文章 "模糊逻辑介绍"
有意思当然，学习如何计算小费的数量很有意思。但如果您能举出一个我们领域的简单例子，那就更有用了。例如，一个基于随机指标或 RSI 的简单智能交易系统。使用模糊变量 "超买"/"超卖 "生成买入/卖出信号并显示结果。可以添加并解释 "强烈"、"轻微 "等概念。这可能会帮助很多人确定这个方向有多大用处。
文章中关于输入和输出可以任意多的说法完全不正确。在实际问题中，当输入变量的数量超过 5 个时，就会出现大问题。建议将问题分解成更小的问题。
在解决回归和分类问题时，使用哪些模糊逻辑系统？
否则，作为掌握这一领域的初级阶段是非常有用的。
祝您好运
我使用了 MQL4 的库，只是基于简单的 RSI。
也许你可以写一篇关于模糊逻辑在交易中的应用的文章？
可以。我之所以有这样的想法，是因为应用于 MQL4 的模糊集理论非常有趣。
L. A. Zadeh，1965 年）提出的模糊集理论是包括模糊逻辑方法在内的许多方法的基础。应用模糊逻辑的前提是知道 模糊变量与可使用目标之间的一些 对应规则。获得这些规则是主要问题。我指的不是 "如果'超卖'，那么'买入'"之类的基本情况。
在我的文章《机器学习模型 预测器的选择和评估》中，选择预测器的方法之一是应用粗糙集理论 及其扩展的模糊粗糙集理论（Fuzzy Rough Set Theory）。 (模糊粗糙集理论）。它们允许从数据集中诱导（提取）规则。这篇文章是关于验证的。如果有兴趣更广泛地介绍近似集合论的使用，我将准备一篇文章。
如果您有在 Expert Advisor 中使用模糊逻辑或模糊集的现成例子，当然可以发表文章。我想这对很多人来说都会很有趣。
祝您好运
如果您有在智能交易系统中应用模糊逻辑或模糊集的现成例子，当然可以发表文章。我想很多人都会对此感兴趣的。
祝您好运
这就是你需要同时具备两个方面能力的问题所在：设计这些东西的应用领域和模糊集应用领域的经验。
这就是为什么人们对这个话题兴趣不大的原因，因为只精通其中一个领域的专家往往无法掌握第二个领域。两者都需要相当丰富的经验。
然而，在机器学习中，初学者天真地认为算法 "会自己解决所有问题，你需要做的只是学会如何向它提供数据"，但事实证明，用户必须解决这些问题。也就是说，通常情况下，自己将问题形式化会更容易一些，之后再使用机器学习算法就没有意义了，变得多余。
本网站提供的信息足以让您了解将模糊逻辑应用于交易的基础知识。为此，在 Mql4-5 中提供了实现库。
诚然，在设置输入和输出条件时，算法总会产生一些结果。但我认为，通过成员函数 对这些模糊变量进行清晰、最详细的描述起着重要作用。对模糊集的描述越精确，结果就越有效。本文以最简单的三角形和梯形成员函数为例进行说明。但这只是最简单的实现，还可以做得更复杂、更灵活、更精确。而且输出结果也会相应。
这就是你需要同时具备两个方面能力的问题所在：设计这些东西的应用领域和模糊集应用领域的经验。
这就是为什么人们对这个话题兴趣不大的原因，因为只精通其中一个领域的专家往往无法掌握第二个领域。两者都需要相当丰富的经验。
然而，在机器学习中，初学者天真地认为算法 "会自己解决所有问题，你需要做的只是学会如何向它提供数据"，但事实证明，用户必须解决这些问题。也就是说，通常情况下，自己将问题形式化会更容易，而在形式化之后，使用机器学习算法就没有意义了，变得多余。
我同意这一点。
但我们应该不断尝试。
祝好运
附注对了，我一直想问你一个问题。您是否愿意将您用 Java 编写的产品移植到 R 语言中？这样就可以在 MT4 上进行 "战斗 "了。
所以，我想大声说出来
新文章 模糊逻辑介绍已发布：
模糊逻辑扩展了我们的数理逻辑和集合论的界限。本文揭示了模糊逻辑的基本原理, 同时描述使用马丹尼型和关野型的两种推理系统。提供的例程将描述如何使用 MQL5 版本的模糊库来实现这两种类型的系统。
模糊集合 和 模糊逻辑 的数学原理其本身可追逆到 1965 年。它的发现之父是来自伯克利大学分校的卢特菲·扎德教授, 他首先于信息与控制学报上发表的文章里介绍了 "模糊集合" 这些概念。对于精确科学, 比如数学, 这种工具可引入模糊概念, 任何人都可使用, 并在 软计算 的基础上奠定了解决问题的基本新方法。所有这些创新, 利用得当时, 可极大地促进解决各类问题的过程, 建立专家系统以及建立神经网络。
然而, 模糊逻辑的实际应用不只于此, 实际上, 这种数学工具已演变为主要用于 自动化控制理论。这可以进一步联系到另一个新概念的出现 — 模糊模型, 其是 数学模型 的一个特例。
例如:
让 我们来定义一个语义变量, 称为 "年龄"。通过定义, "年龄" 是一个周期, 是人类、动物、植物成长并向前进化的一个步骤。这个变量的最小数值是 0, 即意味着某个人甚至连一岁都没有。作为最大值, 设为 80。根据人的年龄, 我们可以给他了如下评价: "新生", "青年", "中年", "老年", "暮年" 等等。这份清单可以容纳相当多的项目。这将是我们的语义变量特征集合, 而它的元素将是特征。
一下图例显示一个模糊变量 "年龄" 的例子, 其中只设置了三个特征集合: "青年", "中年", "老年"。每个特征均有自己的隶属函数。
作者：MetaQuotes Software Corp.