솔직히 말해서, 나는 그것이 어떻게 작동하는지조차 모릅니다. 저는 다음과 같이 생각합니다. 샘플은 테스트 및 교육의 두 부분으로 나뉩니다. 하나의 그리드는 한 사이트에서 학습하고 두 번째 사이트에서 테스트됩니다. 반대로 다른 하나는 두 번째에 대해 연구하고 첫 번째에 훈련을 받은 다음 결과를 합산하여 전체 결과를 계산합니다. 이와 같은 IMHO
이 기술은 모든 기계에 적용됩니다. 학습. 엠비. 주제에 맥심?
그리고 Reshetov Classifier와 그 프로그램에서 여전히 네트워크가 아니라 하나의 뉴런입니까? 아니면 그들은 Reshetovskh 뉴런의 네트워크로 통합되어 있습니까?
하지만 모두에게 호소하고 싶습니다. 05.29 이후 빅 세트에 데이터가 없습니다. 즉, 그를 완전히 훈련시키고 모델을 얻은 다음 MKUL에 모델을 업로드하고 이 2주 동안 어떻게 작동하는지 확인할 수 있습니다. 이것은 모델의 성능 지표가 됩니다. 즉, 최소의 손실로 더 많은 이득을 얻는 모델이 승리합니다. 나는 단축 세트를 최적화했고 모델은 다음과 같이 작동했습니다.
그리고 나는 그의 웹 사이트에 대한 링크를 버렸습니다. 모델에 대한 설명이 있습니다. 어떻게 특성화해야 할지 모르겠는데, 핵기계+벡터기계라고 써있습니다. MT5 버전 + 옵티마이저에서 가중치 선택이 아닌 상대와의 훈련보다 모든 것이 더 복잡하지만 출력은 여전히 각 예측 변수에 대해 동일한 가중치입니다.
자, 이제 조금 꿈을 꾸고 최적화를 위한 100개의 코어가 있는 머신이 있고 452개의 행과 전체 열 세트가 있는 전체 데이터 세트를 시작했으며 합리적인 시간에 최적화 프로그램이 우리를 위해 모든 것을 계산했다고 상상해 봅시다. 모델 ????
음, 첫째, 10-12개 이상의 입력 변수가 있을 것이고 다항식의 크기는 상당히 클 것입니다. 이것은 그것이 말하는 것입니다. 모델이 다중 매개변수라는 점은 많은 시장 요인을 고려하는 것입니다(원칙적으로 하나의 틱을 기반으로 시장을 예측하는 것은 우스꽝스럽기 때문에 관련이 있습니다(예를 들어)). 다항식의 길이는 모델이 다음을 나타냅니다. 매우 유연합니다. 결과적으로 이러한 모델은 균형 곡선이 급격한 점프와 골 없이 45도 각도로 위쪽을 향할 때 적절한 품질 수준으로 오랫동안 작동합니다. 글쎄요, 꿈이 아닌가요?
그리고 큰 세트에 관해서는 6월 선물 계약 전체가 거기에서 징수된다고 말할 것입니다. 다시 말해, 해당 데이터에 대한 모델을 훈련하고 좋은 훈련 및 테스트 점수를 얻으면 해당 모델은 전체 선물 계약을 학습했기 때문에 남은 수명 동안 지속됩니다. 다음 계약은 출력과 입력 IMHO 간의 관계 측면에서 정확히 동일합니다. 일종의 성배 형태로, 오류가 있지만 오랫동안 작동합니다. 그리고 적절한 수준의 품질로 연간 데이터에 대해 네트워크를 훈련하면 그리드 시장이 알려질 것이라고 생각하십시오. 이 같은....
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
파일을 보니 8개의 계수가 입력되어 있습니다. 이것은 2 3 입니다. 3개의 입력으로 작동하는 뉴런이 있습니다. 나는 당신의 프로그램이 이 뉴런에 적용할 100개의 입력 중 3개를 며칠 동안 고려한다고 믿습니다. 나는 거기에서 뉴런이 적어도 10개의 입력으로 확장되었다고 생각했습니다...
나는 단축 버전이 있습니다. 이것은 세트이며 결과는 조금 더 높게 게시했습니다.
그러나 다시 거의 하루 동안 최적화되었습니다.
중요도 평가 결과는 다음과 같다. 표의 예측 변수는 높을수록 좋습니다. VVolum6, VDel1, VVolum9, VQST10만 테스트를 통과했습니다.
래틀에서는 이 4개의 예측 변수에 대해 한 번에 6개의 모델을 구축할 수 있으며 SVM은 검증 및 테스트 데이터에서 약 55%의 정확도를 보여줍니다. 나쁘지 않다.
원본 파일을 받을 수 있나요? 이 결과를 내 접근 방식과 비교하고 싶습니다.
55% 결과는 이 6가지 예측 변수에 대해 매우 나쁨
원본 파일을 받을 수 있나요? 이 결과를 내 접근 방식과 비교하고 싶습니다.
55% 결과는 이 6가지 예측 변수에 대해 매우 나쁨
그러나 다시 거의 하루 동안 최적화되었습니다.
어 ... 아니요, 15분 동안 무언가가 필요합니다 :) 그러면 예측 변수의 절반을 삭제하겠습니다.
솔직히 말해서, 나는 그것이 어떻게 작동하는지조차 모릅니다. 저는 다음과 같이 생각합니다. 샘플은 테스트 및 교육의 두 부분으로 나뉩니다. 하나의 그리드는 한 사이트에서 학습하고 두 번째 사이트에서 테스트됩니다. 반대로 다른 하나는 두 번째에 대해 연구하고 첫 번째에 훈련을 받은 다음 결과를 합산하여 전체 결과를 계산합니다. 이와 같은 IMHO
이 기술은 모든 기계에 적용됩니다. 학습.
엠비. 주제에 맥심?
그리고 Reshetov Classifier와 그 프로그램에서 여전히 네트워크가 아니라 하나의 뉴런입니까? 아니면 그들은 Reshetovskh 뉴런의 네트워크로 통합되어 있습니까?
하지만 모두에게 호소하고 싶습니다. 05.29 이후 빅 세트에 데이터가 없습니다. 즉, 그를 완전히 훈련시키고 모델을 얻은 다음 MKUL에 모델을 업로드하고 이 2주 동안 어떻게 작동하는지 확인할 수 있습니다. 이것은 모델의 성능 지표가 됩니다. 즉, 최소의 손실로 더 많은 이득을 얻는 모델이 승리합니다. 나는 단축 세트를 최적화했고 모델은 다음과 같이 작동했습니다.
귀하의 모델이 이 분야에서 어떻게 수행하는지 봅시다????
어 ... 아니요, 15분 동안 무언가가 필요합니다 :) 그러면 예측 변수의 절반을 삭제하겠습니다.
그럼 del, vdel, volun, vvolum을 떠나십시오.
이 기술은 모든 기계에 적용됩니다. 학습.
엠비. 주제에 맥심?
그리고 나는 그의 웹 사이트에 대한 링크를 버렸습니다. 모델에 대한 설명이 있습니다. 어떻게 특성화해야 할지 모르겠는데, 핵기계+벡터기계라고 써있습니다. MT5 버전 + 옵티마이저에서 가중치 선택이 아닌 상대와의 훈련보다 모든 것이 더 복잡하지만 출력은 여전히 각 예측 변수에 대해 동일한 가중치입니다.
자, 이제 조금 꿈을 꾸고 최적화를 위한 100개의 코어가 있는 머신이 있고 452개의 행과 전체 열 세트가 있는 전체 데이터 세트를 시작했으며 합리적인 시간에 최적화 프로그램이 우리를 위해 모든 것을 계산했다고 상상해 봅시다. 모델 ????
음, 첫째, 10-12개 이상의 입력 변수가 있을 것이고 다항식의 크기는 상당히 클 것입니다. 이것은 그것이 말하는 것입니다. 모델이 다중 매개변수라는 점은 많은 시장 요인을 고려하는 것입니다(원칙적으로 하나의 틱을 기반으로 시장을 예측하는 것은 우스꽝스럽기 때문에 관련이 있습니다(예를 들어)). 다항식의 길이는 모델이 다음을 나타냅니다. 매우 유연합니다. 결과적으로 이러한 모델은 균형 곡선이 급격한 점프와 골 없이 45도 각도로 위쪽을 향할 때 적절한 품질 수준으로 오랫동안 작동합니다. 글쎄요, 꿈이 아닌가요?
그리고 큰 세트에 관해서는 6월 선물 계약 전체가 거기에서 징수된다고 말할 것입니다. 다시 말해, 해당 데이터에 대한 모델을 훈련하고 좋은 훈련 및 테스트 점수를 얻으면 해당 모델은 전체 선물 계약을 학습했기 때문에 남은 수명 동안 지속됩니다. 다음 계약은 출력과 입력 IMHO 간의 관계 측면에서 정확히 동일합니다. 일종의 성배 형태로, 오류가 있지만 오랫동안 작동합니다. 그리고 적절한 수준의 품질로 연간 데이터에 대해 네트워크를 훈련하면 그리드 시장이 알려질 것이라고 생각하십시오. 이 같은....
네, 그렇습니다. 이전 버전과 기본 접근 방식만 있습니다. 그러나 실습에서 알 수 있듯이 2격자 접근 방식은 일반화 능력을 크게 향상시킵니다. 옵티마이저의 작업 결과는 다음 파일입니다. 여기에서 두 개의 그리드를 볼 수 있으며 각 그리드에는 자체 정규화가 있으며 결과는 맨 마지막에 결합됩니다.
그래서 Reshetov는 정상적인 제품을 만들었습니다. 헛된 당신은 그를 정직하다고 비난했습니다 ......
파일을 보니 8개의 계수가 입력되어 있습니다. 이것은 2 3 입니다. 3개의 입력으로 작동하는 뉴런이 있습니다. 나는 당신의 프로그램이 이 뉴런에 적용할 100개의 입력 중 3개를 며칠 동안 고려한다고 믿습니다. 나는 거기에서 뉴런이 적어도 10개의 입력으로 확장되었다고 생각했습니다...
getBinaryClassificator1(x0, x1, x2, x3, x4, x5, x6, x7);