1
A
回答
0
这是不容易说你这ML算法中会给你最好的更流畅。特别是如果不想看看你想预测哪个市场。我建议你实施不同的算法并尝试对它们进行训练,因为在我的练习中,更改图层会产生不同的结果。 SVM有时也足够灵活。同时尝试实施并检查您的培训将如何处理经过训练和未经训练的数据,以获得真正的好成绩。还分析机器学习将如何在更可预测的序列(又名sin,cos,polinomials,randow散步)上工作
其他领域的调查可以是一些技术分析补充:移动平均线,随机指标,蜡烛图模式,斐波纳契水平。
最后为了赚钱不要只依靠神经网络或支持向量机,而是将它们与一些交易策略结合使用。例如,您可以使用一些具有30%性能的交易策略,并使用ML来将性能提高至60%。
相关问题
- 1. 股票市场API
- 2. 支持向量机预测方法
- 3. TableView javaFx股票市场
- 4. 在Matlab中使用支持向量机与支持向量机
- 5. 支持向量机 - R的代码 - 预测时间序列
- 6. 获取所有股票符号(指数)股票市场明智
- 7. 如何验证股票市场数据
- 8. KDB/Q构建股票市场指数
- 9. 反向传播
- 10. 支持向量机简介
- 11. Scala支持向量机库
- 12. SVM(支持向量机)opencv
- 13. 支持向量机绘图
- 14. 支持向量机示例
- 15. Apache Spark支持向量机
- 16. 支持向量机插图
- 17. 支持向量机理解
- 18. Apache-Spark支持向量机
- 19. 如何正常化神经网络预测股票市场的输入[python]
- 20. 使用IBM Watson为股票市场创建聊天机器
- 21. 线性支持向量机与非线性支持向量机高维数据
- 22. 雅虎股票API检索趋势股(市场推动者)
- 23. 支持向量机的几何直觉
- 24. 支持向量机的停止标准
- 25. Hadoop上的支持向量机
- 26. 支持向量机参数matlab的
- 27. 支持向量机Tensorflow的实现
- 28. 使用支持向量回归的时间序列预测
- 29. 反向传播的问题
- 30. 支持向量机中的决策边界和权向量