Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2392
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ist MLPClassifier auch für diese Aufgabe nicht geeignet?
Es gibt eine Methode zur Schätzung der Wahrscheinlichkeit, zu welcher Klasse die Stichprobe gehört.
https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.htmlEs handelt sich um unterschiedliche Modelle. GMM wird zur Schätzung der Wahrscheinlichkeitsdichte und der Stichproben verwendet, während der Klassifikator die Klassifizierung vornimmt.
Offenbar wollen Sie CatBoost durch ein neuronales Netz ersetzen. Aber das ist nicht sehr sinnvoll.
Es handelt sich um unterschiedliche Modelle. GMM wird verwendet, um die Wahrscheinlichkeitsdichte und die Stichproben der Beispiele zu schätzen, während der Klassifikator die Klassifizierung vornimmt.
Offenbar wollen Sie CatBoost durch ein neuronales Netz ersetzen. Aber das macht nicht viel Sinn.
Dort schreiben Sie, dass ein neuronales Netz besser geeignet ist als GMM
https://www.mql5.com/ru/forum/356331#comment_19373237
Dort schreiben Sie, dass das neuronale Netz besser geeignet ist als GMM
https://www.mql5.com/ru/forum/356331#comment_19373237
Sie sprachen von generativen Netzen und Autoencodern. Ich habe die klassischen Versionen getestet, sie sind schlechter. Ich habe bereits in diesem Thread geschrieben und den Code auf Pythorch hochgeladen, glaube ich.
Dort schreiben Sie, dass das neuronale Netz besser geeignet ist als GMM
https://www.mql5.com/ru/forum/356331#comment_19373237
Werfen Sie einen Blick auf dieses Modellhttps://sdv.dev/SDV/user_guides/timeseries/par.html
Ich habe es selbst noch nicht ausprobiert, ich muss es erstellen und visualisieren.
Soweit ich weiß, befindet sich das Modell in aktiver Entwicklung. Sie können direkt mit den Entwicklern kommunizieren.
+ einen neuen Artikel zum Testen geschickt, mit neuen Ideen
Ich danke Ihnen.
Ich danke Ihnen.
Ich installiere die Bibla nicht, es treten viele Fehler auf. Wahrscheinlich nicht die aktuellste Version.
Zieht eine Version von nampai, die sich nicht auf meinem Computer oder Google Colab installieren lässt
Die Neuinstallation von nampai in colab hat funktioniert.
Diese Bibliotheken werden von irgendwelchen Monstern geschrieben.
zieht eine Version von Nampai ab, die sich nicht auf deinem Computer oder Google Colab installieren lässt
Diese Version 0.5.0 ist in Ordnung.
https://pypi.org/project/sdv/0.5.0
diese Version 0.5.0 ist in Ordnung.
https://pypi.org/project/sdv/0.5.0
in kolab lief die letzte. Sie müssen die Modellfunktionalität auf dem Git rauchen, Sie können einfach das Python-Modul kopieren. Ansonsten ist es nicht klar, wie es funktioniert, es gibt keine Beschreibung im Handbuch.
Ich kann nichts darüber finden.
der letzte läuft im Colab. Sie müssen die Funktionalität des Modells auf dem Git lesen, Sie können einfach das Python-Modul kopieren. Ansonsten ist nicht klar, wie es funktioniert, es gibt keine Beschreibung in der Anleitung.
pr_c = pr.copy() X = pr_c[pr_c.columns[1:]] sdv = PAR.fit(X)
Ich komme zur Anpassung, dann kommt der Fehler: fit() fehlt 1 erforderliches Positionsargument: 'timeseries_data'
ich glaube, ich brauche ein anderes Format für die Einspeisung von Zeitreihen
https://sdv.dev/SDV/user_guides/timeseries/par.html