트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1696

 
마이클 마르쿠카이테스 :

당신이 이미 R-ki에 도달했다면 아마도 당신도 거기에서 모델 훈련을 시작할 것입니까? 그러면 엑셀과 다른 목발이 필요하지 않습니다!! 그는 이것을 위해 만들어졌습니다.)

 
mytarmailS :

당신이 이미 R-ki에 도달했다면 아마도 당신도 거기에서 모델 훈련을 시작할 것입니까? 그러면 엑셀과 다른 목발이 필요하지 않습니다!!

부팅, 이제 우리는 가장 흥미로운 부분에 도달했습니다. Reshetov 옵티마이저는 지원 벡터 시스템을 기반으로 바보같이 좋은 옵티마이저가 되었다고 생각합니까? 그리고 여기는 그렇지 않습니다. 사실은 일련의 알고리즘이 신경망 환경에서 구현된다는 것입니다. 이것은 불변의 생성과 훈련 샘플의 까다로운 분할 등입니다. 그리고 어떻게 든 JPrediction의 논리를 동일한 R로 이전하려고 시도했지만이 아이디어는 지원을받지 못했기 때문에 어떻게 든 모든 것이 동일하게 유지되었습니다. 내가 아는 한, 어제 하루 종일 세 번째 데이터를 기반으로 다른 테이블의 값을 입력해야 하는 특정 크기의 조립식 행렬을 만드는 데 보냈다. data.frame을 6시간 정도만 해보니 행으로 이루어진 리스트와 달리 열로 구성되어 있다는 걸 마지막에야 알았다. 추천할 사람이 없습니다. 그나저나 박사님은 어디 계세요? 그를 오랫동안 보지 못했다....
 
최적화 시간을 크게 줄이고 일반화된 모델을 얻을 가능성을 높이는 추가 가제트에 대해 이야기하는 것이 아닙니다.
 
마이클 마르쿠카이테스 :
부팅, 이제 우리는 가장 흥미로운 부분에 도달했습니다. Reshetov 옵티마이저는 지원 벡터 시스템을 기반으로 바보같이 좋은 옵티마이저가 되었다고 생각합니까? 그리고 여기는 그렇지 않습니다. 사실은 일련의 알고리즘이 신경망 환경에서 구현된다는 것입니다. 이것은 불변의 생성과 훈련 샘플의 까다로운 분할 등입니다. 그리고 어떻게 든 JPrediction의 논리를 동일한 R로 이전하려고 시도했지만이 아이디어는 지원을받지 못했기 때문에 어떻게 든 모든 것이 동일하게 유지되었습니다. 내가 아는 한, 어제 하루 종일 세 번째 데이터를 기반으로 다른 테이블의 값을 입력해야 하는 특정 크기의 조립식 행렬을 만드는 데 보냈다. data.frame을 6시간 정도만 해보니 행으로 이루어진 리스트와 달리 열로 구성되어 있다는 걸 마지막에야 알았다. 추천할 사람이 없습니다. 그나저나 Doc은 어디에 있습니까? 그를 오랫동안 보지 못했다....

음)))....

그가 좋은 사람이라고 생각하는 이유는 무엇입니까? 다른거랑 비교했어? 무엇과 비교하셨나요?

 
mytarmailS :

음)))....

그가 좋은 사람이라고 생각하는 이유는 무엇입니까? 다른거랑 비교했어? 무엇과 비교했습니까?

불행히도 기억한다면 P의 모델을 포함하여 다른 모델과의 비교 분석을 수행하려는 모든 시도가 실패했습니다. 내 데이터 세트가 현지 신사들에게 너무 작았기 때문입니다. 그러나 충분한 순도로 비교 실험을 수행하기 위해서는 P에 JPrediction 알고리즘을 복사하여 비교 분석을 수행할 필요가 있다. 그리고 훈련 방법과 네트워크 유형을 모두 끝내고 앞뒤로 변경할 수 있습니다. 그러나 지금은 옵티마이저의 작업을 경험적으로만 판단합니다. 실전에 둔하다. 그(옵티마이저)가 실제로 헛소리라면, 이 헛소리가 내가 돈을 버는 데 도움이 된다면 다른 시스템에서 얻을 수 있는 놀라운 결과를 상상조차 할 수 없습니다.
 
마이클 마르쿠카이테스 :
불행히도 기억한다면 P의 모델을 포함하여 다른 모델과의 비교 분석을 수행하려는 모든 시도가 실패했습니다. 내 데이터 세트가 현지 신사들에게 너무 작았기 때문입니다. 그러나 충분한 순도로 비교 실험을 수행하기 위해서는 P에 JPrediction 알고리즘을 복사하여 비교 분석을 수행할 필요가 있다. 그리고 훈련 방법과 네트워크 유형을 모두 끝내고 앞뒤로 변경할 수 있습니다. 그러나 지금은 옵티마이저의 작업을 경험적으로만 판단합니다. 실전에 둔하다. 그(옵티마이저)가 실제로 헛소리라면, 이 헛소리가 내가 돈을 버는 데 도움이 된다면 다른 시스템에서 얻을 수 있는 놀라운 결과를 상상조차 할 수 없습니다.

JPrediction을 다른 것과 비교하는 문제는 정확히 무엇입니까?

 
mytarmailS :

JPrediction을 다른 것과 비교하는 문제는 정확히 무엇입니까?

일반적으로 비교의 문제는 훈련 세트가 너무 작았다는 것입니다. 결국 서포트 벡터 머신 은 데이터를 철저히 뒤흔들기 때문에 노동 집약적입니다. 그리고 아이디어는 다음과 같았습니다. 우리는 동일한 훈련 파일을 가지고 두 개의 모델을 얻습니다. 하나는 옵티마이저에서, 다른 하나는 대체 시스템에서 얻은 다음 OOS에서 성능을 간단히 비교합니다. 당신이 관심이 있다면 우리는 시도 할 수 있습니다 ...
 

자, 여기 있습니다. 에픽페일이 얼마 남지 않았습니다. 돈은 침묵을 사랑한다는 것을 다시 한 번 확신합니다. 비록 지금 당장은 최고의 가격으로 일어날 수 있는 좋은 기회를 보았지만. 오늘의 틀 내에서, 아마도, 오래가지는 않을 것입니다.


 
mytarmailS :

JPrediction을 다른 것과 비교하는 문제는 정확히 무엇입니까?

원하시면 어떤 계획인지 헷갈릴 수 있습니다. 옵티마이저에 구현된 여러 핵심 조건을 작성하여 시스템을 생성하겠습니다. 당신은 R에서 그것을 하지만 자유로운 해석이 가능합니다. 다음으로 우리는 동일한 파일을 훈련하고 OOS에서 작업을 관찰합니다. Reshetov 옵티마이저의 논리와 다른 R에 이미 자신의 AI가 있을 수 있지만, 말하자면 게임의 규칙을 결정해야 비교가 적절하고 코끼리와 비교하지 않습니다. 파리. 거기에서 우리는 I's에 점을 찍을 것입니다!
 
가장 흥미로운 점은 SI의 이러한 성장이 다음 옵션을 되찾기 시작한다는 것입니다. 잘하셨어요...
사유: