Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1776
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
Estas, como usted dice, "posibilidades" pueden ser apiladas, y por eso se mantienen así.
Sí, en los nuevos, pero ahora me he dado cuenta de que el objetivo está mal. Tomé el vector ZZ real con un desplazamiento, que es incorrecto.
Tendré que redactar un guión para sacar el objetivo.
¿Qué pasa? ¿Cuál es el resultado?
Lo vi en alguna parte de los tutoriales... Creo que es más conveniente hacerlo durante el preaprendizaje o algo que tenga que ver.
Maxim, parece que ahora estás haciendo clustering.
Aquí se muestra que el andamiaje es similar a la agrupación.
https://habr.com/ru/company/ods/blog/324402/
Sección "Similitud del bosque aleatorio con el algoritmo del vecino más cercano".
¿Hay alguna pregunta?
Maxim, parece que ahora estás haciendo clustering.
Aquí se muestra que el andamiaje es similar a la agrupación.
https://habr.com/ru/company/ods/blog/324402/
Sección "Similitud del bosque aleatorio con el algoritmo del vecino más cercano".
Cómo lo estoy haciendo... Empecé y luego me rendí). El bosque también puede agruparse, sí.
En cuanto a la agrupación tal y como está, no está mal para separar los incrementos en 3 grupos, incluyendo los nuevos datos. Tiene sentido utilizar como características categóricas, esto es lo que quería hacer¿Alguna pregunta?
¡¡¡¡¡ESTE ES EL GANADOR!!!!! ¡¡¡¡Hermanos!!!! ¡¡¡¡¡HORRAAAAAAAAAAAAA!!!!! Felices fiestas a todos.
Porque en cuanto olvidemos esta guerra empezará otra inmediatamente. ¡¡¡¡¡¡¡¡Recordémoslo siempre!!!!!!!! ¡¡¡¡¡¡¡VICTORIAAAAAAAAAAAAAAAA!!!!!!! Pew, pew (ese soy yo disparando mi imaginaria pistola TT y corriendo por la calle con mi uniforme de oficial)¿Cuál es el resultado? ¿Qué tiene el akurasi?
10 modelos CatBoost con profundidad de árbol 6, parada de aprendizaje en 100 nuevos árboles que no mejoran los resultados, sentados en incrementos de 100.
Muestra de aprendizaje 80% 2018 y 2019, 20% de muestra para controlar la parada de aprendizaje. Muestra independiente enero-mayo 2020
Si se tortura la muestra con diferentes métodos de partición y se construyen más modelos creo que se pueden obtener 72.
Saldo de la clasificación
10 modelos CatBoost con profundidad de árbol 6, parada de aprendizaje en 100 nuevos árboles que no mejoran los resultados, sentados en incrementos de 100.
Muestra de formación 80% 2018 y 2019, 20% de muestra para controlar las paradas de formación. Muestra independiente enero-mayo 2020
Si se tortura la muestra con diferentes métodos de partición y se construyen más modelos creo que se pueden obtener 72.
Saldo de la clasificación
Bueno... agradable y plausible. También me gustaría ver el balance de la propia operación y un gráfico con las entradas.
Supongo que se trata de un conjunto de 10 modelos. ¿Cuál es la diferencia entre estos modelos?