나는 아직 돌아오고 싶지 않고 이미 RL + 감독 된 특정 혼합물을 가지고 있으며 오래 전에 저자의 계획으로 전환했습니다.
레이블을 표시하는 방법을 모르지만 적절한 세미일링 메커니즘이 필요한 경우 RL을 사용하세요. 예를 들어 제 글에서와 같이 무작위로 시작한 다음 조건을 추가합니다. 포리스트 또는 NS로 근사하고, 결과를 확인하고, 수정하는 등의 작업을 반복하면 결과와 착취를 얻을 수 있습니다.
마지막 기사에 있는 내용은 본질적으로 RL입니다. 두 번째 NS를 비판으로 생각할 수 있으며, 거래의 정산 메커니즘에 가치를 부여합니다. 용어가 부정확 할 수 있지만 접근 방식의 본질은 변하지 않습니다.
Вы, в частности, утверждали, что модель на выборке нельзя будет обучить - Вы ошиблись.
"알고리즘 트레이딩"과 "알코올 트레이딩"이라는 단어가 거의 비슷하게 들리는 것은 저뿐인가요?
궁금해지시나요?
날짜 설정
처음 10줄은 가격 정보이며, 새 기능을 만들려는 경우 교육에서 제거해야 합니다.
마지막 줄 - 목표
훈련과 테스트를 위해 선택 항목을 반으로 나눕니다.
튜닝하지 않은 Forest에서는 새로운 데이터를 얻습니다.
Confusion Matrix and Statistics Reference Prediction -1 0 1 -1 2428 453 23 0 597 3295 696 1 14 448 2046 Overall Statistics Accuracy : 0.7769 95% CI : (0.7686, 0.785) No Information Rate : 0.4196 P-Value [Acc > NIR] : < 2.2e-16 Kappa : 0.6567 Mcnemar's Test P-Value : 2.565e-16 Statistics by Class: Class: -1 Class: 0 Class: 1 Sensitivity 0.7989 0.7853 0.7400 Specificity 0.9316 0.7772 0.9361 Pos Pred Value 0.8361 0.7182 0.8158 Neg Pred Value 0.9139 0.8335 0.9040 Prevalence 0.3039 0.4196 0.2765 Detection Rate 0.2428 0.3295 0.2046 Detection Prevalence 0.2904 0.4588 0.2508 Balanced Accuracy 0.8653 0.7812 0.8381
새로운 칩을 사용한 HGbusta에서 나는 Akurashi 0.83을 얻었습니다.
0.9 아쿠라시를 달성 할 수 있는지 궁금합니다 ?
?? 제가 어디에서 그런 말을 했나요?
여기요.
여기요.
저에게는 데이터를 조작하지 않고 학습되지 않은 특정 샘플에 관한 것입니다.
상관관계 필터링은 학습을 진전시키는 간단한 방법 중 하나입니다.날짜 설정
시도해봤지만 작동하지 않으니 다시 표지판으로 돌아가세요.
관심이 있으시다면 스프레드, 원시 로트 및 소수 로트로 마감 포지션을 여는 힌트가있는 다중 통화 테스터 생성자를 던지고 있습니다.
테스터가 작동하려면 ['open', 'spread'] 열이 있는 데이터 프레임을 준비하고 각 새 막대에 대한 매수/매도 확률 예측이 포함된 x(n,2) 형식의 널 배열을 신호에 던져야 합니다. 테스터는 루프에서 작동하며, 아래는 테스터 사용을 초기화하는 예시입니다.
거래 로직과 랏은 심볼 객체의 transcript_sig 메서드에서 조정할 수 있습니다.
테스트 결과는 전체 테스트 및 각 심볼의 trade_symbol_data에 대한 trade_history_data 딕셔너리에 있습니다.
최적화하거나 변경하고 싶은 사람이 있다면 목록이 있습니다.)
패턴을 포착하려면 재미있는 보상이 있어야 합니다. 그렇지 않으면 모든 ph-i의 의사 최적값으로 갈 것입니다.
흥미로운 주제인 큐 함수와 비평가에 관한 모든 것....
RL 알고리즘을 작성할 때 1 년 이상 전에 여기에서 논의되었습니다.
나는 아직 돌아오고 싶지 않고 이미 RL + 감독 된 특정 혼합물을 가지고 있으며 오래 전에 저자의 계획으로 전환했습니다.