文章 "用随机森林预测趋势" - 页 9 1234567891011121314 新评论 TheXpert 2014.12.18 09:58 #81 Reshetov: 现在你把一切都毁了。你的高级人工智能怎么会没有立即识别出一个微不足道的数字呢？ СанСаныч Фоменко 2014.12.18 10:08 #82 gpwr:faa1947，请在下面的示例中说明您的模型是如何工作的。第一列是建模序列，第二和第三列是预测因子。这些预测因子的预测能力是多少？ -0.35742 0.461646 -0.81907 0.431277 0.004545 0.426731 -0.00018 -0.4037 0.403528 -0.08575 0.90851 -0.99426 0.773826 0.008975 0.764852 0.426905 -0.96485 1.391757 0.253233 0.487955 -0.23472 0.20994 0.880554 -0.67061 -0.09929 0.160276 -0.25956 0.332911 -0.08736 0.420268 0.032258 0.360106 -0.32785 0.253027 -0.06859 0.321621 -0.66668 -0.54985 -0.11683 -0.5476 -0.13231 -0.41529 -0.75652 0.536488 -1.29301 -0.66109 -0.87314 0.212052 -0.09993 -0.86293 0.763 0.014625 0.715032 -0.70041 -0.48345 -0.62666 0.143206 -0.03596 0.935653 -0.97161 -0.17023 0.678024 -0.84826 0.293376 0.079529 0.213847 0.002922 0.754594 -0.75167 0.329194 -0.05535 0.384546 0.639423 -0.41358 1.053007 0.431631 -0.60334 1.034973 0.59125 0.497989 0.093262 0.266098 -0.79645 1.062549 -0.02624 0.643164 -0.6694 0.055014 -0.46214 0.517154 0.436132 -0.89992 1.336052 -0.30143 0.628619 -0.93005 -0.12168 0.886467 -1.00814 -0.10851 -0.0507 -0.0578 -0.74573 -0.50921 -0.23653 -0.574 0.244825 -0.81883 -0.87313 0.336188 -1.20932 -0.00344 0.117363 -0.1208 -0.20265 0.424326 -0.62697 0.177873 -0.17967 0.357541 我不是一个通才数学家。我尝试非常具体地推理，而从交易的角度来看，获得 10000 条线的样本并不困难。我不知道如何就 40 条线得出结论，也不认为有学习的必要，尽管我所说的一切都适用于这样的样本。对于药品来说，40 条线是正常的。1.一般来说，我写的是模型的过度训练，"预测能力 "就是在这种训练中产生的。2.2. 我关注的是名义值的预测--"多空"。这些是分类模型。你的例子，回归模型 我不做......"。我准备继续。 我需要一个可以运行 ZZ 并有多个突破的报价。从这里开始，我需要一个相当大的文件。除了 cotir 本身，还需要几个预测因子，甚至一个。我要回答的问题是：这个预测器对多空是否有预测能力。当然，还需要一个文件--或者您建议用手写输入所有内容？ Yury Reshetov 2014.12.18 10:25 #83 TheXpert:雷舍托夫你的样本具有 "高度普遍性 "的秘密已经揭晓：第一列的值是其他两列的值之和。 现在你把一切都毁了）。你的高级人工智能怎么会一下子就识别不出一个微不足道的和呢？因为它建立的是二元分类模型，而这个任务来自多元回归 部分。虽然模型是用于二元分类的，但表达式double x0 = 2.0 * (v0 + 0.96485) / 1.900503 - 1.0; double x1 = 2.0 * (v1 + 1.00814) / 2.399897 - 1.0; y = 0.12981203254657206 + 0.8176828303879957 * x0 + 1.0 * x1 -0.005143248786272694 * x0 * x1; 简化为：y ~ v0 + v1。然后，剩下的就是在电子表格中测试假设了。 Vladimir Perervenko 2014.12.18 11:26 #84 下午好，SanSanych。关于训练不足、训练过度的问题，你可以在这里查看本书的草稿 http://www.iro.umontreal.ca/~bengioy/dlbook/。第 5.3.3 节对一切都做了很好的描述。总的来说，整本书都非常有用，尤其是由科里菲特撰写的。祝您好运 СанСаныч Фоменко 2014.12.18 12:01 #85 vlad1949:下午好，SanSanych。关于训练不足、训练过度的问题，你可以在这里查看本书的草稿http://www.iro.umontreal.ca/~bengioy/dlbook/。第 5.3.3 节对一切都做了很好的描述。总的来说，整本书都非常有用，尤其是由科里菲特撰写的。祝您好运下午好！谢谢你的链接。我有一套完整的工具和一些相关文献。但这并不便于实际应用。如果您愿意，我可以与您分享，希望能将这一整套工具汇集到一起，实现自动化。 Vladimir Perervenko 2014.12.18 12:06 #86 faa1947:下午好！感谢您提供的链接。我有一套完整的工具和一些相关文献。但这并不能让实际应用变得更容易。如果您愿意，我可以与您分享，希望能将所有这些工具包与自动化结合起来。我通过编程来解决这个问题。结果很好。祝您好运 Vladimir 2014.12.18 15:34 #87 faa1947:我不是万能的数学专家。我尝试非常具体地推理，在交易的基础上获得 10000 条线的样本并不困难。我不知道如何就 40 条线得出结论，也不认为有必要学习，尽管我所说的一切都适用于这样的样本。对于药品来说，40 条线是正常的。1.一般来说，我写的是模型的过度训练，"预测能力 "就是在这种训练中产生的。2.2. 我关注的是名义值的预测--"多空"。这些是分类模型。你的例子，回归模型我不做......"。我准备继续。 我需要一个可以运行 ZZ 并有多个突破的报价。从这里开始，我需要一个相当大的文件。除了 cotir 本身，还需要几个预测因子，甚至一个。我要回答的问题是：这个预测器对多空是否有预测能力。当然，还需要一个文件--或者你建议全部用手打？ 我明白了。通过比较模型在训练样本和训练样本之外的行为，很容易检查模型是否训练过度。但如何使模型不过度训练，取决于我们是否有能力确定哪些预测输入与建模序列相关，哪些与建模序列无关，这比确定过度训练要困难得多。模型的泛化能力取决于其过拟合程度。 我举的例子非常简单。被建模的序列 y 是一个有噪声的正弦波。第一个预测因子 x1 是随机数。第二个预测因子 x2 是差值 x2 = y-x1。您拒绝将您的方法应用于这个简单的例子，只能让人怀疑您的方法无法确定数据的相关性，而确定相关性正是识别过度训练并消除它的主要目标。真实的建模问题要比我的例子复杂得多--它们既包括相关数据，也包括更多无关数据。将二者区分开来是非常困难的。具有所有输入的神经网络 会被训练成与相关和非相关输入都有连接，因此会被重新训练。既然你显然不知道如何确定数据的相关性，我对你的文章和书籍也就没有兴趣了。祝你好运 СанСаныч Фоменко 2014.12.18 18:47 #88 gpwr:通过比较模型在训练样本和训练样本之外的行为，很容易检查模型是否训练过度。这是一个很大的假象，而且据我所知，你们还没有为此付出代价。文章中给出的模型在训练之外的三个样本上取得了同样好的结果--但这个模型被过度训练了。 如何使模型不过度训练，取决于我们能否确定哪些预测输入与建模序列相关，哪些不相关，这比确定过度训练要困难得多。首先，仔细阅读论文--表 3 给出了预测因子在预测目标变量时的重要性然后学习矩阵，例如研究选择预测因子的专业软件包 varSerf、Boruta、FSelector。CORElearn 软件包有 35 种（！）不同的算法，用于选择对目标变量重要的预测因子。根据我的经验，在选择对目标变量重要的预测因子时，我们要注意以下几点1. 我们要组成一个相当大的预测因子集，比如 50 个，条数 为 15000。2.2. 在上述算法的帮助下，我们在这 15000 个条形图上选择预测因子--我们通常会得到 15 到 20 个，这些预测因子在模型构建中的使用率超过 20%。3.3. 然后，我们选择一个更小的窗口，例如 2000 条，开始逐条移动，从之前选出的 50 条中的 20 条中选择重要的预测因子。4.4. 重要预测因子的具体列表一直在变化。 既然你显然不知道如何确定数据的相关性，我对你的文章和书籍也就没有兴趣了。如果您花点小钱买我的书，其中解释了为什么需要它、如何理解它以及真实数据上的真实例子，您手中这些软件包的使用效率就会大大提高。如果你和我一起尝试创建一个未经训练的预测模型，效果会更好。虽然不能保证成功，但可以保证的是，在与我交流之后，你不会再写这种肤浅的文章了。此外，您在使用真实账户时会更加小心谨慎。 Дмитрий 2014.12.18 19:16 #89 faa1947:1. 我们形成一组相当大的预测因子，例如，50 件，条数 为 15000。好了，现在清楚为什么你卖书赚钱，而不是交易赚钱了吧。 TheXpert 2014.12.18 20:08 #90 faa1947:这些都是巨大的幻想，而且我知道你们还没有为此付出代价。文章中给出的模型在三个样本的训练中取得了同样好的结果--但这个模型训练过度了。过度训练是一个成熟且相当具体的术语。你不仅偷换概念，而且没有解释你对它的理解。你说话的方式很像 Sulton ）。 1234567891011121314 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
faa1947，请在下面的示例中说明您的模型是如何工作的。第一列是建模序列，第二和第三列是预测因子。这些预测因子的预测能力是多少？
我不是一个通才数学家。我尝试非常具体地推理，而从交易的角度来看，获得 10000 条线的样本并不困难。我不知道如何就 40 条线得出结论，也不认为有学习的必要，尽管我所说的一切都适用于这样的样本。对于药品来说，40 条线是正常的。
1.一般来说，我写的是模型的过度训练，"预测能力 "就是在这种训练中产生的。
2.2. 我关注的是名义值的预测--"多空"。这些是分类模型。你的例子，回归模型 我不做......"。
我准备继续。
我需要一个可以运行 ZZ 并有多个突破的报价。从这里开始，我需要一个相当大的文件。
除了 cotir 本身，还需要几个预测因子，甚至一个。我要回答的问题是：这个预测器对多空是否有预测能力。
当然，还需要一个文件--或者您建议用手写输入所有内容？
TheXpert:
你的样本具有 "高度普遍性 "的秘密已经揭晓：第一列的值是其他两列的值之和。
现在你把一切都毁了）。你的高级人工智能怎么会一下子就识别不出一个微不足道的和呢？因为它建立的是二元分类模型，而这个任务来自多元回归 部分。
虽然模型是用于二元分类的，但表达式
简化为：y ~ v0 + v1。
然后，剩下的就是在电子表格中测试假设了。
下午好，SanSanych。
关于训练不足、训练过度的问题，你可以在这里查看本书的草稿 http://www.iro.umontreal.ca/~bengioy/dlbook/。
第 5.3.3 节对一切都做了很好的描述。总的来说，整本书都非常有用，尤其是由科里菲特撰写的。
祝您好运
下午好，SanSanych。
关于训练不足、训练过度的问题，你可以在这里查看本书的草稿http://www.iro.umontreal.ca/~bengioy/dlbook/。
第 5.3.3 节对一切都做了很好的描述。总的来说，整本书都非常有用，尤其是由科里菲特撰写的。
祝您好运
下午好！
谢谢你的链接。
我有一套完整的工具和一些相关文献。但这并不便于实际应用。
如果您愿意，我可以与您分享，希望能将这一整套工具汇集到一起，实现自动化。
下午好！
感谢您提供的链接。
我有一套完整的工具和一些相关文献。但这并不能让实际应用变得更容易。
如果您愿意，我可以与您分享，希望能将所有这些工具包与自动化结合起来。
我通过编程来解决这个问题。结果很好。
祝您好运
我不是万能的数学专家。我尝试非常具体地推理，在交易的基础上获得 10000 条线的样本并不困难。我不知道如何就 40 条线得出结论，也不认为有必要学习，尽管我所说的一切都适用于这样的样本。对于药品来说，40 条线是正常的。
1.一般来说，我写的是模型的过度训练，"预测能力 "就是在这种训练中产生的。
2.2. 我关注的是名义值的预测--"多空"。这些是分类模型。你的例子，回归模型我不做......"。
我准备继续。
我需要一个可以运行 ZZ 并有多个突破的报价。从这里开始，我需要一个相当大的文件。
除了 cotir 本身，还需要几个预测因子，甚至一个。我要回答的问题是：这个预测器对多空是否有预测能力。
当然，还需要一个文件--或者你建议全部用手打？
通过比较模型在训练样本和训练样本之外的行为，很容易检查模型是否训练过度。
这是一个很大的假象，而且据我所知，你们还没有为此付出代价。文章中给出的模型在训练之外的三个样本上取得了同样好的结果--但这个模型被过度训练了。
如何使模型不过度训练，取决于我们能否确定哪些预测输入与建模序列相关，哪些不相关，这比确定过度训练要困难得多。
首先，仔细阅读论文--表 3 给出了预测因子在预测目标变量时的重要性
然后学习矩阵，例如研究选择预测因子的专业软件包 varSerf、Boruta、FSelector。CORElearn 软件包有 35 种（！）不同的算法，用于选择对目标变量重要的预测因子。
根据我的经验，在选择对目标变量重要的预测因子时，我们要注意以下几点
1. 我们要组成一个相当大的预测因子集，比如 50 个，条数 为 15000。
2.2. 在上述算法的帮助下，我们在这 15000 个条形图上选择预测因子--我们通常会得到 15 到 20 个，这些预测因子在模型构建中的使用率超过 20%。
3.3. 然后，我们选择一个更小的窗口，例如 2000 条，开始逐条移动，从之前选出的 50 条中的 20 条中选择重要的预测因子。
4.4. 重要预测因子的具体列表一直在变化。
既然你显然不知道如何确定数据的相关性，我对你的文章和书籍也就没有兴趣了。
如果您花点小钱买我的书，其中解释了为什么需要它、如何理解它以及真实数据上的真实例子，您手中这些软件包的使用效率就会大大提高。
如果你和我一起尝试创建一个未经训练的预测模型，效果会更好。虽然不能保证成功，但可以保证的是，在与我交流之后，你不会再写这种肤浅的文章了。此外，您在使用真实账户时会更加小心谨慎。
1. 我们形成一组相当大的预测因子，例如，50 件，条数 为 15000。
好了，现在清楚为什么你卖书赚钱，而不是交易赚钱了吧。
这些都是巨大的幻想，而且我知道你们还没有为此付出代价。文章中给出的模型在三个样本的训练中取得了同样好的结果--但这个模型训练过度了。
过度训练是一个成熟且相当具体的术语。你不仅偷换概念，而且没有解释你对它的理解。
你说话的方式很像 Sulton ）。