동의하지 않는다. 시장에 대한 비밀 지식은 없습니다. 매우 시끄러운 데이터 세트가 있으며 신경망은 그 안에서 패턴을 찾아야 하고 찾을 수 있습니다. 이러한 패턴은 존재하지만 그 수가 적기 때문에 결과는 아직 그다지 인상적이지 않습니다. 그리고 지표는 반드시 제출해야하며 네트워크 작업을 단순화합니다. 이미 기성품의 규칙성을 보여줍니다. 예를 들어, 네트워크는 물론 우리가 다이버전스라고 부르는 패턴을 찾을 수 있지만 그냥 제공할 수도 있습니다. 간단히 말해서 고양이는 눈으로 개와 구별할 수 있지만 꼬리와 귀도 보여줄 수 있습니다. 이 경우 결과가 더 빠르고 좋습니다. 이 역할은 지표에 의해 수행됩니다.
여기 내 대답이 있습니다. 무조건 시각적으로 한 순간을 화나게 한다. 하지만 신경쓰지 마세요. 중요한 것은 스토리의 본질이지, 모양이나 소리가 얼마나 이상할 수 있는지가 아니라... 그냥 참고하세요. 예, 저도 그렇게 생각합니다. 그리고 예, 나는 100% 결과를 가지고 있지 않습니다. 이 이해의 일반적인 의미에서 55%를 넘지 않습니다 :-))))
원하는 것은 기능이 메트릭이고 대상이 새 데이터에 대한 모델의 적합성인 일반적인 분류로 축소될 수 있습니다.
모델을 생성하고, 모델이 새 데이터에서 작동하는 방식을 시뮬레이션하고, 그림과 같이 데이터 세트를 생성합니다.
그런 다음 기호(메트릭)의 중요성과 강도를 살펴보고 그게 전부입니다. 무엇이 중요하고 무엇이 중요하지 않은지 알게 될 것입니다.
안녕 모두. 여기 내 계정의 모니터링이 있습니다. 모든 사람을 영원히 폐쇄시키기 위해 모든 것이 거기에 보입니다. 당신이 인생의 패자라면 그냥 조용히 하고 다른 사람들이 일을 하도록 내버려 두십시오. 신경망 은 작동하지만 작동하지 않는 것은 두뇌이며 반대라고 주장합니다!
저는 여기서 토론이 아니라 대상 기능에 대해 토론하기 위한 스레드를 만들고, 오히려 서로 다른 유형의 대상 및 통계, 작동하는 것과 작동하지 않는 것에 대한 데이터베이스를 만들겠다는 아이디어를 가지고 있었습니다.
누군가 필요하다고 생각합니까?
대상에 대한 나의 생각. 스프레드와 수수료가 없다고 가정하면 모든 최고점과 최저점을 추측할 때 최대 이익이 됩니다. 즉, 작업은 한 단계 앞서 예측으로 축소됩니다. 왜냐하면 트랜잭션의 방향 을 아는 것으로 충분합니다. 그런 다음 이진 분류로 처리할 수 있습니다. 우리는 증분을 취하고 증분의 부호를 찾아 목표로 사용합니다.
이제 (간단함을 위해) 일정한 확산이 있다고 가정해 봅시다. 이제 우리는 이 스프레드보다 더 큰 움직임에 관심이 있습니다. 그리고 여기에 입찰, 요청 또는 평균을 제출하는 타겟을 구축하는 방법이 막혔습니다.
대상에 대한 나의 생각. 스프레드와 수수료가 없다고 가정하면 모든 최고점과 최저점을 추측할 때 최대 이익이 됩니다. 즉, 작업은 한 단계 앞서 예측으로 축소됩니다. 왜냐하면 트랜잭션의 방향 을 아는 것으로 충분합니다. 그런 다음 이진 분류로 처리할 수 있습니다. 우리는 증분을 취하고 증분의 부호를 찾아 목표로 사용합니다.
이제 (간단함을 위해) 일정한 확산이 있다고 가정해 보겠습니다. 이제 우리는 이 스프레드보다 더 큰 움직임에 관심이 있습니다. 그리고 여기에 입찰, 요청 또는 평균을 제출하는 타겟을 구축하는 방법이 막혔습니다.
이것은 지그재그 또는 증분을 예측하는 것과 동일합니다. 사실 그것은 모두 한 클래스의 목표, 어리석은 클래스입니다 ... 훨씬 더 넓은 의미에서 목표의 전체 동물원, 다른 방향을 생각해 낸다는 의미입니다.
예를 들어 :
일중 데이터(회귀)에서 당일 고가를 예측합니다.
변동성은 어느 수준에서 끝날 것인가 (회귀 + 분류)
일중 데이터에 따라 일별 반전이 언제 일어날지 예측(분류)
첫 번째 촛불이 검은색이라면 세 번째 촛불은 흰색이 될까요? (분류)
지지선과 저항선을 표시하고 어느 수준에서 반등/확률 붕괴가 일어날지 예측(분류)
각 특정 순간에 지표의 최적 기간을 예측합니다. 시간(회귀)
.......
.....
...
등.....
그렇게 제한적으로 대상을 바라볼 수 없고 생각하고 옵션을 제공하고 테스트해야 합니다.
결국, 당신은 흥미로운 것을 찾을 수 있습니다
===========================
결과적으로 테스트를 통해 중요성을 확인한 흥미로운 대상의 전체 목록을 만들 수 있습니다. 그리고 모든 ML 애호가를 위한 지식 기반이 될 것입니다.
표적 표적은 표지판과 같은 방식으로 분류할 수 있다는 것을 이해하지만, 이 연습에서 보여지는 것처럼 여러분도 그렇게 할 수 있을 뿐만 아니라 필요할 수도 있습니다.
여기 내 대답이 있습니다. 무조건 시각적으로 한 순간을 화나게 한다. 하지만 신경쓰지 마세요. 중요한 것은 스토리의 본질이지, 모양이나 소리가 얼마나 이상할 수 있는지가 아니라... 그냥 참고하세요. 예, 저도 그렇게 생각합니다. 그리고 예, 나는 100% 결과를 가지고 있지 않습니다. 이 이해의 일반적인 의미에서 55%를 넘지 않습니다 :-))))
나는 비디오를 보았습니다. 한 번에 다른 추정 계수에서 모델을 선택하기 위한 모델을 만들려고 시도했습니다. 효과가 있었지만 MO에서는 평소와 같이 정확도가 낮습니다. 일반적으로 아이디어는 정확합니다. 모델을 설명하는 더 다양한 예측 변수를 제시해야 합니다.
에러 밸런스를 보고 전략 테스터의 표준 보고서와 동일한 방법으로 분석합니다. 나는 오류 균형 그래프를 작성하는 이전 모델에 대한 스크립트를 테스트하고 있었고 2018년 중반부터 2019년 초까지 훈련 외부 샘플에 대한 아름다운 옵션을 찾았고 작년 데이터에서 시작했습니다. . 그리고 그 당시에 선택된 모델을 살펴보았는데, 오차의 균형을 포함하여 결과가 2배 더 나쁩니다.
+1000% 아주 아주 건전한 생각.
그리고 지표는 반드시 제출해야하며 네트워크 작업을 단순화합니다. 이미 기성품의 규칙성을 보여줍니다. 예를 들어, 네트워크는 물론 우리가 다이버전스라고 부르는 패턴을 찾을 수 있지만 그냥 제공할 수도 있습니다. 간단히 말해서 고양이는 눈으로 개와 구별할 수 있지만 꼬리와 귀도 보여줄 수 있습니다. 이 경우 결과가 더 빠르고 좋습니다. 이 역할은 지표에 의해 수행됩니다.
여기 내 대답이 있습니다. 무조건 시각적으로 한 순간을 화나게 한다. 하지만 신경쓰지 마세요. 중요한 것은 스토리의 본질이지, 모양이나 소리가 얼마나 이상할 수 있는지가 아니라... 그냥 참고하세요. 예, 저도 그렇게 생각합니다. 그리고 예, 나는 100% 결과를 가지고 있지 않습니다. 이 이해의 일반적인 의미에서 55%를 넘지 않습니다 :-))))
원하는 것은 기능이 메트릭이고 대상이 새 데이터에 대한 모델의 적합성인 일반적인 분류로 축소될 수 있습니다.
모델을 생성하고, 모델이 새 데이터에서 작동하는 방식을 시뮬레이션하고, 그림과 같이 데이터 세트를 생성합니다.
그런 다음 기호(메트릭)의 중요성과 강도를 살펴보고 그게 전부입니다. 무엇이 중요하고 무엇이 중요하지 않은지 알게 될 것입니다.
약한 자의 꿈은 현실로부터의 도피이며 강한 자의 꿈은 현실이다.
꿈을 믿어 그녀에게는 멋진 기능이 있습니다.
가난한 사람은 주머니에 한 푼도 없는 사람이 아니라 꿈이 없는 사람입니다.
"천천히 죽는다.
여행하지 않는 사람
읽지 않는 사람
음악을 듣지 않는 사람
자신에게서 조화를 찾을 수 없는 사람.
그는 천천히 죽는다
자신에 대한 믿음을 파괴하는 자,
누가 도와주기를 거부합니다.
그는 천천히 죽는다
사랑 자체를 파괴하는 자,
그리고 끊임없는 불평으로 하루를 살아갑니다.
불운이나 그치지 않는 비에 대해.
그는 천천히 죽는다
계획을 포기하는 사람
아직 시작도 하지 않았습니다!
'' 꿈에 대한 인용문 (538 인용문) | 유명한 인물의 인용문 ''-재미있게 읽으십시오))
저는 여기서 토론이 아니라 대상 기능에 대해 토론하기 위한 스레드를 만들고, 오히려 서로 다른 유형의 대상 및 통계, 작동하는 것과 작동하지 않는 것에 대한 데이터베이스를 만들겠다는 아이디어를 가지고 있었습니다.
누군가 필요하다고 생각합니까?
저는 여기서 토론이 아니라 대상 기능에 대해 토론하기 위한 스레드를 만들고, 오히려 서로 다른 유형의 대상 및 통계, 작동하는 것과 작동하지 않는 것에 대한 데이터베이스를 만들겠다는 아이디어를 가지고 있었습니다.
누군가 필요하다고 생각합니까?
좋은 생각
저는 여기서 토론이 아니라 대상 기능에 대해 토론하기 위한 스레드를 만들고, 오히려 서로 다른 유형의 대상 및 통계, 작동하는 것과 작동하지 않는 것에 대한 데이터베이스를 만들겠다는 아이디어를 가지고 있었습니다.
누군가 필요하다고 생각합니까?
대상에 대한 나의 생각. 스프레드와 수수료가 없다고 가정하면 모든 최고점과 최저점을 추측할 때 최대 이익이 됩니다. 즉, 작업은 한 단계 앞서 예측으로 축소됩니다. 왜냐하면 트랜잭션의 방향 을 아는 것으로 충분합니다. 그런 다음 이진 분류로 처리할 수 있습니다. 우리는 증분을 취하고 증분의 부호를 찾아 목표로 사용합니다.
이제 (간단함을 위해) 일정한 확산이 있다고 가정해 봅시다. 이제 우리는 이 스프레드보다 더 큰 움직임에 관심이 있습니다. 그리고 여기에 입찰, 요청 또는 평균을 제출하는 타겟을 구축하는 방법이 막혔습니다.
대상에 대한 나의 생각. 스프레드와 수수료가 없다고 가정하면 모든 최고점과 최저점을 추측할 때 최대 이익이 됩니다. 즉, 작업은 한 단계 앞서 예측으로 축소됩니다. 왜냐하면 트랜잭션의 방향 을 아는 것으로 충분합니다. 그런 다음 이진 분류로 처리할 수 있습니다. 우리는 증분을 취하고 증분의 부호를 찾아 목표로 사용합니다.
이제 (간단함을 위해) 일정한 확산이 있다고 가정해 보겠습니다. 이제 우리는 이 스프레드보다 더 큰 움직임에 관심이 있습니다. 그리고 여기에 입찰, 요청 또는 평균을 제출하는 타겟을 구축하는 방법이 막혔습니다.
이것은 지그재그 또는 증분을 예측하는 것과 동일합니다. 사실 그것은 모두 한 클래스의 목표, 어리석은 클래스입니다 ... 훨씬 더 넓은 의미에서 목표의 전체 동물원, 다른 방향을 생각해 낸다는 의미입니다.
예를 들어 :
일중 데이터(회귀)에서 당일 고가를 예측합니다.
변동성은 어느 수준에서 끝날 것인가 (회귀 + 분류)
일중 데이터에 따라 일별 반전이 언제 일어날지 예측(분류)
첫 번째 촛불이 검은색이라면 세 번째 촛불은 흰색이 될까요? (분류)
지지선과 저항선을 표시하고 어느 수준에서 반등/확률 붕괴가 일어날지 예측(분류)
각 특정 순간에 지표의 최적 기간을 예측합니다. 시간(회귀)
.......
.....
...
등.....
그렇게 제한적으로 대상을 바라볼 수 없고 생각하고 옵션을 제공하고 테스트해야 합니다.
결국, 당신은 흥미로운 것을 찾을 수 있습니다
===========================
결과적으로 테스트를 통해 중요성을 확인한 흥미로운 대상의 전체 목록을 만들 수 있습니다. 그리고 모든 ML 애호가를 위한 지식 기반이 될 것입니다.
표적 표적은 표지판과 같은 방식으로 분류할 수 있다는 것을 이해하지만, 이 연습에서 보여지는 것처럼 여러분도 그렇게 할 수 있을 뿐만 아니라 필요할 수도 있습니다.
여기 내 대답이 있습니다. 무조건 시각적으로 한 순간을 화나게 한다. 하지만 신경쓰지 마세요. 중요한 것은 스토리의 본질이지, 모양이나 소리가 얼마나 이상할 수 있는지가 아니라... 그냥 참고하세요. 예, 저도 그렇게 생각합니다. 그리고 예, 나는 100% 결과를 가지고 있지 않습니다. 이 이해의 일반적인 의미에서 55%를 넘지 않습니다 :-))))
나는 비디오를 보았습니다. 한 번에 다른 추정 계수에서 모델을 선택하기 위한 모델을 만들려고 시도했습니다. 효과가 있었지만 MO에서는 평소와 같이 정확도가 낮습니다. 일반적으로 아이디어는 정확합니다. 모델을 설명하는 더 다양한 예측 변수를 제시해야 합니다.
에러 밸런스를 보고 전략 테스터의 표준 보고서와 동일한 방법으로 분석합니다. 나는 오류 균형 그래프를 작성하는 이전 모델에 대한 스크립트를 테스트하고 있었고 2018년 중반부터 2019년 초까지 훈련 외부 샘플에 대한 아름다운 옵션을 찾았고 작년 데이터에서 시작했습니다. . 그리고 그 당시에 선택된 모델을 살펴보았는데, 오차의 균형을 포함하여 결과가 2배 더 나쁩니다.