트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1521 1...151415151516151715181519152015211522152315241525152615271528...3399 새 코멘트 Maxim Dmitrievsky 2019.07.20 09:49 #15201 알렉세이 비아즈미킨 : 와우, 러시아어로도 감사합니다. 건강을 위해 시작해서 엘리엇 파동 으로 끝났다. 매트가 없습니다. 재무 예측 방법. 온도 이미 명확한 시리즈의 지속성에 대한 정의를 제외하고는 제안되지 않았습니다. 일종의 죽 Aleksey Vyazmikin 2019.07.20 10:12 #15202 막심 드미트리예프스키 : 건강을 위해 시작해서 엘리엇 파동으로 끝났다. 매트가 없습니다. 재무 예측 방법. 온도 이미 명확한 시리즈의 지속성에 대한 정의를 제외하고는 제안되지 않았습니다. 일종의 죽 글쎄요, 다시 말씀드리지만 새로운 것은 없습니다. 그래서 나는 계속해서 나무를 쪼갤 것이다. 훈련 샘플 외부에 있는 분할의 각 잎(Y)에 대한 이득의 누적으로 잎(X)이 있는 분할의 반복을 플로팅합니다. 그래프에서 트리 분할은 공간의 다른 영역을 설명하는 것을 포함하여 논리적 체인의 대안적인 변형을 제공할 수 있지만 동일하거나 더 나은 결과를 제공할 수 있습니다. 여기서 문제는 모든 잎이 하나의 시스템에 수집되어야 하고 서로 간의 상관관계와 표본 공간에 대한 설명의 완성도를 기반으로 가중치를 부여해야 하며 이 경우 어떤 공식을 사용해야 하는지 모르겠습니다. 안타깝게도. Maxim Dmitrievsky 2019.07.20 15:39 #15203 알렉세이 비아즈미킨 : 글쎄요, 다시 말씀드리지만 새로운 것은 없습니다. 그래서 나는 계속해서 나무를 쪼갤 것이다. 훈련 샘플 외부에 있는 분할의 각 잎(Y)에 대한 이득의 누적으로 잎(X)이 있는 분할의 반복을 플로팅합니다. 그래프에서 트리 분할은 공간의 다른 영역을 설명하는 것을 포함하여 논리적 체인의 대안적인 변형을 제공할 수 있지만 동일하거나 더 나은 결과를 제공할 수 있습니다. 여기서 문제는 모든 잎이 하나의 시스템에 수집되어야 하고 서로 간의 상관관계와 표본 공간에 대한 설명의 완성도를 기반으로 가중치를 부여해야 하며 이 경우 어떤 공식을 사용해야 하는지 모르겠습니다. 안타깝게도. 시장을 조건부 상태로 나누고 각각에 대해 모델을 훈련하고 둘 사이를 전환하면 결과가 더 좋습니다. 이 흠과 선택을 위해 Aleksey Vyazmikin 2019.07.21 03:53 #15204 막심 드미트리예프스키 : 시장을 조건부 상태로 나누고 각각에 대해 모델을 훈련하고 둘 사이를 전환하면 결과가 더 좋습니다. 이 흠과 선택을 위해 어느 것이 더 나은지는 논리적이지만 상태를 구별하는 방법은 무엇입니까? Maxim Dmitrievsky 2019.07.21 06:17 #15205 알렉세이 비아즈미킨 : 어느 것이 더 나은지는 논리적이지만 상태를 구별하는 방법은 무엇입니까? 교사 없이 머신에서(클러스터화). 저것들. 여러 숨겨진 상태가 강조 표시되며 통계가 분명히 다릅니다. 당신에게. 위는 예제를 던졌습니다. 무작위로 Aleksey Vyazmikin 2019.07.21 11:42 #15206 막심 드미트리예프스키 : 교사 없이 머신에서(클러스터화). 저것들. 여러 숨겨진 상태가 강조 표시되며 통계가 분명히 다릅니다. 당신에게. 위는 예제를 던졌습니다. 무작위로 이에 대한 클러스터링 방법을 찾았습니까? 결국 클러스터에서 클러스터로의 원활한 전환이 있어야 하고, 글로벌 추세를 식별한다면 말 그대로 한 상태에서 다른 상태로의 전환에 대한 민감도와 논리가 있어야 합니다. Maxim Dmitrievsky 2019.07.21 11:43 #15207 알렉세이 비아즈미킨 : 이에 대한 클러스터링 방법을 찾았습니까? 결국 클러스터에서 클러스터로의 원활한 전환이 있어야 하고, 글로벌 추세를 식별한다면 말 그대로 한 상태에서 다른 상태로의 전환에 대한 민감도와 논리가 있어야 합니다. 이미 HMM에 대해 썼습니다. Maxim Dmitrievsky 2019.07.27 17:50 #15208 딥마인드 롤에 대한 사다리에 있는 사람들(우연히 그들에게 들림) Igor Makanu 2019.07.27 18:31 #15209 막심 드미트리예프스키 : 딥마인드 롤에 대한 사다리에 있는 사람들(우연히 그들에게 들림) 나는 또한 게임에서 AI에 대해 읽었지만 많은 non-NN이 게임 봇의 논리에서 작동하며 종종 의사 결정 트리를 사용합니다. 나는 Rete 알고리즘을 우연히 만났습니다. 이유는 모르겠지만 Rete 알고리즘에 대해 들어 본 적이 없습니다. 읽을 자료를 찾았지만 1000 페이지의 매우 큰 볼륨에 무언가가 있습니다 ... Maxim Dmitrievsky 2019.07.27 19:40 #15210 이고르 마카누 : 나는 또한 게임에서 AI에 대해 읽었지만 많은 non-NN이 게임 봇의 논리에서 작동하며 종종 의사 결정 트리를 사용합니다. 나는 Rete 알고리즘을 우연히 만났습니다. 이유는 모르겠지만 Rete 알고리즘에 대해 들어 본 적이 없습니다. 읽을 자료를 찾았지만 1000 페이지의 매우 큰 볼륨에 무언가가 있습니다 ... 글쎄, 그들은 나무에 강화를하지 않습니다 플레이할 게임이 많은 경우 게임을 다시 훈련시키는 방법은 무엇입니까? 새로 1...151415151516151715181519152015211522152315241525152615271528...3399 새 코멘트 사유: 취소 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
와우, 러시아어로도 감사합니다.
건강을 위해 시작해서 엘리엇 파동 으로 끝났다. 매트가 없습니다. 재무 예측 방법. 온도 이미 명확한 시리즈의 지속성에 대한 정의를 제외하고는 제안되지 않았습니다.
일종의 죽
건강을 위해 시작해서 엘리엇 파동으로 끝났다. 매트가 없습니다. 재무 예측 방법. 온도 이미 명확한 시리즈의 지속성에 대한 정의를 제외하고는 제안되지 않았습니다.
일종의 죽
글쎄요, 다시 말씀드리지만 새로운 것은 없습니다.
그래서 나는 계속해서 나무를 쪼갤 것이다.
훈련 샘플 외부에 있는 분할의 각 잎(Y)에 대한 이득의 누적으로 잎(X)이 있는 분할의 반복을 플로팅합니다.
그래프에서 트리 분할은 공간의 다른 영역을 설명하는 것을 포함하여 논리적 체인의 대안적인 변형을 제공할 수 있지만 동일하거나 더 나은 결과를 제공할 수 있습니다.
여기서 문제는 모든 잎이 하나의 시스템에 수집되어야 하고 서로 간의 상관관계와 표본 공간에 대한 설명의 완성도를 기반으로 가중치를 부여해야 하며 이 경우 어떤 공식을 사용해야 하는지 모르겠습니다. 안타깝게도.
글쎄요, 다시 말씀드리지만 새로운 것은 없습니다.
그래서 나는 계속해서 나무를 쪼갤 것이다.
훈련 샘플 외부에 있는 분할의 각 잎(Y)에 대한 이득의 누적으로 잎(X)이 있는 분할의 반복을 플로팅합니다.
그래프에서 트리 분할은 공간의 다른 영역을 설명하는 것을 포함하여 논리적 체인의 대안적인 변형을 제공할 수 있지만 동일하거나 더 나은 결과를 제공할 수 있습니다.
여기서 문제는 모든 잎이 하나의 시스템에 수집되어야 하고 서로 간의 상관관계와 표본 공간에 대한 설명의 완성도를 기반으로 가중치를 부여해야 하며 이 경우 어떤 공식을 사용해야 하는지 모르겠습니다. 안타깝게도.
시장을 조건부 상태로 나누고 각각에 대해 모델을 훈련하고 둘 사이를 전환하면 결과가 더 좋습니다.
이 흠과 선택을 위해
시장을 조건부 상태로 나누고 각각에 대해 모델을 훈련하고 둘 사이를 전환하면 결과가 더 좋습니다.
이 흠과 선택을 위해
어느 것이 더 나은지는 논리적이지만 상태를 구별하는 방법은 무엇입니까?
어느 것이 더 나은지는 논리적이지만 상태를 구별하는 방법은 무엇입니까?
교사 없이 머신에서(클러스터화). 저것들. 여러 숨겨진 상태가 강조 표시되며 통계가 분명히 다릅니다. 당신에게. 위는 예제를 던졌습니다.
무작위로
교사 없이 머신에서(클러스터화). 저것들. 여러 숨겨진 상태가 강조 표시되며 통계가 분명히 다릅니다. 당신에게. 위는 예제를 던졌습니다.
무작위로
이에 대한 클러스터링 방법을 찾았습니까? 결국 클러스터에서 클러스터로의 원활한 전환이 있어야 하고, 글로벌 추세를 식별한다면 말 그대로 한 상태에서 다른 상태로의 전환에 대한 민감도와 논리가 있어야 합니다.
이에 대한 클러스터링 방법을 찾았습니까? 결국 클러스터에서 클러스터로의 원활한 전환이 있어야 하고, 글로벌 추세를 식별한다면 말 그대로 한 상태에서 다른 상태로의 전환에 대한 민감도와 논리가 있어야 합니다.
이미 HMM에 대해 썼습니다.
딥마인드 롤에 대한 사다리에 있는 사람들(우연히 그들에게 들림)
딥마인드 롤에 대한 사다리에 있는 사람들(우연히 그들에게 들림)
나는 또한 게임에서 AI에 대해 읽었지만 많은 non-NN이 게임 봇의 논리에서 작동하며 종종 의사 결정 트리를 사용합니다.
나는 Rete 알고리즘을 우연히 만났습니다. 이유는 모르겠지만 Rete 알고리즘에 대해 들어 본 적이 없습니다. 읽을 자료를 찾았지만 1000 페이지의 매우 큰 볼륨에 무언가가 있습니다 ...
나는 또한 게임에서 AI에 대해 읽었지만 많은 non-NN이 게임 봇의 논리에서 작동하며 종종 의사 결정 트리를 사용합니다.
나는 Rete 알고리즘을 우연히 만났습니다. 이유는 모르겠지만 Rete 알고리즘에 대해 들어 본 적이 없습니다. 읽을 자료를 찾았지만 1000 페이지의 매우 큰 볼륨에 무언가가 있습니다 ...
글쎄, 그들은 나무에 강화를하지 않습니다
플레이할 게임이 많은 경우 게임을 다시 훈련시키는 방법은 무엇입니까? 새로