한 번에 4개의 매개변수 형식으로 보다 복잡한 방식으로 대상을 표현하려고 할 수 있습니다.
우리가 구매하기로 결정했다고 가정 해 봅시다 ...
그리드는 우리에게 단순히 구매하는 것이 아니라 판매하는 것을 알려줍니다.
하지만 말한다
얼마에 매수할지, 얼마에 마감할지, 몇시 이후에 얼마에 마감할지
손절매를 추가할 수 있나요
그런 정확하고 먼 예측은 내가 배우기 어려울 것 같다...
테이크 기준 - 이익 고정 포인트에 대한 다양한 옵션으로 분류할 생각이며 모델은 가장 가능성 있고 수익성 있는 것을 선택해야 합니다. 예, ZZ와 유사하지만 여기에서 정확도는 전체가 아닌 피크에 의해서만 선명해질 것입니다. 세그먼트와 모델은 주어진 지점의 각 막대에서 작동해야 하지만 이 지점은 포지션을 열 때 부터 가격의 모든 경로에서 발생하지 않습니다.
좋은 진입점은 손실을 최소화할 수 있는 곳입니다. SL 설정에 적합한 출구 지점을 즉시 아는 것이 중요합니다. SL이 일종의 레벨링 표시기에 연결되어 있으면 진입 지점을 찾고 걸러내기가 매우 쉽고 비슷하므로 훈련이 더 좋아야 합니다.
그런 다음 대상을 분류하려면? 나는 입구, SL, TP 및 마지막 열 +-1에 관한 테이블의 첫 번째 부분을 트랜잭션의 결과 로 남길 것입니다. 출구에 대한 정보를 제공하는 것은 가치가 없을 것입니다. 엿볼 수 있습니다.
무슨 엔진 말씀이신가요? 처음에는 스스로 작성한 무차별 대입 또는 유전학에서.
당신은 또한 회귀할 수 있습니다, 당신은 모델을 만들 수 있습니다. 제가 이해하는 한 그것이 단지 연구일 뿐입니다. 그러나 품질 평가가 더 어렵습니다. 계획에서 벗어난 것을 평가해야 할 것입니다. 편차 벡터를 즉시 평가할 수 있는지 아니면 모듈로에서 평가할 수 있는지 모르겠습니다. 저는 하지 않았습니다.
의도적으로 무의미한 거래 조건을 생성하지 않도록 필요한 데이터를 현명하게 취하는 엔진에 대해 - 전략을 생성하는 바로 그 과정, 그리고 그 후에 유전학 또는 이미 모델을 추가로 훈련하는 방법에 대해 생각할 수 있습니다.
당신은 또한 회귀할 수 있습니다, 당신은 모델을 만들 수 있습니다. 제가 이해하는 한 그것이 단지 연구일 뿐입니다. 그러나 품질 평가가 더 어렵습니다. 계획에서 벗어난 것을 평가해야 할 것입니다. 편차 벡터를 즉시 평가할 수 있는지 아니면 모듈로에서 평가할 수 있는지 모르겠습니다. 저는 하지 않았습니다.
의도적으로 무의미한 거래 조건을 생성하지 않도록 필요한 데이터를 현명하게 취하는 엔진에 대해 - 전략을 생성하는 바로 그 과정, 그리고 그 후에 유전학 또는 이미 모델을 추가로 훈련하는 방법에 대해 생각할 수 있습니다.
실제로 클러스터링은 논리가 있는지 여부에 관계없이 그룹화 방법을 확인하는 데 흥미가 있습니다.
우선 마틴, 안티 마틴, 쿠데타를 할 수 있습니다. 그런 다음 ifelse: 거래가 빨간색으로 마감되면 다음 거래가 두 배로 열리거나 반대 방향으로 열리거나 둘 다입니다. 처음부터 더 복잡한 것은 생각해내기 어렵습니다.
"feature_importances" 는 기능의 중요성입니다. 클러스터는 기능과 어떤 관련이 있습니까? 또는 내가 모르는 것. 이러한 기회가 있지만 실제로 사용하지 않습니다. 이 중요성은 본질적으로 나무 꼭대기에서 고려되기 때문에 제 개념에 맞지 않습니다.
6GB 테이블에서 모델을 훈련했습니다. 그리고 지금 기억하는 것처럼 그곳의 메모리는 2GB를 넘지 않았습니다.
모든 데이터를 메모리에 저장하지 않고 어떻게 트리를 훈련하는지 궁금합니다. 테이블이 6GB이면 약 6GB의 메모리가 사용되어야 합니다. 트리는 각 열을 전체적으로 정렬해야 합니다. 모든 것을 메모리에 저장하지 않고 매번 디스크에서 데이터를 읽으면 속도가 느려집니다. 유일한 옵션은 데이터를 두 배로 유지하는 것이 아니라 메모리의 float 유형으로 유지하는 것이지만 정확도가 떨어집니다. 우리에게는 5자리의 정밀도로 이것이 무섭지 않을 수 있지만 catbust는 보편적인 소프트웨어이므로 물리적, 수학적인 문제는 배정밀도로 풀어야 한다고 생각합니다.
한 번에 4개의 매개변수 형식으로 보다 복잡한 방식으로 대상을 표현하려고 할 수 있습니다.
우리가 구매하기로 결정했다고 가정 해 봅시다 ...
그리드는 우리에게 단순히 구매하는 것이 아니라 판매하는 것을 알려줍니다.
하지만 말한다
얼마에 매수할지, 얼마에 마감할지, 몇시 이후에 얼마에 마감할지
손절매를 추가할 수 있나요
그런 정확하고 먼 예측은 내가 배우기 어려울 것 같다...
테이크 기준 - 이익 고정 포인트에 대한 다양한 옵션으로 분류할 생각이며 모델은 가장 가능성 있고 수익성 있는 것을 선택해야 합니다. 예, ZZ와 유사하지만 여기에서 정확도는 전체가 아닌 피크에 의해서만 선명해질 것입니다. 세그먼트와 모델은 주어진 지점의 각 막대에서 작동해야 하지만 이 지점은 포지션을 열 때 부터 가격의 모든 경로에서 발생하지 않습니다.
좋은 진입점은 손실을 최소화할 수 있는 곳입니다. SL 설정에 적합한 출구 지점을 즉시 아는 것이 중요합니다. SL이 일종의 레벨링 표시기에 연결되어 있으면 진입 지점을 찾고 걸러내기가 매우 쉽고 비슷하므로 훈련이 더 좋아야 합니다.
그래서 문제는 그러한 점을 찾는 방법입니다 ...
성공을 기원합니다 :)
회귀가 필요합니까? 저는 이 모델들에 대한 경험이 많지 않습니다.
나는 이 개념에 익숙합니다. 그렇게 하는 사람들이 있습니다. 문제는 엔진 자체에서 전략을 만드는 방법은 무엇입니까 ...
그런 다음 대상을 분류하려면? 나는 입구에 관한 테이블의 첫 번째 부분, SL, TP 및 마지막 열 +-1을 트랜잭션의 결과 로 남길 것입니다. 출구에 대한 정보를 제공하는 것은 가치가 없을 것입니다. 엿볼 수 있습니다.
무슨 엔진 말씀이신가요? 처음에는 스스로 작성한 무차별 대입 또는 유전학에서.
그런 다음 대상을 분류하려면? 나는 입구, SL, TP 및 마지막 열 +-1에 관한 테이블의 첫 번째 부분을 트랜잭션의 결과 로 남길 것입니다. 출구에 대한 정보를 제공하는 것은 가치가 없을 것입니다. 엿볼 수 있습니다.
무슨 엔진 말씀이신가요? 처음에는 스스로 작성한 무차별 대입 또는 유전학에서.
당신은 또한 회귀할 수 있습니다, 당신은 모델을 만들 수 있습니다. 제가 이해하는 한 그것이 단지 연구일 뿐입니다. 그러나 품질 평가가 더 어렵습니다. 계획에서 벗어난 것을 평가해야 할 것입니다. 편차 벡터를 즉시 평가할 수 있는지 아니면 모듈로에서 평가할 수 있는지 모르겠습니다. 저는 하지 않았습니다.
의도적으로 무의미한 거래 조건을 생성하지 않도록 필요한 데이터를 현명하게 취하는 엔진에 대해 - 전략을 생성하는 바로 그 과정, 그리고 그 후에 유전학 또는 이미 모델을 추가로 훈련하는 방법에 대해 생각할 수 있습니다.
당신은 또한 회귀할 수 있습니다, 당신은 모델을 만들 수 있습니다. 제가 이해하는 한 그것이 단지 연구일 뿐입니다. 그러나 품질 평가가 더 어렵습니다. 계획에서 벗어난 것을 평가해야 할 것입니다. 편차 벡터를 즉시 평가할 수 있는지 아니면 모듈로에서 평가할 수 있는지 모르겠습니다. 저는 하지 않았습니다.
의도적으로 무의미한 거래 조건을 생성하지 않도록 필요한 데이터를 현명하게 취하는 엔진에 대해 - 전략을 생성하는 바로 그 과정, 그리고 그 후에 유전학 또는 이미 모델을 추가로 훈련하는 방법에 대해 생각할 수 있습니다.
실제로 클러스터링은 논리가 있는지 여부에 관계없이 그룹화 방법을 확인하는 데 흥미가 있습니다.
우선 마틴, 안티 마틴, 쿠데타를 할 수 있습니다. 그런 다음 ifelse: 거래가 빨간색으로 마감되면 다음 거래가 두 배로 열리거나 반대 방향으로 열리거나 둘 다입니다. 처음부터 더 복잡한 것은 생각해내기 어렵습니다.
실제로 클러스터링은 논리가 있는지 여부에 관계없이 그룹화 방법을 확인하는 데 흥미가 있습니다.
우선 마틴, 안티 마틴, 쿠데타를 할 수 있습니다. 그런 다음 ifelse: 거래가 빨간색으로 마감되면 다음 거래가 두 배로 열리거나 반대 방향으로 열리거나 둘 다입니다. 처음부터 더 복잡한 것은 생각해내기 어렵습니다.
더 많은 일을 할 수 있을 때까지 자원을 제공 할 수 있습니다.
더 많은 일을 할 수 있을 때까지 자원을 제공 할 수 있습니다.
캣버스트에 feature_importances, 숲에서처럼 클러스터를 볼 수 있는 기능이 있습니까?
귀하의 기계는 테이블 14를 180.000.000으로 소화합니까?
캣버스트에 feature_importances, 숲에서처럼 클러스터를 볼 수 있는 기능이 있습니까?
귀하의 기계는 테이블 14를 180.000.000으로 소화합니까?
"feature_importances" 는 기능의 중요성입니다. 클러스터는 기능과 어떤 관련이 있습니까? 또는 내가 모르는 것. 이러한 기회가 있지만 실제로 사용하지 않습니다. 이 중요성은 본질적으로 나무 꼭대기에서 고려되기 때문에 제 개념에 맞지 않습니다.
6GB 테이블에서 모델을 훈련했습니다. 그리고 지금 기억하는 것처럼 그곳의 메모리는 2GB를 넘지 않았습니다.
"feature_importances" 는 기능의 중요성입니다. 클러스터는 기능과 어떤 관련이 있습니까? 또는 내가 모르는 것. 이러한 기회가 있지만 실제로 사용하지 않습니다. 이 중요성은 본질적으로 나무 꼭대기에서 고려되기 때문에 제 개념에 맞지 않습니다.
6GB 테이블에서 모델을 훈련했습니다. 그리고 지금 기억하는 것처럼 그곳의 메모리는 2GB를 넘지 않았습니다.
숲의 경우도 클러스터의 중요성을 알 수 있다. 캣버스트에서 이것은 아마도 plot_tree일 것입니다.
자료를 준비해서 올리겠습니다.
6열에 대한 테스트 버전을 만들고 11GB를 사용했습니다. 메모장++을 열 수 없으며 파일이 너무 큽니다. SQLite 용 BD 브라우저는 이미 20분 동안 중단되었습니다.숲의 경우도 클러스터의 중요성을 알 수 있다. 캣버스트에서 이것은 아마도 plot_tree일 것입니다.
자료를 준비해서 올리겠습니다.
6열에 대한 테스트 버전을 만들고 11GB를 사용했습니다. 메모장++에서 파일이 너무 큽니다. SQLite용 BD 브라우저는 이미 20분 동안 중단되었습니다."feature_importances" 는 기능의 중요성입니다. 클러스터는 기능과 어떤 관련이 있습니까? 또는 내가 모르는 것. 이러한 기회가 있지만 실제로 사용하지 않습니다. 이 중요성은 본질적으로 나무 꼭대기에서 고려되기 때문에 제 개념에 맞지 않습니다.
6GB 테이블에서 모델을 훈련했습니다. 그리고 지금 기억하는 것처럼 그곳의 메모리는 2GB를 넘지 않았습니다.
모든 데이터를 메모리에 저장하지 않고 어떻게 트리를 훈련하는지 궁금합니다. 테이블이 6GB이면 약 6GB의 메모리가 사용되어야 합니다. 트리는 각 열을 전체적으로 정렬해야 합니다. 모든 것을 메모리에 저장하지 않고 매번 디스크에서 데이터를 읽으면 속도가 느려집니다.
유일한 옵션은 데이터를 두 배로 유지하는 것이 아니라 메모리의 float 유형으로 유지하는 것이지만 정확도가 떨어집니다. 우리에게는 5자리의 정밀도로 이것이 무섭지 않을 수 있지만 catbust는 보편적인 소프트웨어이므로 물리적, 수학적인 문제는 배정밀도로 풀어야 한다고 생각합니다.