L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2124
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Comment Ivakhnenko recommande le fractionnement pour que le modèle apprenne correctement.
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content393/Content393.htm
ce n'est pas suffisant, car plus tard, vous pouvez obtenir de nouvelles données provenant d'une distribution complètement différente.
J'avais l'habitude de faire de telles choses il y a longtemps dans de vieux bots.
ce n'est pas suffisant, car vous pouvez alors avoir de nouvelles données provenant d'une distribution complètement différente.
J'ai fait ça il y a longtemps dans de vieux bots.
Je suis d'accord...
Au fait, c'est un livre cool, d'école soviétique, et tout y est, arbres, réseaux, rsa, simulation et hypothétique, et en russe pur.
Comment Ivakhnenko recommande le fractionnement pour que le modèle apprenne correctement.
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content393/Content393.htm
? lecture d'actualité ))))
Ibid , début de l'opus :
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm#Ref
Une analyse d'une variété de mèmes qui sont proches dans leur construction par V.P. Leonov [URL= http://www.biometrica.tomsk.ru/lis.htm - (Uniform Resurse Locator) - Localisateur de ressources uniformes ; c'est ainsi que nous marquerons les références dans la liste des références présentées par les adresses sur Internet sans que l'année de publication soit indiquée], confirme les idées exprimées par V. V. Nalimov [1989] sur la distribution probabiliste des significations. Les transformations traditionnelles suivantes des mèmes dans le monde universitaire peuvent être mises en évidence :
Tu lis vraiment ça ?
Je suis d'accord...
Au fait, c'est un livre cool, d'école soviétique comme il est, et tout y est, aussi bien le bois que les filets et le rsa et en russe clair.
un livre génial, pour les débutants dans le MO c'est le meilleur
? lecture d'actualité ))))
là, le début de l'opus :
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm#Ref
Tu lis vraiment ça ?
http://gmdh.net/articles/theory/bookInductModel.pdf
le gros avantage est que les modèles linéaires convergent toujours vers un minimum local. C'est pourquoi la méthode est toujours valable.
? lecture d'actualité ))))
là, le début de l'opus :
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm#Ref
Tu lis vraiment ça ?
Qu'est-ce qui ne va pas ?
c'est un excellent livre, pour les débutants dans l'iO, il est parfait.
Comment Ivakhnenko recommande le fractionnement pour que le modèle apprenne correctement.
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content393/Content393.htm
Cela ne fonctionnera pas pour les séries chronologiques. C'est une analogie avec le fait de mélanger des trains avec de la pâte. Il y aura un aperçu des points qui se trouvent à côté les uns des autres.
Cela ne fonctionnera pas pour les séries chronologiques. C'est une analogie avec le fait de mélanger un stagiaire avec un test. Il y aura un coup d'œil aux points situés les uns à côté des autres.
Si on enlève l'autocorrélation des traits, c'est bon.
Cela ne fonctionnera pas pour les séries chronologiques. C'est une analogie avec le fait de mélanger un stagiaire avec un test. Il y aura un coup d'œil aux points situés les uns à côté des autres.
Oui, je comprends, mais le point lui-même est bon, séparé non seulement par les propriétés statistiques et uniformément à travers le test et la piste.
si vous supprimez l'autocorrélation des caractéristiques, cela fonctionnera.
Si tous les points du test et du train sont classés dans une liste commune (réorganisée selon un certain modèle), cela signifie qu'ils sont mélangés. C'est ce que j'ai compris. Le test ne doit en aucun cas être mélangé avec la piste.