매일 오전 9시에 반복되는 이벤트도 매주 수요일 오전 9시에 반복되는 이벤트가 되겠다는 마음으로 글을 쓰신 것 같습니다. 매우 밝은 일일 주기로 인해 정확히 매주(일일이 없는) 기간이 있는 이벤트를 선택하는 것은 매우 어려울 것입니다. 물론 내가 틀릴 수도 있지만 아직 밝은 주간 주기를 눈치채지 못했기 때문에 내 코드에서 이를 감지할 방법이 없습니다.
몰라요, 근무시간의 논리가 주급을 주는 것 같아요. 일일 패턴이 발견 되면 주기성의 월 또는 요일을 기준으로 이를 식별하는 기술의 문제입니다.
40%의 정확도로 잘 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프하지만 분리하고 개선하면됩니다. 그런 분할, 그래서 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
도서관 : 트렌디하면 TP는 크고 SL은 작습니다. 예를 들어, 500에서 100입니다. 그런 다음 80%의 오류로 20%는 성공하고 80%는 잃는 거래가 있을 것입니다. 그러면 잔액이 0에 가까워집니다. 70% 오류로 잎을 거래하면 이미 이익을 얻을 수 있습니다. 그리고 50/50을 찾으면 이익이 엄청날 것입니다.
그래서 나는 그것에 대해 이야기하고 있지만 충만은 작을 것입니다. 잠재적인 1000개 중 100개가 거래되고(클래스 "1" 발견됨) 100개 중 50개가 수익성이 없습니다.
도서관 :
덤프은 무슨 뜻 인가요? 70%의 오류는 0등급에 덤프된 것 같지만, 1등급의 나머지 30%는 이미 돈을 벌 수 있습니다.
30%는 좋은 결과지만 항상 발생하는 것은 아닙니다. 이제 기사를 작성 중입니다. Mashka에 대한 전략이 있습니다. 평균 5%의 단위를 감지하는 것으로 나타났습니다. 음, 이것은 거의 기본 설정의 표준 오실레이터에 있습니다. :)
2019년 이후 어딘가에 샘플이 훈련되지 않았습니다. 배수되지 않으며 이미 좋습니다. :)
매일 오전 9시에 반복되는 이벤트도 매주 수요일 오전 9시에 반복되는 이벤트가 되겠다는 마음으로 글을 쓰신 것 같습니다. 매우 밝은 일일 주기로 인해 정확히 매주(일일이 없는) 기간이 있는 이벤트를 선택하는 것은 매우 어려울 것입니다. 물론 내가 틀릴 수도 있지만 아직 밝은 주간 주기를 눈치채지 못했기 때문에 내 코드에서 이를 감지할 방법이 없습니다.
몰라요, 근무시간의 논리가 주급을 주는 것 같아요. 일일 패턴이 발견 되면 주기성의 월 또는 요일을 기준으로 이를 식별하는 기술의 문제입니다.
40%의 정확도로 잘 버는 전략, 트렌드 전략이 있지만 표준 ML 방법은 훈련을 허용하지 않습니다. 정확도가 충분하지 않으면 클래스 "1"을 0으로 덤프하지만 분리하고 개선하면됩니다. 그런 분할, 그래서 비슷한 방법을 찾고 있습니다. 그렇지 않으면 1에 대한 재현율이 매우 작습니다.
이러한 목적을 위해 사용자 정의 손실 함수를 작성해야 합니다.
몰라요, 근무시간의 논리가 주급을 주는 것 같아요. 일일 패턴이 발견 되면 주기성의 월 또는 요일을 기준으로 이를 식별하는 기술의 문제입니다.
나는 그들이 존재하지 않는다고 말하는 것이 아닙니다. 그것들이 존재할 가능성이 가장 높지만, 이 방법은 더 짧은 기간과 비정상성을 배경으로 탐지 및 선택하기에는 너무 조잡할 것입니다.
이것은 이론상 .. 그러나 실제로는 안경을 비틀지 마십시오 ..)
변동성에 대한 정규화된 증분, 균일한 분산. 정보 손실만 있을 뿐이었다.
정보의 손실이 아니라 잘못된 정보의 제거라고 부르겠습니다)
하지만 정확하지는 않습니다)
트렌디하면 TP는 크고 SL은 작습니다. 예를 들어, 500에서 100입니다. 그런 다음 80%의 오류로 20%는 성공하고 80%는 잃는 거래가 있을 것입니다. 그러면 잔액이 0에 가까워집니다. 70% 오류로 잎을 거래하면 이미 이익을 얻을 수 있습니다. 그리고 50/50을 찾으면 이익이 엄청날 것입니다.
그래서 나는 그것에 대해 이야기하고 있지만 충만은 작을 것입니다. 잠재적인 1000개 중 100개가 거래되고(클래스 "1" 발견됨) 100개 중 50개가 수익성이 없습니다.
덤프은 무슨 뜻 인가요? 70%의 오류는 0등급에 덤프된 것 같지만, 1등급의 나머지 30%는 이미 돈을 벌 수 있습니다.
30%는 좋은 결과지만 항상 발생하는 것은 아닙니다. 이제 기사를 작성 중입니다. Mashka에 대한 전략이 있습니다. 평균 5%의 단위를 감지하는 것으로 나타났습니다. 음, 이것은 거의 기본 설정의 표준 오실레이터에 있습니다. :)
2019년 이후 어딘가에 샘플이 훈련되지 않았습니다. 배수되지 않으며 이미 좋습니다. :)
pythonic은 래퍼의 cpp입니다. 모든 것이 잘 작동합니다
계획에서 python 형식과 cpp로 저장할 수 있습니다. cpp로 저장한 다음 간단한 단계를 통해 mql로 변환합니다. 모델 자체는 여러 배열입니다.파일은 py 형식으로 저장되며 CPP와 구조가 약간 다릅니다.
네, 제 실수로 판명되었습니다. 조언자의 개념을 바꾸고 암말을 따라 카트를 이용했습니다. 이것을 이해하는 데 반나절이 걸렸습니다.
이러한 목적을 위해 사용자 정의 손실 함수를 작성해야 합니다.
그리고 누가 그러한 기능에 대해 배우는 방법을 알고 있습니까? 피스톤의 CatBoost 에서는 수를 세고 학습 속도를 늦출 수 있지만 자체적으로 2를 계산합니다.
성배 발견))
이 성배 는 시장에서 얼마나 많이 샀는지 궁금합니다...
이 성배는 시장에서 얼마나 많이 샀는지 궁금합니다...
수입, 없음))