그냥 당신이 여기에서 처음이고 저를 모르는 것일 수도 있습니다. 나는 또한 일반적으로 AI를하고 있습니다. .... 그래서 당신은 왜 이러는 ... tony.. 여기에서 ... :- )
나는 원칙적으로 친절하고 여기에서 하는 모든 것은 데이터가 가격의 이유일 때만 작동합니다. 그런 다음 모든 TS는 예측보다 최소 1, 최소 15바 앞의 강타와 함께 작동합니다(물론 15는 1보다 나쁠 것이지만 요점은 아닙니다). NOT 에센스... 에센스... OI가 있는 RTS 인덱스. 볼륨감으로.... 그리고 문제는 해결되었습니다. ANY, 심지어 예측, 심지어 분류까지.
그리고 회귀의 대상은 연속곡선이고 분류의 경우 충동은 (0, 1) 또는 (-1, +1)입니다.
그런 다음 이 출력은 해당 클래스로 전송됩니다(ifelse(y > 0.5, 1, 0).
1) 클래스로의 번역은 항상 범위의 중간에서 이루어지나요? 2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지(k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률이 동일함)?
이렇게 분류가 잘 됩니다. 클래스마다 별도의 출구가 할당됩니다. 손실 함수는 교차 엔트로피 훈련에 사용됩니다. 가르칠 때, 1은 하나의 클래스에만 할당될 수 있습니다. 클래스 없음 신호를 제공해야 합니다. 예를 들어, 사고, 팔고, 아무것도 하지 마십시오. 이들은 별도의 클래스입니다. 모든 값을 하나의 출력에 공급하는 것은 하나의 뉴런이 10개의 클래스를 분리하는 방법을 배우지 못할 수 있기 때문에 비효율적입니다.
도서관 : 1) 클래스로의 번역은 항상 범위의 중간에서 이루어지나요? 2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지 (k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률은 동일함)
R에서는 일반적으로 분류를 위해 결과 변형이 가능합니다.
클래스 값
클래스 확률
"클래스 확률" 모드를 설정하고 클래스를 독립적으로 계산합니다(예: 반 또는 30/70). 그리고 당신은 이것을 할 수 있습니다: 30% 미만은 하나의 클래스이고 70% 이상은 다른 클래스이며 그 사이의 격차는 NA와 같습니다.
도서관 : 1) 클래스로의 번역은 항상 범위의 중간에서 이루어지나요? 2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지(k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률이 동일함)?
우리는 두 가지 클래스에 대해 이야기하고 있습니다. 연속 분류기 출력은 임계값을 사용하여 클래스 레이블로 변환될 수 있습니다.
일반적으로 분류기는 연속 수치 변수(지원 정도)를 출력합니다. 주어진 입력 X에 대한 지원 정도는 여러 가지 방식으로 해석될 수 있으며, 가장 일반적인 두 가지는 제공된 레이블에 대한 신뢰도와 클래스에 대한 가능한 확률 추정치입니다. 모델 클래스의 확률은 좋지 않으므로 일반적으로 보정해야 합니다. calibration::CORElearn을 참조하십시오. 클래스 확률에 가장 가까운 것은 softmax 활성화 함수 이후의 출력입니다.
그래서 뭐??? 도우미가 있습니까?
무슨 주제???? 내 친구... 누구세요???
그냥 당신이 여기에서 처음이고 저를 모르는 것일 수도 있습니다. 나는 또한 일반적으로 AI를하고 있습니다. .... 그래서 당신은 왜 이러는 ... tony.. 여기에서 ... :- )
나는 원칙적으로 친절하고 여기에서 하는 모든 것은 데이터가 가격의 이유일 때만 작동합니다. 그런 다음 모든 TS는 예측보다 최소 1, 최소 15바 앞의 강타와 함께 작동합니다(물론 15는 1보다 나쁠 것이지만 요점은 아닙니다). NOT 에센스... 에센스... OI가 있는 RTS 인덱스. 볼륨감으로.... 그리고 문제는 해결되었습니다. ANY, 심지어 예측, 심지어 분류까지.
무슨 말을 하고 싶었어??? 당신의 자신의 말로, 내 사랑 ...
:디
이제 나는 말하고 싶습니다 - 당신은 ...에 갔다, 내 사랑. 고맙습니다.
바로, 저번에도 이번에도 아무 말도 하지 않은 채 허공에 방귀를 뀌는 듯이...... 그런 대화는 필요 없다. 실례합니다....
역설적이지는 않지만 분류는 동일한 회귀입니다.
회귀의 경우에만 출력이 실수이고 분류의 경우 확률입니다.
그리고 회귀의 대상은 연속곡선이고 분류의 경우 충동은 (0, 1) 또는 (-1, +1)입니다.
그런 다음 이 출력은 해당 클래스로 전송됩니다(ifelse(y > 0.5, 1, 0).
2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지(k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률이 동일함)?
이렇게 분류가 잘 됩니다. 클래스마다 별도의 출구가 할당됩니다. 손실 함수는 교차 엔트로피 훈련에 사용됩니다. 가르칠 때, 1은 하나의 클래스에만 할당될 수 있습니다. 클래스 없음 신호를 제공해야 합니다. 예를 들어, 사고, 팔고, 아무것도 하지 마십시오. 이들은 별도의 클래스입니다. 모든 값을 하나의 출력에 공급하는 것은 하나의 뉴런이 10개의 클래스를 분리하는 방법을 배우지 못할 수 있기 때문에 비효율적입니다.
파생상품은 추세의 방향을 보여줍니다. 2 MA의 도함수와 그 차이 는 시스템의 상태를 완전히 설명합니다. 스레드를 직접 요청하셨습니다.) 그러면 국회에서 알아서 해결합니다.
그러나 그것은 당신에게 달려 있습니다.)
2개의 틱의 파생물과 그 차이는 4개의 막대에만 의존하며 시스템의 상태를 설명할 수 없습니다.
1) 클래스로의 번역은 항상 범위의 중간에서 이루어지나요?
2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지 (k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률은 동일함)
R에서는 일반적으로 분류를 위해 결과 변형이 가능합니다.
"클래스 확률" 모드를 설정하고 클래스를 독립적으로 계산합니다(예: 반 또는 30/70). 그리고 당신은 이것을 할 수 있습니다: 30% 미만은 하나의 클래스이고 70% 이상은 다른 클래스이며 그 사이의 격차는 NA와 같습니다.
1) 클래스로의 번역은 항상 범위의 중간에서 이루어지나요?
2) 그리고 3개의 클래스가 -1,0,1인 경우(매도, 대기, 매수). 0.5로 변환(k=0;if(y<-0.5)k=-1; if(y>0.5)k=1;클래스 사이, 하지만 클래스 0의 확률은 1 또는 -1의 두 배임) 또는 0.33까지(k=0;if(y<-0.33)k=-1; if(y>0.33)k=1; 모든 클래스의 확률이 동일함)?
우리는 두 가지 클래스에 대해 이야기하고 있습니다. 연속 분류기 출력은 임계값을 사용하여 클래스 레이블로 변환될 수 있습니다.
두 가지 가능한 결과가 있습니다.
일반적으로 분류기는 연속 수치 변수(지원 정도)를 출력합니다. 주어진 입력 X에 대한 지원 정도는 여러 가지 방식으로 해석될 수 있으며, 가장 일반적인 두 가지는 제공된 레이블에 대한 신뢰도와 클래스에 대한 가능한 확률 추정치입니다. 모델 클래스의 확률은 좋지 않으므로 일반적으로 보정해야 합니다. calibration::CORElearn을 참조하십시오. 클래스 확률에 가장 가까운 것은 softmax 활성화 함수 이후의 출력입니다.
행운을 빕니다