도서관 : 혼합하면 테스트가 즉시 향상됩니다. 다음 막대에서 엿볼 수 있습니다. 저것들. 하나의 막대(10:00)가 기차를 치고, 이웃한 막대(10:01)가 테스트를 쳤고, 과거와 목표 모두에서 매우 유사합니다.
그리고 거기에 차례로 샘플 막대가 있습니까? 모든 막대에서 훈련하지 않고 신호만 취한다는 것입니다. 이 경우 샘플을 혼합할 수 있다고 생각합니다. 이렇게 하면 샘플 크기를 늘리지 않고 훈련을 위한 정보의 양이 증가합니다. 이는 내 데이터에 따라 , 검사 샘플을 향상시킵니다.
그건 그렇고, 나는 샘플의 1%를 취하고 C4.5 트리를 훈련했습니다. 훈련 및 테스트 샘플에 대해 100% 인식을 제공했기 때문에 문제가 혼합되어야 하는 순서화된 주기에 있다고 가정합니다. 하지만 MQL5에는 좋은 믹싱 알고리즘이 없습니다. 테스트 및 제어 샘플에서 n개의 행을 간단하게 뽑아 테스트 샘플을 구성할 수 있습니다. , 좋지 않을 것입니다.
모든 막대에서 훈련하지 않고 신호만 취한다는 것입니다. 이 경우 샘플을 혼합하는 것이 가능하다고 생각합니다. 이렇게 하면 샘플 크기를 늘리지 않고 훈련을 위한 정보의 양이 증가합니다. 내 데이터에 따르면 , 검사 샘플을 향상시킵니다.
가능할 수도 있지만 미래의 일부를 기차에 던질 가치가 없다고 생각합니다. 실제 거래에서는 이것을 할 수 없을 것입니다. 미래는 현실에서뿐만 아니라 훈련 중에도 알 수 없는 상태로 유지하십시오. 시험과 시험은 항상 더 성공하거나 더 나빠야 합니다. 이건 괜찮아. 가장 중요한 것은 전체적으로 검은 색이어야한다는 것입니다. 교차 유효성 검사(내장된 유효성 검사가 있을 수 있음) 또는 더 나은 앞으로 걷기를 사용합니다.
그건 그렇고, 나는 샘플의 1%를 취하고 C4.5 트리를 훈련했습니다. 훈련 및 테스트 샘플에 대해 100% 인식을 제공했기 때문에 문제가 혼합되어야 하는 순서화된 주기에 있다고 가정합니다. 하지만 MQL5에는 좋은 믹싱 알고리즘이 없습니다. 테스트 및 제어 샘플에서 n개의 행을 간단하게 뽑아 테스트 샘플을 구성할 수 있습니다. , 좋지 않을 것입니다.
Потребовалась функция ГСЧ с гнерацией числа Int от 0 до любого значения. Получилась такая функция. Думаю распределение получилось равномерным. На форуме посоветовали другую функцию из статьи. Отбросив лишнее, получилось: Сделал сравнение по скорости обоих функций, оригинальной из статьи и просто MathRand(): Оригинальная из статьи Rnd.Rand_01...
가능할 수도 있지만 미래의 일부를 기차에 던질 가치가 없다고 생각합니다. 실제 거래에서는 이것을 할 수 없을 것입니다. 미래는 현실에서뿐만 아니라 훈련 중에도 알 수 없는 상태로 유지하십시오. 시험과 시험은 항상 더 성공하거나 더 나빠야 합니다. 이건 괜찮아. 가장 중요한 것은 전체적으로 검은 색이어야한다는 것입니다. 교차 유효성 검사(내장된 유효성 검사가 있을 수 있음) 또는 더 나은 앞으로 걷기를 사용합니다.
우리가 이것을 하지 않고 막심처럼 하지 않고 끝에서 배우면 우리는 매우 오래된 데이터에서 배우는 것으로 나타났습니다. 이는 좋지 않습니다. 시험용 샘플을 만지라고 제안하는 것은 아니지만 훈련 및 제어 샘플을 만지는 것은 가능하다고 생각합니다. 그리고 나서 안정적인 성능을 얻었다면 기본 모델의 설정을 알면 모델을 실생활에 적용하기 위해 엣지에 더 가깝게 학습할 수 있습니다.
교차 검증을 이해하지 못했습니다. 거기에서 자동화해야 하지만 아직까지는 제 손이 닿지 않았습니다.
그러나 조각별 테스트 - 예, 이것은 올바른 접근 방식이지만 항상 기록이 부족합니다. 나는 나뭇잎을 선택할 때 이 접근 방식을 사용합니다 - 일반적으로 나뭇잎의 응답이 전체적으로 고르지 않기 때문에 이미 훈련된 샘플에서도 가장 도움이 됩니다. 샘플이고 안정적인 샘플만 있으면 됩니다.
트레인이나 테스트 내부에 혼용은 가능하지만 말이 안되고, 트레인과 테스트 사이에는 불가능합니다. 실수로 그것들을 섞은 것이 아닙니다. 시험과 함께 하기에는 아주 좋은 결과입니다.
나는 혼합하지 않았고 결과는 테스트 샘플에 대해 그다지 좋지 않습니다. 리콜이 작습니다.
그러나 패턴이 안정적이고 샘플이 끝날 때까지 감소하지 않으면 혼합이 가능합니다. 여기에서 파일의 형성은 주기를 사용하고 일부 매개변수는 단순히 연구 영역에 속하지 않습니다.
나는 혼합하지 않았고 결과는 테스트 샘플에 대해 그다지 좋지 않습니다. 리콜이 작습니다.
그러나 패턴이 안정적이고 샘플이 끝날 때까지 감소하지 않으면 혼합이 가능합니다. 여기에서 파일의 형성은 주기를 사용하고 일부 매개변수는 단순히 연구 영역에 속하지 않습니다.
혼합하면 테스트가 즉시 향상됩니다. 다음 막대에서 엿볼 수 있습니다. 저것들. 하나의 막대(10:00)가 기차를 치고, 이웃한 막대(10:01)가 테스트를 쳤고, 과거와 목표 모두에서 매우 유사합니다.
그리고 거기에 차례로 샘플 막대가 있습니까? 모든 막대에서 훈련하지 않고 신호만 취한다는 것입니다. 이 경우 샘플을 혼합할 수 있다고 생각합니다. 이렇게 하면 샘플 크기를 늘리지 않고 훈련을 위한 정보의 양이 증가합니다. 이는 내 데이터에 따라 , 검사 샘플을 향상시킵니다.
그리고 거기에 차례로 샘플 막대가 있습니까?
이미 파일을 삭제 했습니다. 직접 확인하세요. 이것이 CSV 파일을 생성하는 가장 논리적인 방법이라고 생각합니다.
이미 파일을 삭제 했습니다. 직접 확인하세요. 이것이 CSV 파일을 생성하는 가장 논리적인 방법이라고 생각합니다.
거기에 뭔가가 있습니다 - 그것이 무엇인지 모르겠습니다.
거기에 뭔가가 있습니다 - 그것이 무엇인지 모르겠습니다.
파일 소유자의 응답을 기다리고 있습니다.
그건 그렇고, 나는 샘플의 1%를 취하고 C4.5 트리를 훈련했습니다. 훈련 및 테스트 샘플에 대해 100% 인식을 제공했기 때문에 문제가 혼합되어야 하는 순서화된 주기에 있다고 가정합니다. 하지만 MQL5에는 좋은 믹싱 알고리즘이 없습니다. 테스트 및 제어 샘플에서 n개의 행을 간단하게 뽑아 테스트 샘플을 구성할 수 있습니다. , 좋지 않을 것입니다.
모든 막대에서 훈련하지 않고 신호만 취한다는 것입니다. 이 경우 샘플을 혼합하는 것이 가능하다고 생각합니다. 이렇게 하면 샘플 크기를 늘리지 않고 훈련을 위한 정보의 양이 증가합니다. 내 데이터에 따르면 , 검사 샘플을 향상시킵니다.
가능할 수도 있지만 미래의 일부를 기차에 던질 가치가 없다고 생각합니다. 실제 거래에서는 이것을 할 수 없을 것입니다. 미래는 현실에서뿐만 아니라 훈련 중에도 알 수 없는 상태로 유지하십시오.
시험과 시험은 항상 더 성공하거나 더 나빠야 합니다. 이건 괜찮아. 가장 중요한 것은 전체적으로 검은 색이어야한다는 것입니다.
교차 유효성 검사(내장된 유효성 검사가 있을 수 있음) 또는 더 나은 앞으로 걷기를 사용합니다.
그건 그렇고, 나는 샘플의 1%를 취하고 C4.5 트리를 훈련했습니다. 훈련 및 테스트 샘플에 대해 100% 인식을 제공했기 때문에 문제가 혼합되어야 하는 순서화된 주기에 있다고 가정합니다. 하지만 MQL5에는 좋은 믹싱 알고리즘이 없습니다. 테스트 및 제어 샘플에서 n개의 행을 간단하게 뽑아 테스트 샘플을 구성할 수 있습니다. , 좋지 않을 것입니다.
가능할 수도 있지만 미래의 일부를 기차에 던질 가치가 없다고 생각합니다. 실제 거래에서는 이것을 할 수 없을 것입니다. 미래는 현실에서뿐만 아니라 훈련 중에도 알 수 없는 상태로 유지하십시오.
시험과 시험은 항상 더 성공하거나 더 나빠야 합니다. 이건 괜찮아. 가장 중요한 것은 전체적으로 검은 색이어야한다는 것입니다.
교차 유효성 검사(내장된 유효성 검사가 있을 수 있음) 또는 더 나은 앞으로 걷기를 사용합니다.
우리가 이것을 하지 않고 막심처럼 하지 않고 끝에서 배우면 우리는 매우 오래된 데이터에서 배우는 것으로 나타났습니다. 이는 좋지 않습니다. 시험용 샘플을 만지라고 제안하는 것은 아니지만 훈련 및 제어 샘플을 만지는 것은 가능하다고 생각합니다. 그리고 나서 안정적인 성능을 얻었다면 기본 모델의 설정을 알면 모델을 실생활에 적용하기 위해 엣지에 더 가깝게 학습할 수 있습니다.
교차 검증을 이해하지 못했습니다. 거기에서 자동화해야 하지만 아직까지는 제 손이 닿지 않았습니다.
그러나 조각별 테스트 - 예, 이것은 올바른 접근 방식이지만 항상 기록이 부족합니다. 나는 나뭇잎을 선택할 때 이 접근 방식을 사용합니다 - 일반적으로 나뭇잎의 응답이 전체적으로 고르지 않기 때문에 이미 훈련된 샘플에서도 가장 도움이 됩니다. 샘플이고 안정적인 샘플만 있으면 됩니다.
여기에서 이러한 RNG와 정상적으로 혼합할 수 있습니다. https://www.mql5.com/en/blogs/post/735953
그건 그렇고, 반복 없이 배열에서 무작위로 숫자를 생성하는 생성기를 본 적이 있습니까? 저는 이것이 필요합니다.