문제없이 Python으로 전환하고 예제를 해결하려면 Google colaboratory를 권장합니다.
"동전 변경"의 경우 내가 이해하는 한 조건부 확률(연속성의 흔적)을 사용할 수 있습니다. 이 확률은 한계 내에서 50/50으로 수렴되지만 현재 옵션이 있을 수 있습니다. 이것은 빈도 접근법(이전 분포와 사후 분포의 차이)과 대조되는 베이지안 접근법에 대한 것입니다. 이것은 본질적으로 하나의 방정식이 있지만 그것이 전부이지만 베이지안 통계에 익숙하지 않기 때문에 현재 이 책에서 일어나는 일에 대한 나의 겸손한 비전입니다. :)
그러나 이것을 사용하여 조건부 패턴을 검색할 가능성이 있다는 의심이 있습니다. 그리고 신경망은 일반화를 위한 것입니다.
적어도 그것이 내가 RL 도적에 추가하려고 하는 접근 방식입니다.
내가 달리고 있다면 정정해줘
파이썬을 기반으로 하는 Sagemath가 있습니다.
제한의 약 50/50, 나는 이것이 다른 방식으로 공식화될 수 있지만 동의합니다. 짧은 기간 동안 차트를 대칭 SB와 구별할 수 있는 간단한 모델을 찾고 싶습니다. 도적은 은닉 마르코프 모델처럼 과적합으로 이어질 만큼 충분히 복잡해 보입니다.
Bayesian에 대한 빈도 접근의 반대에주의를 기울이지 마십시오. 이론에서 상당히 공존합니다)
정규화를 위해 곱셈 테이블의 alglib에서 MLP를 확인했습니다. 흠... 정규화가 필요하지 않습니다. 이상합니다... 모든 것이 너무 간단하다는 것이 매우 이상합니다!
alglib의 그리드는 꽤 좋고 기적이 일어나지 않는다는 것은 분명하지만 앞으로는 다소 논리적 인 값을 보여줍니다 .... 모든 것이 너무 간단하다는 것이 매우 이상합니다! )))
추신: #define k 1이 뒤틀릴 수 있지만 0..1에서 무엇을 입력해야 하는지, 1..100에서 무엇을 입력해야 하는지, 여전히 꽤 잘 작동합니다.
글쎄, 숲은 거의 동일하게 계산하고 그것에 대한 곱셈 테이블도 던졌습니다. 큰 데이터 세트에서만 차이가 있을 것입니다. 신경망은 더 천천히 학습합니다.
MO에 대한 Kagi 차트 사용에 대한 귀하의 의견에 관심이 있습니다. 얼마나 자주 사용되며 얼마나 의미가 있다고 생각하십니까?
MO에 대한 Kagi 차트 사용에 대한 귀하의 의견에 관심이 있습니다. 얼마나 자주 사용되며 얼마나 의미가 있다고 생각하십니까?
이것은 Renko와 마찬가지로 어느 정도 가격 변동의 일반적인 지표 라고 생각합니다. 따라서 지연된 필터링된 데이터를 수신해야 하는 경우 MB가 합리적이지만 실제로는 크게 지연된 시장 정보를 수신하는 작업이 없을 가능성이 큽니다.
이것은 Renko와 마찬가지로 어느 정도 가격 변동의 일반적인 지표 라고 생각합니다. 따라서 지연된 필터링된 데이터를 수신해야 하는 경우에는 당연하지만 실제로는 크게 지연된 시장 정보를 수신하는 작업은 없을 가능성이 큽니다.
연습에 관한 것이 아닙니다. 이러한 차트는 시장과 "동전 행사" 사이에 일부 연결을 만듭니다.
조각별 고정 SB는 평면을 잘 모델링하지 않습니다. 모델의 명백한 발전은 조각별 동종 Markov 체인입니다. 훈련을 위해 MO를 사용하는 것이 가능합니다. 분명히 누군가가 비슷한 일을했지만 나는 아무것도 찾지 못했습니다.
MO에 대한 Kagi 차트 사용에 대한 귀하의 의견에 관심이 있습니다. 얼마나 자주 사용되며 얼마나 의미가 있다고 생각하십니까?
흠, 오늘 이 스레드에서 Renko 차트에서 훈련된 숲을 게시하려고 생각했습니다.
나는 사람들의 특정 범주에서 생각이 수렴되는 어딘가를 읽었습니다)))
흠, 오늘 이 스레드에서 Renko 차트에서 훈련된 숲을 게시하려고 생각했습니다.
나는 사람들의 특정 범주에서 생각이 수렴되는 어딘가를 읽었습니다)))
좋습니다. Renko 설정을 최적화하는 기능을 입력에 추가합니다.
그러나 일반적으로 로짓을 숲으로 변경하여 Weierstrass 그래프에 대한 도적의 예를 사용할 수 있습니다.문제없이 Python으로 전환하고 예제를 해결하려면 Google colaboratory를 권장합니다.
"동전 변경"의 경우 내가 이해하는 한 조건부 확률(연속성의 흔적)을 사용할 수 있습니다. 이 확률은 한계 내에서 50/50으로 수렴되지만 현재 옵션이 있을 수 있습니다. 이것은 빈도 접근법(이전 분포와 사후 분포의 차이)과 대조되는 베이지안 접근법에 대한 것입니다. 이것은 본질적으로 하나의 방정식이 있지만 그것이 전부이지만 베이지안 통계에 익숙하지 않기 때문에 현재 이 책에서 일어나는 일에 대한 나의 겸손한 비전입니다. :)
그러나 이것을 사용하여 조건부 패턴을 검색할 가능성이 있다는 의심이 있습니다. 그리고 신경망은 일반화를 위한 것입니다.
적어도 그것이 내가 RL 도적에 추가하려고 하는 접근 방식입니다.
내가 달리고 있다면 정정해줘
파이썬을 기반으로 하는 Sagemath가 있습니다.
제한의 약 50/50, 나는 이것이 다른 방식으로 공식화될 수 있지만 동의합니다. 짧은 기간 동안 차트를 대칭 SB와 구별할 수 있는 간단한 모델을 찾고 싶습니다. 도적은 은닉 마르코프 모델처럼 과적합으로 이어질 만큼 충분히 복잡해 보입니다.
Bayesian에 대한 빈도 접근의 반대에주의를 기울이지 마십시오. 이론에서 상당히 공존합니다)
내 생각에 패턴을 찾는 문제는 모두 동일한 비정상성에 있습니다.
월 100% 수익을 얻을 수 있습니다.
제로 가트, 맥스! Tse는 성배 이며 증분으로 숨겨집니다. 그는 쉽게 볼 수 없지만 100% 거기에 있습니다.