예측 변수 선택에 대해.. 처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다. 결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다. 그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
따라서 자동화를 희망하는 것은 어리석은 일입니다 ... 요일만이 수동으로 보고 이해할 수 있는 유일한 것일 수도 있지만 더 작은 것을 눈치채지 못할 수도 있습니다.
예측 변수 선택에 대해.. 처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다. 결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다. 그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
그래서 자동화를 기대하기 힘든데...
나는 그것이 어떻게 작동하는지 이해하는 데 관심이 있습니다. 아무 것도하지 않습니다. :) 변수가 중요하지 않은 경우 추가 차원을 생성하지 않도록 삭제하십시오.
importens 기능은 모델이 앞으로 작동할 수 있는지 여부가 아니라 기능이 현재 대상을 얼마나 설명하는지에 대한 것입니다.
반면에 NS 또는 deep NS의 경우 기능 선택은 그다지 중요하지 않으며 더 작은 가중치를 던지고 추가 기능은 거의 영향을 미치지 않습니다. 추가 튜닝은 물론 좋지만 이 날짜는 통계를 위한 사탄주의이며 핸디캡에 적합하지 않으며 품질이 5-7% 증가합니다.
그 자체로 forex에서 예측 변수를 선택하는 것은 거의 공허한 작업이며 중요성은 집합에서 집합으로 변경됩니다. 임하
우리는 또한 간격의 빈도를 연구해야합니다. 나는 엔화 차트가 도끼로 시세의 성장을 자르고있는 것처럼 기억합니다. 글쎄, 여기에서 거래하는 방법. 이러한 1000포인트 이상의 진폭은 (갭 변동성 수준에 따라) 구조화되어야 하고 반복 확률이 계산되어야 합니다. 가능성이 높습니다. 고문은 이 차트에서 잠을 자고 있습니다. 또는 갭의 확률 증가를 감지하고 그것이 어느 방향으로 갈지 알고 보류 중인 주문으로 안장을 시도할 수 있습니다. 갭 이전에 어떤 일이 발생하는지 연구하는 것도 중요합니다. 결국 이것은 분명히 인공적인 주제이므로 다가오는 갭의 방향과 반대 방향으로 주문을 집중시키기 위해 갭 이전에 속임수를 사용합니다. 추가되었습니다.
세트에 대해 동의합니다. 그러나 각 기간에 대한 세트가 있습니다. 분 - 하루, 한 시간 - 한 달 등 아니면 더 일반적으로 사용되는 수익성 있는 인용 행동 패턴을 집합이라고 합니까? 그렇다면 예 - 이 "템플릿"이 생성될 때까지 세트가 측정됩니다.
그리고 현재 날짜에 더 가까운 해당 인용 기록 값 또는 예측 변수(내가 이해하는 대로 차트에서 인용 행동 패턴을 반복하고 있음)는 더 많은 가중치를 가져야 합니다. 반복 예측자는 "유익한" 예측자 배열에 대한 행동 패턴을 인용하고 인용 기록에서 탐지 빈도에 따라 가중치를 설정합니다. 두 번째 가중치는 차트의 최신 이벤트에 대한 근접성에 따라 예측자의 상태를 증가시켜야 합니다.
마치 멘델레예프가 꿈에서 깨어나 모든 것을 이야기한 것과 같습니다. 나는 이것에 대해 아무것도 이해하지 못합니다))) 행운을 빕니다, 우리는 결과를 기다리고 있습니다.
линейный предиктор изменяется на единиц. (Это может быть как реалистичной интерпретацией, так и нереалистичной. В примере с объемом древесины, если радиус ствола дерева увеличивается, то, вероятно, возрастает и его высота.) Ожидаемое значение У связано с линейным предиктором посредством функции связи . В некоторых случаях известны естественные...
예측 변수 선택에 대해.. 처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다. 결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다. 그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
따라서 자동화를 희망하는 것은 어리석은 일입니다 ... 요일만이 수동으로 보고 이해할 수 있는 유일한 것일 수도 있지만 더 작은 것을 눈치채지 못할 수도 있습니다.
그러나 아니요... 요일을 삭제한 후에도 모든 것이 동일하게 유지됩니다. 컨텍스트로 5개의 일일 바가 있습니다. 아마도 거기에서 비롯된 것일 수 있습니다 ... 없이 시도해야 합니다.
https://medium.com/@ceshine/feature-importance-measures-for-tree-models-part-i-47f187c1a2c3
alglib 포리스트에 적어도 하나의 방법을 추가하려고 시도해야 합니다. 그러면 모든 것이 R 없이 MT5에서 자동으로 수행될 수 있습니다(예: 데이터 마이닝)
캐럿에서 가장 똑똑한 예측 변수 선택: gafs - 유전적 방식으로 예측 변수를 선택합니다. rfe - 역 예측 변수 선택(가장 빠름); safs - 예측 변수 선택의 시뮬레이션된 견고성(어닐링) - 가장 효율적입니다.
기계 학습에 대해 이야기하는 경우 주의해야 합니다. 이것은 데이터 마이닝, 모델링, 평가와 같은 전체 주기를 포함하는 셸입니다.
추신.
당신은 작은 것을 계속 붙잡고 있습니다. 그래서 당신은 "여기에 추가할 ..."을 할 것입니다.
네네, 다른 방식이 아닌 RF에서의 선택 방식을 말하는 것입니다. 아니면 RF용인가요? 지니가 제일 인기있는걸로 아는데
예, R에서 MDI가 사용됩니다.
예측 변수 선택에 대해..
처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다.
결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다.
그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
따라서 자동화를 희망하는 것은 어리석은 일입니다 ... 요일만이 수동으로 보고 이해할 수 있는 유일한 것일 수도 있지만 더 작은 것을 눈치채지 못할 수도 있습니다.
예측 변수 선택에 대해..
처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다.
결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다.
그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
그래서 자동화를 기대하기 힘든데...
나는 그것이 어떻게 작동하는지 이해하는 데 관심이 있습니다. 아무 것도하지 않습니다. :) 변수가 중요하지 않은 경우 추가 차원을 생성하지 않도록 삭제하십시오.
importens 기능은 모델이 앞으로 작동할 수 있는지 여부가 아니라 기능이 현재 대상을 얼마나 설명하는지에 대한 것입니다.
반면에 NS 또는 deep NS의 경우 기능 선택은 그다지 중요하지 않으며 더 작은 가중치를 던지고 추가 기능은 거의 영향을 미치지 않습니다. 추가 튜닝은 물론 좋지만 이 날짜는 통계를 위한 사탄주의이며 핸디캡에 적합하지 않으며 품질이 5-7% 증가합니다.
그 자체로 forex에서 예측 변수를 선택하는 것은 거의 공허한 작업이며 중요성은 집합에서 집합으로 변경됩니다. 임하
반면에 NS 또는 deep NS의 경우 기능 선택은 그다지 중요하지 않으며 더 작은 가중치를 던지고 추가 기능은 거의 영향을 미치지 않습니다. 추가 튜닝은 물론 좋은데 통계를 위한 사탄교의 날짜이며 핸디캡에 적합하지 않습니다
내 예에서 목요일은 구매에 매우 성공적(50일 간격)으로 판명되었으며 분명히 국회는 요일에 가장 높은 가중치를 할당했습니다. NA는 벌었지만 목요일에 모든 바에서 구매하는 것이 실수라고 생각합니다. 결국 모든 것이 바뀔 수 있으므로 더 깊은 패턴을 찾아야 합니다.
1년 동안 가르칠 수는 있지만 6~7배는 더 길 것입니다. 그러면 아마도 요일이 중요해질 것입니다.
내 예에서 목요일은 구매에 매우 성공적(50일 간격)으로 판명되었으며 분명히 국회는 요일에 가장 높은 가중치를 할당했습니다. NA는 벌었지만 목요일에 모든 바에서 구매하는 것이 실수라고 생각합니다. 결국 모든 것이 바뀔 수 있으므로 더 깊은 패턴을 찾아야 합니다.
변경할 수 있습니다. 예 :) 더 큰 샘플이 필요하거나 자신을 재교육하고 자신을 평가하기 위해 .. 두 번째를 수행합니다. 말하자면 마지막 항목 :)
우리는 또한 간격의 빈도를 연구해야합니다. 나는 엔화 차트가 도끼로 시세의 성장을 자르고있는 것처럼 기억합니다. 글쎄, 여기에서 거래하는 방법. 이러한 1000포인트 이상의 진폭은 (갭 변동성 수준에 따라) 구조화되어야 하고 반복 확률이 계산되어야 합니다. 가능성이 높습니다. 고문은 이 차트에서 잠을 자고 있습니다. 또는 갭의 확률 증가를 감지하고 그것이 어느 방향으로 갈지 알고 보류 중인 주문으로 안장을 시도할 수 있습니다. 갭 이전에 어떤 일이 발생하는지 연구하는 것도 중요합니다. 결국 이것은 분명히 인공적인 주제이므로 다가오는 갭의 방향과 반대 방향으로 주문을 집중시키기 위해 갭 이전에 속임수를 사용합니다. 추가되었습니다.
세트에 대해 동의합니다. 그러나 각 기간에 대한 세트가 있습니다. 분 - 하루, 한 시간 - 한 달 등 아니면 더 일반적으로 사용되는 수익성 있는 인용 행동 패턴을 집합이라고 합니까? 그렇다면 예 - 이 "템플릿"이 생성될 때까지 세트가 측정됩니다.
그리고 현재 날짜에 더 가까운 해당 인용 기록 값 또는 예측 변수(내가 이해하는 대로 차트에서 인용 행동 패턴을 반복하고 있음)는 더 많은 가중치를 가져야 합니다. 반복 예측자는 "유익한" 예측자 배열에 대한 행동 패턴을 인용하고 인용 기록에서 탐지 빈도에 따라 가중치를 설정합니다. 두 번째 가중치는 차트의 최신 이벤트에 대한 근접성에 따라 예측자의 상태를 증가시켜야 합니다.
마치 멘델레예프가 꿈에서 깨어나 모든 것을 이야기한 것과 같습니다. 나는 이것에 대해 아무것도 이해하지 못합니다))) 행운을 빕니다, 우리는 결과를 기다리고 있습니다.
연간 100% 거래의 안정성. 다른 것은 필요하지 않습니다. 과용하지 마십시오.
예언자
100% 연 100%로는 부족, 한달은 필요합니다:)
예측 변수 선택에 대해..
처음에 모델에 추가됨 - 요일 . 나는 가장 좋은 옵션의 거래를 보았습니다. 40일(8주) 만에 그녀는 목요일에 사야 한다는 것을 마음으로 배웠고 10일(2주)의 테스트에서 그녀는 목요일에 거의 모든 바를 샀고 흑자로 밝혀졌습니다. 그리고 다른 날에는 거래를 하거나 단일 거래를 하지 않았습니다.
결론 - 거래가 균일하려면 요일을 제거해야합니다. 이제 나는 그것 없이 테스트하고 있습니다. 무슨 일이 일어나는지 봅시다.
그러나 여기에서 순전히 상식으로 선별하여 자동화는 이 예측자를 매우 중요하게 여겼습니다.
따라서 자동화를 희망하는 것은 어리석은 일입니다 ... 요일만이 수동으로 보고 이해할 수 있는 유일한 것일 수도 있지만 더 작은 것을 눈치채지 못할 수도 있습니다.
하지만 아니요... 요일을 삭제한 후에도 모든 것이 동일하게 유지됩니다. 컨텍스트로 5개의 일일 바가 있습니다. 아마도 거기에서 비롯된 것일 수 있습니다 ... 없이 시도해야 합니다.
거의 영향을 의미하지 않습니다 .. 기능이 없으면 이해하는 방법이 중요 합니까? ) 각 예측 변수의 값을 차례로 혼합하고 전체 오류가 어떻게 변하는지 재학습하고 관찰하는 경우에만
무작위로 혼합된 데이터가 갑자기 매우 중요하다는 사실이 밝혀지는 놀라움이 있을 수 있습니다. :) + 기능이 많은 경우 long. 그래서 기능이 없습니다. 중요성은 Sisyphean 노동입니다