아니 왜 나무를 많이 찍어서.. 10등으로 정상적으로 답을 줬다(몇개 넣었는지 기억이 안난다)
500은 모든 데이터 세트에 충분합니다.
그렇다면 왜 분수에 대한 그러한 오류가 있었습니까? .. 이상하다. 기계가 정확히 학습할 수 있을 거라고 예상했다.. 패턴의 경우(Forex에서) 모양이 모호하지 않은 것과는 거리가 멀다는 사실(구구단에서와 같이)이 좋은 것으로 밝혀졌습니다. 60%의 경우에 공정한 예측을 얻는다면.
아나톨리 자인치코프스키 : 그렇다면 왜 분수에 대한 그러한 오류가 있었습니까? .. 이상하다. 기계가 정확히 학습할 수 있을 거라고 예상했다.. 패턴의 경우(Forex에서) 모양이 모호하지 않은 것과는 거리가 멀다는 사실(구구단에서와 같이)이 좋은 것으로 밝혀졌습니다. 60%의 경우에 공정한 예측을 얻는다면.
r 매개변수가 낮기 때문에 오류가 발생했습니다. 즉, 예제의 절반만 훈련에 사용되었고 이 절반은 트리의 절반에 대해 훈련되었음을 의미합니다. :) 거기에는 몇 가지 예제가 있습니다.
그것은 정확히 r ~ 1을 넣을 필요가 있습니다. 유사 정규화 및 out of bag 샘플에 대한 테스트에 사용
이 메커니즘을 구성할 수 있어야 한다는 것뿐입니다. 포리스트의 경우 2개의 설정만 얻습니다.
또한 NS(RF)는 curculator가 아니지만 f-th에 가깝고 많은 문제의 경우 정확도가 너무 높으면 좋은 것보다 훨씬 더 나쁘다는 것을 이해해야 합니다.
아나톨리 자인치코프스키 : 즉, r이 1로 설정되면 모든 예제에서 훈련됩니다. 원칙적으로 이것이 필요한 것입니다. 그렇지 않으면 왜 예를 수집하고 보여줄 필요가 있었습니까? 다음은 앞으로의 확인이 어떻게 될 것인지입니다.
어쨌든, 전혀, 모든 표시가 사용되는 것은 아니므로 일반적으로 모든 사람을 위한 모델의 수정이 있으며, 여기서 모든 것을 설정할 수 있습니다. 그러나 이것은 더 이상 권장되지 않습니다. 숲은 어리석게도 모든 옵션을 기억할 것입니다.
설정 선택은 종종 주관적인 일이므로 실험이 필요합니다.
1보다 작으면 나머지 파이머에서 모델의 유효성을 검사합니다(모델은 훈련 세트에 속하지 않는 데이터에 대해 평가됨). 고전에 따르면 r은 0.67로 설정되고 나머지 33%에서 검증됩니다. 물론 이것은 큰 샘플에 해당되며 곱셈표와 같이 작은 샘플의 경우에는 의미가 없으므로 1을 넣는 것이 좋습니다.
약간의 데이터 마이닝. 특성 선택은 Chi^2 + KBest, RFE(재귀적 특성 제거) + (SGDClassifier, RidgeClassifier), L2(Ridge, RidgeClassifier), L1(올가미)을 통해 수행되었습니다. 릿지 정규화는 보다 정상적인 결과를 제공합니다. 몇 가지 차트:
RFE + 릿지 및 SGD
능선 회귀자(L2)
능선 분류기(L2)
이 파일에는 매개변수 값 테이블과 기능 선택에 따른 선택 항목이 포함되어 있습니다.
가장 중요한 계수는 다음과 같습니다.
10, 11 - 종가, 델타(시가-종가)
18-20 - 파생상품 고가, 저가, 종가
24 - 로그 파생물 닫기
29, 30 - 로우스
33 - 마감 종료 - Lowess
35 - EMA 26(13 옵션)
40 - 파생상품 EMA 13
추신. 테이블의 Ridge Classifier 행은 단일 클래스를 기반으로 하며 다른 클래스에 대한 매개변수 종속성을 반영하지 않습니다. 스크립트에 대한 링크 .
В данной статье, обсудим начало экспериментов с созданием нейронной сети, которая оптимальным образом подходила бы для работы на валютном рынке. Основной недостаток классических НС заключается в их статической/статистической природе, когда модель обучается на исторических данных и, впоследствии, рыночные закономерности меняются, а нейросеть...
아니 왜 나무를 많이 찍어서.. 10등으로 정상적으로 답을 줬다(몇개 넣었는지 기억이 안난다)
500은 모든 데이터 세트에 충분합니다.
그렇다면 왜 분수에 대한 그러한 오류가 있었습니까? .. 이상하다. 기계가 정확히 학습할 수 있을 거라고 예상했다.. 패턴의 경우(Forex에서) 모양이 모호하지 않은 것과는 거리가 멀다는 사실(구구단에서와 같이)이 좋은 것으로 밝혀졌습니다. 60%의 경우에 공정한 예측을 얻는다면.
r 매개변수가 낮기 때문에 오류가 발생했습니다. 즉, 예제의 절반만 훈련에 사용되었고 이 절반은 트리의 절반에 대해 훈련되었음을 의미합니다. :) 거기에는 몇 가지 예제가 있습니다.
그것은 정확히 r ~ 1을 넣을 필요가 있습니다. 유사 정규화 및 out of bag 샘플에 대한 테스트에 사용
이 메커니즘을 구성할 수 있어야 한다는 것뿐입니다. 포리스트의 경우 2개의 설정만 얻습니다.
또한 NS(RF)는 curculator가 아니지만 f-th에 가깝고 많은 문제의 경우 정확도가 너무 높으면 좋은 것보다 훨씬 더 나쁘다는 것을 이해해야 합니다.
네트워크의 회귀/예측이 기록에서 유사한 사이트/패턴에 대한 검색(3개월 전에 수행됨)과 거의 동일할 것 같아 걱정입니다.
r 매개변수가 낮기 때문에 오류가 발생했습니다. 즉, 예제의 절반만 훈련에 사용되었고 이 절반은 트리의 절반에 대해 훈련되었음을 의미합니다. :) 거기에는 몇 가지 예제가 있습니다.
그것은 정확히 r ~ 1을 넣을 필요가 있습니다. 유사 정규화 및 out of bag 샘플에 대한 테스트에 사용
이 메커니즘을 구성할 수 있어야 한다는 것뿐입니다. 포리스트의 경우 2개의 설정만 얻습니다.
즉, r이 1로 설정되면 모든 예제에서 훈련됩니다. 원칙적으로 이것이 필요한 것입니다. 그렇지 않으면 왜 예를 수집하고 보여줄 필요가 있었습니까? 다음은 앞으로의 확인이 어떻게 될 것인지입니다.
어쨌든, 전혀, 모든 표시가 사용되는 것은 아니므로 일반적으로 모든 사람을 위한 모델의 수정이 있으며, 여기서 모든 것을 설정할 수 있습니다. 그러나 이것은 더 이상 권장되지 않습니다. 숲은 어리석게도 모든 옵션을 기억할 것입니다.
설정 선택은 종종 주관적인 일이므로 실험이 필요합니다.
1보다 작으면 나머지 파이머에서 모델의 유효성을 검사합니다(모델은 훈련 세트에 속하지 않는 데이터에 대해 평가됨). 고전에 따르면 r은 0.67로 설정되고 나머지 33%에서 검증됩니다. 물론 이것은 큰 샘플에 해당되며 곱셈표와 같이 작은 샘플의 경우에는 의미가 없으므로 1을 넣는 것이 좋습니다.
어쨌든, 전혀, 모든 표시가 사용되는 것은 아니므로 일반적으로 모든 사람을 위한 모델의 수정이 있으며, 여기서 모든 것을 설정할 수 있습니다. 그러나 이것은 더 이상 권장되지 않습니다. 숲은 어리석게도 모든 옵션을 기억할 것입니다.
설정 선택은 종종 주관적인 일이므로 실험이 필요합니다.
1보다 작으면 나머지 파이머에서 모델의 유효성을 검사합니다(모델은 훈련 세트에 속하지 않는 데이터에 대해 평가됨). 고전에 따르면 r은 0.67로 설정되고 나머지 33%에서 검증됩니다.
기능 선택
약간의 데이터 마이닝. 특성 선택은 Chi^2 + KBest, RFE(재귀적 특성 제거) + (SGDClassifier, RidgeClassifier), L2(Ridge, RidgeClassifier), L1(올가미)을 통해 수행되었습니다. 릿지 정규화는 보다 정상적인 결과를 제공합니다.
몇 가지 차트:
RFE + 릿지 및 SGD
능선 회귀자(L2)
능선 분류기(L2)
이 파일에는 매개변수 값 테이블과 기능 선택에 따른 선택 항목이 포함되어 있습니다.
가장 중요한 계수는 다음과 같습니다.
- 10, 11 - 종가, 델타(시가-종가)
- 18-20 - 파생상품 고가, 저가, 종가
- 24 - 로그 파생물 닫기
- 29, 30 - 로우스
- 33 - 마감 종료 - Lowess
- 35 - EMA 26(13 옵션)
- 40 - 파생상품 EMA 13
추신. 테이블의 Ridge Classifier 행은 단일 클래스를 기반으로 하며 다른 클래스에 대한 매개변수 종속성을 반영하지 않습니다.스크립트에 대한 링크 .
새로운 네트워크 다이어그램을 그렸습니다. 이것이 첫 번째 설명입니다. 속편이 있을 것입니다(희망)
https://rationatrix.blogspot.ru/2018/01/blog-post.html
새로운 네트워크 다이어그램을 그렸습니다. 이것이 첫 번째 설명입니다. 속편이 있을 것입니다(희망)
https://rationatrix.blogspot.ru/2018/01/blog-post.html
그리고 첫글이 삭제된거 같은데요. 그는 도표를 블로그에 올렸습니다. =)