Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2379
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Instalar correctamente
Gracias, lo intentaré también. No está claro por qué no se instaló automáticamente a petición, si saben de qué paquete es la función - es un misterio.
Gracias, lo intentaré también. No está claro por qué no se instalan automáticamente a petición, si saber de qué paquete es la función es un misterio.
La misma función (más bien el nombre) puede estar en muchos paquetes. Intenta cargar el paquete dplyr, por ejemplo. Verás muchos conflictos en los nombres de las funciones.
Gracias, lo intentaré también. No está claro por qué no han hecho una instalación automática a la carta, si saben de qué paquete es la función, un misterio.
Toma el paquete mlpack. Tiene prácticamente todo lo que necesitas. Es una biblioteca muy buena.
Buena suerte
La misma función (más bien el nombre) puede estar en muchos paquetes. Intenta descargar el paquete dplyr, por ejemplo. Verás muchos conflictos en los nombres de las funciones.
He probado tu método y no funciona:
¿Se enseña la regresión a unos y ceros?
Según tengo entendido, se intenta trasladar la idea de la regresión del lazo a un problema de clasificación de la forma más irreflexiva posible).
Pues bien, hay que aprender a añadir diferentes penalizaciones (hay que averiguar cuáles) a la función objetivo ya utilizada en el problema de clasificación y ver cómo cambian los resultados. De lo contrario, obtenemos algo extraño - enseñamos un modelo, pero seleccionamos características para él por uno completamente diferente - sólo porque ya tenemos un paquete listo en R)
Bueno, o lo he entendido todo mal)
Según tengo entendido, se intenta trasladar la idea de la regresión del lazo al problema de la clasificación de la forma más irreflexiva posible).
Bien, tenemos que aprender a añadir diferentes penalizaciones (tenemos que entender qué tipo de penalizaciones) a la función objetivo ya utilizada en el problema de clasificación y ver cómo cambian los resultados. De lo contrario, obtenemos algo extraño - enseñamos un modelo, pero seleccionamos características para él por uno completamente diferente - sólo porque ya tenemos un paquete listo en R)
Bueno, o lo he entendido mal).
Se trata de una situación paradójica que, aunque accidentalmente acierte, nadie apreciará.
porque no hay criterios de evaluación )¿Qué significa esta línea?
?
Crear un vector con índices de 1 a 1300 para entrenar el modelo
Ah, ya veo, has presentado las primeras 200 líneas, ¿no?
Pero pensé que eran parte del entrenamiento.
no los primeros 200, sino la última "cola"
es la fecha de la prueba
tomar los índices de 1 a 1300
Y no se pueden tomar todas y restar las últimas n piezas - es más conveniente, porque el número de columnas aquí es muy diferente para diferentes muestras.
¿No se pueden tomar todas y restar las últimas n piezas? Es más conveniente, porque el número de columnas aquí es muy diferente para las distintas muestras.
¿Qué quieres decir?
hay un rastro, hay una prueba
Si todos los datos se definen como un triplete, ¿cómo se pueden probar?
¿Qué quieres decir?
hay una pista hay una prueba
Si todos los datos se definen como una traza, ¿cómo podemos probarlos?
Pensé erróneamente que se trataba de columnas.
Aun así, ¿no podemos hacer todo el entrenamiento en el archivo de muestra y probarlo en un archivo diferente?