real-world-classification-problems
在这篇文章中，还有大卫-汉德（David Hand）早先发表的一篇文章的链接，这篇文章涉及到我们之前讨论过的一个问题--在真实数据上进行训练后效果不佳。非常有趣的想法。也许你可以做一个简短的翻译？
我正在翻阅档案，发现了另一篇关于比较不同机器学习算法的文章。
http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf
祝你好运
新文章 物美价廉的神经网络 - 链接 NeuroPro 与 MetaTrader 5已发布：
是否用于交易的特殊神经网络程序好似很昂贵和复杂，或是与此相反，太简单？来试试 NeuroPro。它是免费的，并且包含针对业余爱好者的最佳功能集合。这篇文章将告诉您如何结合 MetaTrader 5 来使用它。
NeuroPro 的程序早在 1998 由一家俄国研究院编写，至今仍有现实意义。 它可以有效地运行在 Windows XP, Vista 和 Windows 7。我无法告知它在以后的 Windows 版本里如何工作，因为我没有测试它。
版本 0.25 是免费的，且可以在许多互联网的网站上找到。NeuroPro 可以创建 带有 S 形曲线激活函数的多层神经网络。如果您刚开始学习神经网络，在此阶段您无需更多功能。应该牢记的是 NeuroPro 的接口使用俄语，且并没有被翻译成其它语言。
神经网络可以在一个数据阵列上训练，然后用另外一个测试。对于交易者，它的基本特点是可以快速了解所选网络结构是否易于过渡匹配，且它是否可以在历史数据之外稳定交易，如，在实盘账户上。
那些喜欢深度挖掘的人，有机会看到神经网络的潜力，以及网络输入对最重要操作结果的影响。初学者不需要这一点，他们可以跳过程序部分。对于有经验的交易者，这些信息有助于他们寻找圣杯，因为这让他们设想什么样的形态可由神经网络识别，并且看看何处他们能继续自己的探索。
此外，除了各种设置以及类似网络结构的有用工具，在 NeuroPro 里没有显著特点。这些菜单并非强制使用，所以新手无须复杂设置，使用省缺设置就可以了。
从一名交易者的角度来看，NeuroPro 只有一个缺点 - 缺乏与 MetaTrader 5 的集成。实际上，这篇文章专注于从 MetaTrader 5 加载市场和指标数据至 NeuroPro，然后把接收到的神经网络转化为一个 MQL5 的 EA。
话题继续推进, 我可以说我们将要利用 NeuroPro 创建的神经网络, 将转换所有神经元权重至一个 MQL5 脚本 (不像任何其它神经网络程序，系统包含 DLL)。它将确保高速工作以及使用最小的电脑资源。这是使用 NeuroPro 的一个明显优势。它可以用于创建任何交易策略，甚至那些需要即刻作出决定的剥头皮 EA。
交易策略
在本文中，我们不准备讨论剥头皮，因为创建、训练和测试剥头皮 EA 的过程涉及很多特殊性，这超出了本文内容。
出于教学目的，我们将创建一个简单的 EA，目标货币对 EURUSD，H1 时间帧。所以, 我们的 EA 分析最后 24 根柱线, 即最后一天的市场行为, 预测随后数小时的价格走势方向, 之后基于此信息进行交易。
图例. 22. 在 MetaTester里 EA 经测试后的净值图表
作者：Andrew