def to_supervised(train, n_input, n_out):
X, y = list(), list()
in_start = 0# step over the entire history one time step at a time
for _ in range(len(data)):
# define the end of the input sequence
in_end = in_start + n_input
out_end = in_end + n_out
# ensure we have enough data forthis instance
if out_end <= len(data):
x_input = data[in_start:in_end, 0]
x_input = x_input.reshape((len(x_input), 1))
X.append(x_input)
y.append(data[in_end:out_end, 0])
# move along one time step
in_start += 1return array(X), array(y)
다이내믹에서 매쉬의 주기를 제어하면 매쉬에서 좋은 TC를 얻을 수 있습니다.
또한 향후 어떤 매시 주기가 수익성이 좋을지 예측할 수 있습니다.
피트니스 함수의 다양한 변형 시도
축하합니다 ;)
첫 번째 트릭 중 하나가 해결되었습니다.
제가 기억하는 한, 기간 대신 변동성 지표의 변환 된 값을 대체하곤했습니다.
제 생각에는 APR
축하합니다 ;)
첫 번째 트릭 중 하나가 공개되었습니다.
제가 기억하는 한, 기간 대신 변동성 지표의 변환된 값으로 대체했습니다.
아마 APAC
축하합니다! 이 칩은 "적응형 필터링" "DSP" 이 칩은 약 70년 된 칩입니다.
축하합니다! 이 칩은 "적응형 필터링" "DSP" 이 칩은 약 70년 된 칩입니다.
늦었어.
이미 12년 전에 버렸어요.
두 개의 MA는 거북이 경주입니다.
보기에는 좋지만 사용하기에는 번거롭거든요.
;)한 파이썬 전문가로부터 R 코드로 이 질문을 받았습니다.
저는 웃음과 함께 약간의 충격을 받았습니다...
파이썬에서는 이렇게 문제를 해결하고.
그리고 R에서는 이렇게 해결됩니다.
말하자면, 어떤 언어는 데이터 작업을 위해 만들어졌고 어떤 언어는 그냥 잔디를 깎는 언어인지 차이를 느껴보세요.
파이썬 전문가로부터 R 코드에 대한 질문을 받았습니다.
웃음과 함께 약간의 충격을 받았습니다.....
파이썬에서 문제를 해결하는 방법은 다음과 같습니다.
그리고 R에서는 이렇게 합니다.
즉, 어떤 언어가 데이터와 함께 작동하도록 설계되었는지, 어떤 언어가 단지 잔디 깎는 기계인지 그 차이를 느껴보십시오.
MQL에서 문자열을 세지 않은 사람은 바로 여러분입니다 :-) 데이터와 함께 작동하도록 설계된 언어
MQL에서 문자열을 계산하지 않았습니다 :-) 데이터 작업을 위한 언어
나는 그것에 대해 생각하고 싶지도 않다 ))
MQL에서 문자열을 계산하지 않았습니다 :-) 데이터 작업을 위한 언어
MQL5의 표준 행렬 메서드의 새로운 기능에 대해 잘 모르실 뿐입니다:
파이썬 전문가로부터 다음과 같은 질문을 받았습니다.
웃음과 함께 약간의 충격을 받았습니다...
이것이 파이썬에서 문제를 해결하는 방법입니다.
그리고 R에서는 이렇게 합니다.
즉, 어떤 언어가 데이터와 함께 작동하도록 설계되었는지 차이를 느껴보세요.
가장 중요한 것은 웃고 난 후 쓴 뒷맛이 남지 않는다는 것입니다.
넘피를 사용하면 더 짧아집니다. 의미 있는 일을 하세요.
의미 있는 일을 하세요.