나는 데이터가 모델보다 중요하지만 구성 방법도 중요하다고 덧붙입니다. 이 경우에는 50/50으로 평가합니다.
모델에서 반복된 최적화로 50% 이상의 일반화된 모델을 생성하는 것이 중요합니다. 즉, 10개의 최적화 중 5개 이상의 모델이 충분한 수준에서 일반화되도록 합니다. 정확히 왜??? 10개의 모델 중에서 선택할 때 작동하는 모델을 선택할 확률이 더 높기 때문입니다. 10개의 최적화 중 2개의 일반화된 모델만 생성하는 경우 알고리즘의 용도는 무엇입니까? 전문가가 이러한 결과로 작업 모델을 정확하게 선택할 확률은 매우 낮으며 물론 이러한 알고리즘의 사용도 적습니다.
데이터에서 적어도 20% 이상 목적 함수에 대한 이유가 중요합니다. 입력 데이터에 이유가 있으면 최적화 알고리즘이 원인을 찾는 역할을 합니다.
다른 알고리즘에서 내 데이터를 테스트하고 성공이 무엇인지 이해하는 것은 여전히 흥미롭습니다. 모든 사람이 여기에서 싫어하는 데이터 또는 Reshetov 옵티마이저가 있지만 이를 수행하려면 실생활에서 확인하고 여기 사람들이 인색하다는 사실을 고려해야 합니다. 그런데........
다른 사람이 이 질문을 하면 저는 다음과 같이 대답할 수 있다고 생각합니다. 데이터를 준비 중입니다. AI를 훈련하고 훈련 후 OOS에서 모델의 작동을 확인합니다. 나는 그것이 필요하지 않다는 것을 즉시 말할 것입니다) 따라서 입력 검색에 집중해야합니다. 내 데이터로 작업 모델을 얻을 수 없다면 알고리즘을 개선해야 합니다. 나는 이것이 초보자에게 흥미로울 것이라고 생각하는 동시에 내 성공도 확신할 것입니다. 데이터 또는 강력한 Reshetov 옵티마이저의 존재.
나는 데이터가 모델보다 중요하지만 구성 방법도 중요하다고 덧붙입니다. 이 경우에는 50/50으로 평가합니다.
모델에서 반복된 최적화로 50% 이상의 일반화된 모델을 생성하는 것이 중요합니다. 즉, 10개의 최적화 중 5개 이상의 모델이 충분한 수준에서 일반화되도록 합니다. 정확히 왜??? 10개의 모델 중에서 선택할 때 작동하는 모델을 선택할 확률이 더 높기 때문입니다. 10개의 최적화 중 2개의 일반화된 모델만 생성하는 경우 알고리즘의 용도는 무엇입니까? 전문가가 이러한 결과로 작업 모델을 정확하게 선택할 확률은 매우 낮으며 물론 이러한 알고리즘의 사용도 적습니다.
데이터에서 적어도 20% 이상 목적 함수에 대한 이유가 중요합니다. 입력 데이터에 이유가 있으면 최적화 알고리즘이 원인을 찾는 역할을 합니다.
다른 알고리즘에서 내 데이터를 테스트하고 성공이 무엇인지 이해하는 것은 여전히 흥미롭습니다. 모든 사람이 여기에서 싫어하는 데이터 또는 Reshetov 옵티마이저가 있지만 이를 수행하려면 실생활에서 확인하고 여기 사람들이 인색하다는 사실을 고려해야 합니다. 그런데........
다른 사람이 이 질문을 하면 저는 다음과 같이 대답할 수 있다고 생각합니다. 데이터를 준비 중입니다. AI를 훈련하고 훈련 후 OOS에서 모델의 작동을 확인합니다. 나는 그것이 필요하지 않다는 것을 즉시 말할 것입니다) 따라서 입력 검색에 집중해야합니다. 내 데이터로 작업 모델을 얻을 수 없다면 알고리즘을 개선해야 합니다. 나는 이것이 초보자에게 흥미로울 것이라고 생각하는 동시에 내 성공도 확신할 것입니다. 데이터 또는 강력한 Reshetov 옵티마이저의 존재.
글쎄, 어떻게 모델을 확인합니까? MT 테스터에서 확인하면. 최적화 후에 모델을 MT4에 로드할 수 있습니까?
그리고 나는 당신에게 무엇을 알려줍니다. 우선 작업을 진공 상태로 설정합니다. 당신의 측정항목으로
트롤 및 기타 상품이 있는 테스터를 운전하고 싶다면:
대상과 함께 .csv의 데이터를 제공합니다(이는 바이너리 분류라는 것을 이해합니다). 그런 다음 모델을 훈련하고 목표를 예측합니다. 얻은 결과를 모델 응답 목록의 형태로 동일한 테스터에 로드하고 실행합니다. 그러나 각 모델에 대해 이 작업을 수행하는 것은 피팅을 위한 또 다른 옵션이므로 메트릭 또는 대상에 대해 생각하는 것이 좋습니다. 그리고 테스터에서는 마지막 옵션만 구동합니다.
ML의 경우 데이터는 좋은 모델보다 훨씬 더 중요합니다.
따라서 누군가에게 유용할 수 있습니다.
실시간으로 libmysql을 통해 데이터베이스로 직접 MetaTrader 5에서 MySQL로의 틱 수집
MT5_ticks_to_MySQL
이야기 자체는 여기에서 찾을 수 있습니다.
http://ticks.alpari.org
ML의 경우 데이터는 좋은 모델보다 훨씬 더 중요합니다.
따라서 누군가에게 유용할 수 있습니다.
실시간으로 libmysql을 통해 데이터베이스로 직접 MetaTrader 5에서 MySQL로의 틱 수집
MT5_ticks_to_MySQL
이야기 자체는 여기에서 찾을 수 있습니다.
http://ticks.alpari.org
일반 CSV 파일에서 작업은 동일한 성공과 속도로 해결됩니다. 게다가, 당신은 아무 것도 다룰 필요가 없습니다. 귀찮게.
일반 CSV 파일에서 작업은 동일한 성공과 속도로 해결됩니다. 게다가, 당신은 아무것도 다룰 필요가 없습니다.
오, 그들은 그것을 이해하지 못하고 즉시 댓글을 달았습니다)
히스토리 언로드에 동의합니다. CSV가 더 편리합니다. 그러나 기성품 모델로 온라인 작업을 하려면...
오, 그들은 그것을 이해하지 못하고 즉시 댓글을 달았습니다)
히스토리 언로드에 동의합니다. CSV가 더 편리합니다. 그러나 기성품 모델로 온라인 작업을 하려면...
온라인에 ne nada ticks가 너무 많습니다. 그리고 그들은 기억에 맞을 것입니다.
그리고 온라인이 아닌 경우 내보내기 속도는 특별히 필요하지 않습니다. CSV에서 데이터베이스로 수동으로 가져옵니다 .
+1
나는 데이터가 모델보다 중요하지만 구성 방법도 중요하다고 덧붙입니다. 이 경우에는 50/50으로 평가합니다.
모델에서 반복된 최적화로 50% 이상의 일반화된 모델을 생성하는 것이 중요합니다. 즉, 10개의 최적화 중 5개 이상의 모델이 충분한 수준에서 일반화되도록 합니다. 정확히 왜??? 10개의 모델 중에서 선택할 때 작동하는 모델을 선택할 확률이 더 높기 때문입니다. 10개의 최적화 중 2개의 일반화된 모델만 생성하는 경우 알고리즘의 용도는 무엇입니까? 전문가가 이러한 결과로 작업 모델을 정확하게 선택할 확률은 매우 낮으며 물론 이러한 알고리즘의 사용도 적습니다.
데이터에서 적어도 20% 이상 목적 함수에 대한 이유가 중요합니다. 입력 데이터에 이유가 있으면 최적화 알고리즘이 원인을 찾는 역할을 합니다.
다른 알고리즘에서 내 데이터를 테스트하고 성공이 무엇인지 이해하는 것은 여전히 흥미롭습니다. 모든 사람이 여기에서 싫어하는 데이터 또는 Reshetov 옵티마이저가 있지만 이를 수행하려면 실생활에서 확인하고 여기 사람들이 인색하다는 사실을 고려해야 합니다. 그런데........
다른 사람이 이 질문을 하면 저는 다음과 같이 대답할 수 있다고 생각합니다. 데이터를 준비 중입니다. AI를 훈련하고 훈련 후 OOS에서 모델의 작동을 확인합니다. 나는 그것이 필요하지 않다는 것을 즉시 말할 것입니다) 따라서 입력 검색에 집중해야합니다. 내 데이터로 작업 모델을 얻을 수 없다면 알고리즘을 개선해야 합니다. 나는 이것이 초보자에게 흥미로울 것이라고 생각하는 동시에 내 성공도 확신할 것입니다. 데이터 또는 강력한 Reshetov 옵티마이저의 존재.
음.... 이 도전은 누가 받아주나요?????
나는 데이터가 모델보다 중요하지만 구성 방법도 중요하다고 덧붙입니다. 이 경우에는 50/50으로 평가합니다.
모델에서 반복된 최적화로 50% 이상의 일반화된 모델을 생성하는 것이 중요합니다. 즉, 10개의 최적화 중 5개 이상의 모델이 충분한 수준에서 일반화되도록 합니다. 정확히 왜??? 10개의 모델 중에서 선택할 때 작동하는 모델을 선택할 확률이 더 높기 때문입니다. 10개의 최적화 중 2개의 일반화된 모델만 생성하는 경우 알고리즘의 용도는 무엇입니까? 전문가가 이러한 결과로 작업 모델을 정확하게 선택할 확률은 매우 낮으며 물론 이러한 알고리즘의 사용도 적습니다.
데이터에서 적어도 20% 이상 목적 함수에 대한 이유가 중요합니다. 입력 데이터에 이유가 있으면 최적화 알고리즘이 원인을 찾는 역할을 합니다.
다른 알고리즘에서 내 데이터를 테스트하고 성공이 무엇인지 이해하는 것은 여전히 흥미롭습니다. 모든 사람이 여기에서 싫어하는 데이터 또는 Reshetov 옵티마이저가 있지만 이를 수행하려면 실생활에서 확인하고 여기 사람들이 인색하다는 사실을 고려해야 합니다. 그런데........
다른 사람이 이 질문을 하면 저는 다음과 같이 대답할 수 있다고 생각합니다. 데이터를 준비 중입니다. AI를 훈련하고 훈련 후 OOS에서 모델의 작동을 확인합니다. 나는 그것이 필요하지 않다는 것을 즉시 말할 것입니다) 따라서 입력 검색에 집중해야합니다. 내 데이터로 작업 모델을 얻을 수 없다면 알고리즘을 개선해야 합니다. 나는 이것이 초보자에게 흥미로울 것이라고 생각하는 동시에 내 성공도 확신할 것입니다. 데이터 또는 강력한 Reshetov 옵티마이저의 존재.
음.... 이 도전은 누가 받아주나요?????
데이터에 이미 목표가 설정되어 있습니까? 무슨 메트릭?
머신러닝에서 작업을 단순한 경쟁 형태로 줄이면 트레이더뿐만 아니라 유치할 수 있음)
데이터에 이미 목표가 설정되어 있습니까? 무슨 메트릭?
머신러닝에서 작업을 단순한 경쟁 형태로 줄이면 트레이더뿐만 아니라 유치할 수 있음)
예, 대상의 데이터가 이미 있습니다. 우리는 분류 모델에 대해 이야기하고 있습니다. 여기서 문제가 다릅니다. 시스템에서 수신한 이러한 모델을 어떻게 확인할 수 있습니까 ???? 차라리 현실에서...
예, 대상의 데이터가 이미 있습니다. 우리는 분류 모델에 대해 이야기하고 있습니다. 여기서 문제가 다릅니다. 시스템에서 수신한 이러한 모델을 어떻게 확인할 수 있습니까 ???? 차라리 현실에서...
연기된 샘플링에 대해 최소한 점검을 시작하십시오. 2012-2016년 데이터를 제공한다고 가정해 보겠습니다. 2017년 시험. (조정이 없도록) 최종 점검을 위해 2018년을 유지합니다.
진짜로 기다립니다) 죽지 않은 곰의 피부를 공유하지 마십시오.) 먼저 최소한 유효성 검사를 통과할 수 있는 모델을 만든 다음 이 코끼리를 프로덕션 환경으로 굴려야 합니다. 이것은 완전히 다른 2가지 작업입니다.
연기된 샘플링에 대해 최소한 점검을 시작하십시오. 2012-2016년 데이터를 제공한다고 가정해 보겠습니다. 2017년 시험. (조정이 없도록) 최종 점검을 위해 2018년을 유지합니다.
진짜로 기다리십시오) 죽지 않은 곰의 피부를 공유하지 마십시오;)
글쎄, 어떻게 모델을 확인합니까? MT 테스터에서 확인하면. 최적화 후에 모델을 MT4에 로드할 수 있습니까?
글쎄, 어떻게 모델을 확인합니까? MT 테스터에서 확인하면. 최적화 후에 모델을 MT4에 로드할 수 있습니까?
그리고 나는 당신에게 무엇을 알려줍니다. 우선 작업을 진공 상태로 설정합니다. 당신의 측정항목으로
트롤 및 기타 상품이 있는 테스터를 운전하고 싶다면:
대상과 함께 .csv의 데이터를 제공합니다(이는 바이너리 분류라는 것을 이해합니다). 그런 다음 모델을 훈련하고 목표를 예측합니다. 얻은 결과를 모델 응답 목록의 형태로 동일한 테스터에 로드하고 실행합니다. 그러나 각 모델에 대해 이 작업을 수행하는 것은 피팅을 위한 또 다른 옵션이므로 메트릭 또는 대상에 대해 생각하는 것이 좋습니다. 그리고 테스터에서는 마지막 옵션만 구동합니다.
그리고 실시간으로 별도의 치질이며, 모든 모델이 dll로 포장될 수 있는 것은 아닙니다.