예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
글쎄, 이것은 첫 번째 실행에서 대상 선택 유형입니다. 나머지 사이클은 사실 이미 첫 번째 패스에서 받은 선생님과 함께 훈련하는 것입니다. 이 트릭을 사용하면 더 많은 변형을 테스트할 수 있습니다.
예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
일부 모델에서는 오류를 줄이지 않을 수도 있지만 내 경우에는 오류를 크게 줄입니다.
이 접근 방식으로 시작했지만 반대로 진입점에서 출구 지점까지 올바른 분류 곡선의 평활도를 드러내려고 했으나 내 접근 방식은 큰 컴퓨팅 파워가 필요해서 거절할 수밖에 없었다. 반대 옵션이 있습니다. 흥미롭고 역추세의 가능성이 있습니다 ... 내 신호에서 작동하는 MO와 유사한 것을 구현하는 것이 어떻게 가능할지 생각하고 있습니다. 가르치는 방법을 모르겠습니다. 그러나 거기에는 분명히 가능성이 있습니다.
정말 이해하지 못했습니다. 오히려 샘플의 복제입니다. 일반적으로 그들은 이러한 신호 사이에서 시장이 어떻게 행동하는지 신경 쓰지 않고 구매, 판매에 대한 태그를 제공합니다. 중간 보강 샘플을 추가하면 모델이 자동으로 더 잘 분류됩니다.
예를 들어, 실제로 1000개의 샘플 신호가 있는 경우 중간 강화물과 함께 이것은 5k 이상입니다.
나도 알아차리고 적용했는데, 내가 이해하는 한 데이터가 g..but이기 때문에 작동하며 이러한 트릭은 편차 범위를 훈련하는 데 도움이 됩니다. 이것이 완료되지 않으면 모델이 하나의 브로커로 조정되거나 동일한 터미널에서 일부 데이터 업데이트가 다시 로드된 후 작동이 중지되기도 합니다.
정말 catbust 시도에서 전체 차량을 다시 작성 .. 또한 쓰레기 마차. 그러나 작은 데이터 세트에 대해 학습하면 포리스트가 잘 일반화되고 예를 들어 동일한 데이터에 대해 2배만 증가하는 2-5k 샘플에서 작동하여 완전한 재교육이 이루어집니다. 그것은 사실이다.짧은 데이터 세트를 시도했는데 30%의 오류가 있는 주와 60-70%의 오류가 있는 주 있습니다. 평균 50%를 제공합니다.
짧은 데이터 세트를 시도했는데 30%의 오류가 있는 주와 60-70%의 오류가 있는 주 있습니다. 평균 50%를 제공합니다.
예를 들어, 나는 한 달에 훈련하고 1년은 거의 새로운 데이터에 대해 작업합니다. 나는 2-3 개월에 가르칩니다 - 더 이상 작동하지 않습니다 .. 일종의 쓰레기
또한 모델의 오류는 동일합니다.예를 들어, 나는 한 달에 훈련하고 1년은 거의 새로운 데이터에 대해 작업합니다. 나는 2-3 개월에 가르칩니다 - 더 이상 작동하지 않습니다 .. 일종의 쓰레기
자가 학습 시스템에서 이러한 결과가 있습니까?
예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
일부 모델에서는 오류를 줄이지 않을 수도 있지만 내 경우에는 오류를 크게 줄입니다.예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
이 트릭을 사용하면 더 많은 변형을 테스트할 수 있습니다.
글쎄, 이것은 첫 번째 실행에서 대상 선택 유형입니다. 나머지 사이클은 사실 이미 첫 번째 패스에서 받은 선생님과 함께 훈련하는 것입니다.
이 트릭을 사용하면 더 많은 변형을 테스트할 수 있습니다.
정말 이해하지 못했습니다. 오히려 샘플의 복제입니다. 일반적으로 그들은 이러한 신호 사이에서 시장이 어떻게 행동하는지 신경 쓰지 않고 구매, 판매에 대한 태그를 제공합니다. 중간 보강 샘플을 추가하면 모델이 자동으로 더 잘 분류됩니다.
예를 들어, 실제로 1000개의 샘플 신호가 있는 경우 중간 강화물과 함께 이것은 5k 이상입니다.동시에 가지치기는 완전성을 제어해야 합니다. 최소 0.5-1%의 샘플 적용 범위로 잘라냅니다.
무엇의 충만함? 원하는 깊이로 실험적으로 절단
무엇의 충만함? 원하는 깊이로 실험적으로 절단
시트에는 샘플에서 지정된 비율 이상의 샘플이 포함되어야 하며, 더 적은 경우 분할을 잘라냅니다. 예제가 많을수록 패턴 가능성이 높아집니다. 여기에서는 모든 것이 간단합니다.
예, 몇 가지 트릭과 함께. 나는 하나를 자르고 모델에 중간 샘플을 추가합니다. 예를 들어, 거래가 열려 있는 동안 항상 구매에 대한 거래를 시작하라는 신호가 있었습니다. 각각의 새 막대 에 동일한 구매 표시가 있는 다른 샘플을 추가하고 기능에 대한 새로운 표시를 각각 추가합니다. 이렇게 하면 오류가 크게 줄어듭니다. 샘플의 일부 중복.
일부 모델에서는 오류를 줄이지 않을 수도 있지만 내 경우에는 오류를 크게 줄입니다.이 접근 방식으로 시작했지만 반대로 진입점에서 출구 지점까지 올바른 분류 곡선의 평활도를 드러내려고 했으나 내 접근 방식은 큰 컴퓨팅 파워가 필요해서 거절할 수밖에 없었다. 반대 옵션이 있습니다. 흥미롭고 역추세의 가능성이 있습니다 ... 내 신호에서 작동하는 MO와 유사한 것을 구현하는 것이 어떻게 가능할지 생각하고 있습니다. 가르치는 방법을 모르겠습니다. 그러나 거기에는 분명히 가능성이 있습니다.
정말 이해하지 못했습니다. 오히려 샘플의 복제입니다. 일반적으로 그들은 이러한 신호 사이에서 시장이 어떻게 행동하는지 신경 쓰지 않고 구매, 판매에 대한 태그를 제공합니다. 중간 보강 샘플을 추가하면 모델이 자동으로 더 잘 분류됩니다.
예를 들어, 실제로 1000개의 샘플 신호가 있는 경우 중간 강화물과 함께 이것은 5k 이상입니다.나도 알아차리고 적용했는데, 내가 이해하는 한 데이터가 g..but이기 때문에 작동하며 이러한 트릭은 편차 범위를 훈련하는 데 도움이 됩니다. 이것이 완료되지 않으면 모델이 하나의 브로커로 조정되거나 동일한 터미널에서 일부 데이터 업데이트가 다시 로드된 후 작동이 중지되기도 합니다.