또다시 무의미한 논쟁에 휘말릴 위험이 있습니다. 무작위로 발견한 집합과 가장 힘든 정신적 고통을 겪으면서도 근본적인 정당성 없이 발명된 집합의 차이점은 무엇일까요? 검증 방법이 동일한 경우. 수사학적 질문입니다.
무작위 검색과 무작위 선택 요소가 있는 검색의 차이점은 무엇인가요? ))
규칙 위반을 탐지하는 것이 목표이며, 이를 위해서는 규칙 위반이 올바른 형태로 나타나는지 알아야 합니다. 즉, 어떤 통계적 설명적 특징이 실제로 패턴임을 나타낼 수 있는지 알아야 합니다. 이를 알고 있다면 이러한 규칙에서 벗어나는 것은 모델을 멈추라는 신호가 될 것입니다.
그리고 이러한 규칙으로 모델을 조립하는 것이 순수한 무작위성을 조립하는 것보다 여전히 더 안정적인 솔루션으로 보입니다.
주요 수익을 제공하는 몇 가지 규칙이 랜덤에 포함될 수 있지만 시장은 잠시 잊어버릴 수 있습니다. 랜덤을 사용하면 하락이 시작될 때 당황하여 모델을 끌 가능성이 더 높지만 제가 제안하는 접근 방식을 사용하면 규칙의 순서가 변경 될 때까지 기다리면 하락을 정상적인 현상으로 인식 할 수 있습니다.
그리고 위에서 설명한 효과는 제가 만든 gif에서 명확하게 볼 수 있는데, 한 경우에는 샘플 테스트가 플러스이고 다른 경우에는 규칙이 모두 샘플 열차에서 가져 왔지만 (규칙) 모양이 시간이 균일하지 않습니다.
이 접근 방식의 장점은 이상적으로는 시험 샘플링을 완전히 피하는 것입니다.
대안으로 심층 모델 추정이 있을 수 있으며, 이 방향에 대한 연구도 일부 진행 중입니다.
결과적으로 무작위 모델만 사용합니다:
1. 왜 효과가 있는지 알 수 없습니다.
2. 작동을 멈춘 이유를 알 수 없습니다.
3. 어떻게 '수정'해야 할지 모릅니다.
4. 거래를 중단해야 할 때인지 모르겠습니다.
5. 무작위 모델에 잘못된 규칙이 포함되어 있어 수명이 짧아집니다.
무작위 추출에서 저는 개인적으로 다음과 같은 결과를 얻습니다. 100 개의 모델 중 30 개 중 30 개가 수익성있는 영역에서 반년 이내에 약 10 개가 선택됩니다. 적어도 50 %에서 50 %를 원하면 파트 프로필을 만들 수 있습니다.
예를 들어, 샘플에 대한 목표 바이너리를 생성하고 다른 예측자에 대해 내 기술로 양자 세그먼트가 얼마나 자주 발견되는지 10회 정도 확인해야 한다고 가정해 보겠습니다.
양자 세그먼트의 수가 모든 예측자에 대해 평균적으로 지금과 거의 같은 수로 발견되면 방법이 작동하지 않는 것이므로 생각을 올바르게 이해하고 있습니까?
예, 요점은 분명히 무의미한 많은 문제에 대해 절차를 여러 번 반복하는 것입니다. 그런 다음 특정 실제 데이터에 대한 적용이 그들과 비교하여 어떻게 보이는지 확인하십시오. 크게 눈에 띄지 않는다면 방법이 잘못된 것입니다. 일반적으로 방법을 적용할 때마다 몇 가지 숫자를 세고 샘플을 그려서 공식화한 다음 실제 데이터에서 계산된 숫자가 꼬리에 해당하는지 확인하고, 그렇다면 괜찮습니다.
이 기능을 사용한 적이 없습니다.
이 기능 때문인가요?
예
예
예를 들어 샘플에 대한 목표 바이너리를 생성하고 다른 예측자에 대해 내 방법으로 양자 세그먼트가 얼마나 자주 발견되는지 10회 정도 확인해야 한다고 가정해 보겠습니다.
양자 세그먼트의 수가 모든 예측자에 대해 평균적으로 지금과 거의 같은 수로 발견되면 방법이 작동하지 않는 것이므로 생각을 올바르게 이해 했습니까?
꼬리 및 시리즈의 다른 매개 변수는 동일하게 유지됩니다. 그게 장점이라고 생각합니다.
또다시 무의미한 논쟁에 휘말릴 위험이 있습니다. 무작위로 발견한 집합과 가장 힘든 정신적 고통을 겪으면서도 근본적인 정당성 없이 발명된 집합의 차이점은 무엇일까요? 검증 방법이 동일한 경우. 수사학적 질문입니다.
무작위 검색과 무작위 선택 요소가 있는 검색의 차이점은 무엇인가요? ))규칙 위반을 탐지하는 것이 목표이며, 이를 위해서는 규칙 위반이 올바른 형태로 나타나는지 알아야 합니다. 즉, 어떤 통계적 설명적 특징이 실제로 패턴임을 나타낼 수 있는지 알아야 합니다. 이를 알고 있다면 이러한 규칙에서 벗어나는 것은 모델을 멈추라는 신호가 될 것입니다.
그리고 이러한 규칙으로 모델을 조립하는 것이 순수한 무작위성을 조립하는 것보다 여전히 더 안정적인 솔루션으로 보입니다.
주요 수익을 제공하는 몇 가지 규칙이 랜덤에 포함될 수 있지만 시장은 잠시 잊어버릴 수 있습니다. 랜덤을 사용하면 하락이 시작될 때 당황하여 모델을 끌 가능성이 더 높지만 제가 제안하는 접근 방식을 사용하면 규칙의 순서가 변경 될 때까지 기다리면 하락을 정상적인 현상으로 인식 할 수 있습니다.
그리고 위에서 설명한 효과는 제가 만든 gif에서 명확하게 볼 수 있는데, 한 경우에는 샘플 테스트가 플러스이고 다른 경우에는 규칙이 모두 샘플 열차에서 가져 왔지만 (규칙) 모양이 시간이 균일하지 않습니다.
이 접근 방식의 장점은 이상적으로는 시험 샘플링을 완전히 피하는 것입니다.
대안으로 심층 모델 추정이 있을 수 있으며, 이 방향에 대한 연구도 일부 진행 중입니다.
결과적으로 무작위 모델만 사용합니다:
1. 왜 효과가 있는지 알 수 없습니다.
2. 작동을 멈춘 이유를 알 수 없습니다.
3. 어떻게 '수정'해야 할지 모릅니다.
4. 거래를 중단해야 할 때인지 모르겠습니다.
5. 무작위 모델에 잘못된 규칙이 포함되어 있어 수명이 짧아집니다.
무작위 추출에서 저는 개인적으로 다음과 같은 결과를 얻습니다. 100 개의 모델 중 30 개 중 30 개가 수익성있는 영역에서 반년 이내에 약 10 개가 선택됩니다. 적어도 50 %에서 50 %를 원하면 파트 프로필을 만들 수 있습니다.
열을 대상 열과 혼합하는 것만으로 충분하지 않을까요?
꼬리 및 시리즈의 다른 매개 변수는 동일하게 유지됩니다. 그게 장점이라고 생각합니다.
자세히 설명해 주실 수 있나요?
질문은 수사학적인 질문이었습니다
여러분은 제가 설명하는 내용을 이해할 필요가 없으므로 다시 설명하는 데 에너지를 낭비하고 싶지 않습니다. 다른 접근 방식으로 결과의 정체성에 대한 의견을 유지하세요.
여러분은 제가 설명하는 내용을 이해할 필요가 없으므로 반복적인 설명에 에너지를 낭비하고 싶지 않습니다. 다른 접근 방식에서 결과의 정체성에 대한 의견을 유지하십시오.
예를 들어, 샘플에 대한 목표 바이너리를 생성하고 다른 예측자에 대해 내 기술로 양자 세그먼트가 얼마나 자주 발견되는지 10회 정도 확인해야 한다고 가정해 보겠습니다.
양자 세그먼트의 수가 모든 예측자에 대해 평균적으로 지금과 거의 같은 수로 발견되면 방법이 작동하지 않는 것이므로 생각을 올바르게 이해하고 있습니까?
예, 요점은 분명히 무의미한 많은 문제에 대해 절차를 여러 번 반복하는 것입니다. 그런 다음 특정 실제 데이터에 대한 적용이 그들과 비교하여 어떻게 보이는지 확인하십시오. 크게 눈에 띄지 않는다면 방법이 잘못된 것입니다. 일반적으로 방법을 적용할 때마다 몇 가지 숫자를 세고 샘플을 그려서 공식화한 다음 실제 데이터에서 계산된 숫자가 꼬리에 해당하는지 확인하고, 그렇다면 괜찮습니다.
보라, 오리지널 시리즈의 패턴이 주어지지 않으면 힐베르트의 길은 당신의 소중한 목표에 도달하지 못할 것입니다. 당신의 노력은 악마로 변할 것이고, 낙원 대신 불명예스러운 학살을 발견하게 될 것입니다.
종파주의자들의 문제는 그들의 종교적 교리를 시험하는 것에 대한 두려움입니다.
항상 많은 패턴이 있습니다 - 문제는 올바른 선택입니다.