네, 저는 설명하는 선생님이 아니라 저 자신을 모릅니다.))) 계량 경제학자는 분해 등, 추세와 노이즈 등을 모두 예측합니다. 나는 문서에 mo를 사용하여 황소를 더 잘 예측할 수 있는 방법을 보여주었습니다. 많은 기능을 엿먹일 수 있습니다.))) 1 vr에서 수천을 만들 수 있으며 그 중 일부는 ar보다 유리합니다 ... 딸랑이로 - 모든 것은 아니지만 표준화하는 것이 바람직합니다 ... 일반적으로 다른 것으로 갈 수 있습니다 기능 공간 등... 요컨대 - 최상의 결과를 제공하는 것이 좋습니다. 추측이 있다면 - 확인만 하면 끝... 남의 말을 듣지 않고 질문하지 마세요. 나는 경향이 없고 전환이 없다 프로세스, golovnik 전혀 ... 모델 선택을 위한 시간만. 그 코드에서 가져올 수 있습니다. VR에서 뽑은 몇 개 중 1개의 망할 것을 게시하고 그것을 예측하거나 당신이 거기에서 무엇을하려고합니다. 딸꾹질 하지마...
음, 계량 경제학자는 어쨌든 그것을 삭제했을 것입니다. 음, 예측자가 수행되어야한다면 아마도 이것도 필요할 것입니다. 그러나 여기에 약간 비표준적인 경우가 있습니다 ..
몇 년 전에 나는 "고정 아이디어"를 가지고 있었는데 상관관계라는 단어를 방금 들었고 나에게 떠올랐습니다. 현재 상황과 유사한 역사 패턴을 찾고 과거에 어떻게 끝났는지 확인하면 어떻게 될까요? 아이디어는 흥미롭고 가장 중요한 것은 고전적인 의미의 매개 변수 없이 Pearson 상관 관계를 통해 유사성을 찾기로 결정했습니다. 음, 일반적으로 녹색)))
그건 그렇고, 이것은 내가 프로그래밍하는 방법을 배우는 동기 부여가되었습니다. 나는이 아이디어를 정말로 믿었습니다 ... 동일한 결과를 얻었고 오래 전에 과학자들이 발명 한 전체 방법이 있음이 밝혀졌습니다. "LA"(로컬 근사치), Ivakhnenko "MGUA"에도 유사한 "아날로그 복합 방법"이 있으며 모든 것이 이미 우리보다 먼저 발명되었습니다)
그래서 결론은 시장에서 통하지 않는다는 것인데 이 방법을 성공하게 된 것 같아요. 저와 모든 작가들이 한 가지 근본적인 실수를 저질렀을 뿐이에요. 라이브에서 확인할게요. 월요일에 마켓을 열고 좀 더 구조화된 정보를 공유하도록 하겠습니다. . .
그래서 나는 탈선하고 "로컬 근사"방법에 관심이있는 사람에게 읽어보십시오. 브로셔의 맨 끝에 있으며 거의 없습니다 ... 그리고 트렌드를 제거해야하는지 여부에 대한 귀하의 의견을 알려주십시오. 이 접근법
Метод k-ближайших соседей (k-NN, k-Nearest Neighbor algorithm) ищет k прошлых паттернов (соседей), которые наиболее похожи на текущий паттерн и вычисляет будущие цены на основе взвешенного голосования этих соседей. Данный индикатор находит только одного ближайшего соседа. По сути, это алгоритм 1-NN. Он использует коэффициент корреляции Пирсона...
가격에서 추세를 제거해야 하는지 여부를 알려주십시오. 그렇다면 그 이유를 설명하십시오.
오, 당신은 말로 고통을 겪었습니다 ...
내 의지라면 괜찮은 포럼의 이미지를 망치지 않도록 영원히 금지 할 것입니다
몇 분 더 있으면 평소와 같이 게시물을 지우기 시작할 것입니다.
불필요한 단어 한 마디가 아닌 본질만을 정확히 묘사할 수 있는 방법이 궁금합니다.
당신은 일반 passans가 아닌 주부 포럼에서 놀아야합니다
네, 저는 설명하는 선생님이 아니라 저 자신을 모릅니다.))) 계량 경제학자는 분해 등, 추세와 노이즈 등을 모두 예측합니다.
나는 문서에 mo를 사용하여 황소를 더 잘 예측할 수 있는 방법을 보여주었습니다. 많은 기능을 엿먹일 수 있습니다.)))
1 vr에서 수천을 만들 수 있으며 그 중 일부는 ar보다 유리합니다 ...
딸랑이로 - 모든 것은 아니지만 표준화하는 것이 바람직합니다 ... 일반적으로 다른 것으로 갈 수 있습니다
기능 공간 등... 요컨대 - 최상의 결과를 제공하는 것이 좋습니다. 추측이 있다면
- 확인만 하면 끝... 남의 말을 듣지 않고 질문하지 마세요. 나는 경향이 없고 전환이 없다
프로세스, golovnik 전혀 ... 모델 선택을 위한 시간만. 그 코드에서 가져올 수 있습니다.
VR에서 뽑은 몇 개 중 1개의 망할 것을 게시하고 그것을 예측하거나 당신이 거기에서 무엇을하려고합니다.
딸꾹질 하지마...
음, 계량 경제학자는 어쨌든 그것을 삭제했을 것입니다. 음, 예측자가 수행되어야한다면 아마도 이것도 필요할 것입니다. 그러나 여기에 약간 비표준적인 경우가 있습니다 ..
몇 년 전에 나는 "고정 아이디어"를 가지고 있었는데 상관관계라는 단어를 방금 들었고 나에게 떠올랐습니다. 현재 상황과 유사한 역사 패턴을 찾고 과거에 어떻게 끝났는지 확인하면 어떻게 될까요? 아이디어는 흥미롭고 가장 중요한 것은 고전적인 의미의 매개 변수 없이 Pearson 상관 관계를 통해 유사성을 찾기로 결정했습니다. 음, 일반적으로 녹색)))
그건 그렇고, 이것은 내가 프로그래밍하는 방법을 배우는 동기 부여가되었습니다. 나는이 아이디어를 정말로 믿었습니다 ... 동일한 결과를 얻었고 오래 전에 과학자들이 발명 한 전체 방법이 있음이 밝혀졌습니다. "LA"(로컬 근사치), Ivakhnenko "MGUA"에도 유사한 "아날로그 복합 방법"이 있으며 모든 것이 이미 우리보다 먼저 발명되었습니다)
그래서 결론은 시장에서 통하지 않는다는 것인데 이 방법을 성공하게 된 것 같아요. 저와 모든 작가들이 한 가지 근본적인 실수를 저질렀을 뿐이에요. 라이브에서 확인할게요. 월요일에 마켓을 열고 좀 더 구조화된 정보를 공유하도록 하겠습니다. . .
그래서 나는 탈선하고 "로컬 근사"방법에 관심이있는 사람에게 읽어보십시오. 브로셔의 맨 끝에 있으며 거의 없습니다 ... 그리고 트렌드를 제거해야하는지 여부에 대한 귀하의 의견을 알려주십시오. 이 접근법
p.103에서 읽기 20 자연 기원의 시계열 예측
다른 추세가 시작될 때 모델에 이동이 없도록 추세가 제거되고 다른 추세에 대해 교육을 받은 한 가지 간단한 사실을 이해합니다. 오프셋이 없는지 확인하면 삭제할 수 없습니다.
조만간 시장이 변하기 때문에 어쨌든 나타날 것입니다. 문제는 적어도 무언가가 잠시 동안 작동하도록 균형을 찾는 것입니다.
차량 작동을위한 좋은주기는 3 개월입니다. 계약. 훈련 반, 거래 반. 이것은 훈련과 테스트의 결과입니다. 이것은 핸디캡 선물을 위한 것입니다. 다른 악기 mb other
내가 던진 그 팜플렛의 끝을 읽으십시오( (현지 근사치) ), 당신이 말하는 것을 이해하지만 이 접근 방식에서는 작동하지 않을 수 있습니다
다른 의견과 주장을 듣고 싶습니다.내가 던진 그 팜플렛의 끝을 읽으십시오( (현지 근사치) ), 당신이 말하는 것을 이해하지만 이 접근 방식에서는 작동하지 않을 수 있습니다
코드 베이스에 지표가 있었고 작성자는 Vladimir인 것 같습니다. 가장 가까운 이웃(또는 유사한 것) 방법에 의한 로컬 근사는 또한 역사에서 유사한 영역을 찾습니다. 처럼 작동하지 않습니다
https://www.mql5.com/ru/code/133코드 베이스에 지표가 있었고 작성자는 Vladimir인 것 같습니다. 최근접 이웃 방법에 의한 지역 근사는 또한 역사에서 유사한 영역을 찾습니다. 처럼 작동하지 않습니다
https://www.mql5.com/ru/code/133응 안 돼 안 돼 하지만 .... 너무 이르다
문제는 추세를 제거해야 하는지 여부입니다.응 안 돼 안 돼 하지만 .... 너무 이르다
문제는 추세를 제거해야 하는지 여부입니다.이 경우, 예, 비정상 데이터에서 Pearson을 찾는 것은 .. 반대 또는 바람 방향과 동일하기 때문에 하지만 침착해야 합니다.
이 경우 예, 비정상 데이터에서 Pearson을 찾는 것은 ..에 대해 또는 다운윈드와 같기 때문입니다.
글쎄요, 좋아요, 의견이 있습니다 .. 그러나 이러한 거리가 많이 있습니다. 칸델라 순위 상관 관계가 있습니다. 여전히 많이 있습니다. 유클리드 거리가 있고 모든 종류의 사물의 10 아종이 있습니다. 결국 동일한 dtw 알고리즘이 있습니다.
글쎄요, 좋아요, 의견이 있습니다 .. 그러나 이러한 거리가 많이 있습니다. 칸델라 순위 상관 관계가 있습니다. 여전히 많이 있습니다. 유클리드 거리가 있고 모든 종류의 사물의 10 아종이 있습니다. 결국 동일한 dtw 알고리즘이 있습니다.
이것은 의견이 아니라 주어진 :) 순위 상관 관계가 저장되지 않으며 여기에 유클리드 거리 xs가 있습니다.
이것은 의견이 아니라 주어진 :) 순위 상관 관계가 저장되지 않으며 여기에 유클리드 거리 xs가 있습니다.
음, 근접성/유사성은 하나 이상의 상관 관계로 측정할 수 있지만 여전히 좋은 20가지 방법이 있습니다.
추신
Ivakhnenko도 추세를 삭제할 필요가 있다고 쓰지만 필요하지 않다고 씁니다.
인용문