In general, the construct If increments are such and such in such and such a time interval is used without splitting into time segments or first find time segments that have something on them and then train on them?
а сделать информативную разметку фича-целевая сразу. - это по приведенным мною картинкам, которые и делают информативную разметку фича-целевая сразу. Там не увидел разметку целевой для конкретных признаков
オーバーサンプリングの後、予測変数の新しい予測力は価値があるのだろうか？誰がそんなことを考えただろうか？
それはない。チェック済み。
以下、期間512-256-128-64-32-16-8-4-4-2-1のマシュカとその重要度が入力に供給される（ここではOUTも入力）。
ただ、不思議な事実がある。ニューラルネットワークは、長い期間よりも短い期間の方がマシャの重要性を決定したのだ。）ちょっと食い違いがある。
私の観察によると、ニューラル・ネットワークに "axe "や "heavy "を追加すると、一方では、トレーニング後のバックテストのバランス・ラインが歪みます。しかし！フォワードラインも均等化され、毎回底を打つことがなくなり、フラットになります。つまり、大雑把に言えば、儲けることはできないが、デポ全体を失うことはない。この方向でジャグリングすることが判明した。次の課題は、バランスラインを上に向けることだからだ。
何を言っているのか分からない。
時間は使っていないよ。前回は取引時間が特定されていて、曜日は覚えていないが、時間帯は間違いなく17時から18時といった感じだった。つまり、手動で時間帯を区切るか、何か他の方法があるが、最終的には特定の時間帯でトレーニングする。
In general, the construct If increments are such and such in such and such a time interval is used without splitting into time segments or first find time segments that have something on them and then train on them?
時間ベースのサインは使わない。予測力が低く、予測力のばらつきが非常に大きい。マシュカの亜種よりはましだが。
ありがとう。
前回は取引時間が特定されていて、曜日は覚えていないのですが、正確には17時から18時のような時間帯でした。つまり、マニュアルであろうがなかろうが、特定の時間帯に最終的なトレーニングを行う。
一般的に、時間区分に分割することなく、このような時間間隔でこのような増分がある場合、または最初に何かがある時間区分を見つけ、その上でトレーニングを行うという構成が使われるのでしょうか？
何の話をしているのかわかりません。
オーバーサンプリング後、予測変数の 新しい 予測 力は価値があるのだろうか？これについて考えたことがある人はいるだろうか？
変わりません。確認しました。
もし共分散と相関の区別がつかない人がいたら、私はそのような人に中央値の意味を聞くこともしません。
, しかし、「予測能力」は、予測因子をクラスで割って得られる2つのベクトル間の中央値の差として理解され、絶対に正確です。
説明すると，これは "線"であり、MLではあらゆる分類アルゴリズムにおける閾値に過ぎない。
もし彼が標準的な群間分散分析を行っていれば、統計的有意性を推定できただろうが、もちろんオーバーサンプリングでは何も変わらない（クラスメンバーシップの推測の正答率がカウントされるだけだ）。
彼が共分散の絵を 参照した後、私は彼がハエとカツを比較していることを明確に述べることができる...それは彼のこの質問（彼は相関関係を非常に滑りやすく忘れ、覚えている）を証明している。
1.実際の変数と名目変数の相関を知っていますか？
私はOLSとANOVAとそれらの推定値の有意性の解釈を知っています。そして、リサンプリングがあなたの「能力」にとって何も変えないという事実は、「if-then」関数が、あなたがモデルを構築せず（そして、モデリングの統計的基礎を無視しようとさえする）、あなたのclassDistの結果の有意係数を 推定することができず、それによって与えられた信頼できる答えのパーセンテージだけを推定するのに十分であることだけを示すことができます。
== 基本的な概念におけるフライとカツの区別がつかないという同じ問題に、的中したり的外れしたりする「道具」を叫ぶ......。そうですね、30％の確率で（道具によっては微妙に区別できるものもある）、70％の推測で「何もしない」ことは区別できるかもしれませんね。
ただ、リサンプリング中の係数値の変化をアルゴリズムから得ることはできない。
何のことだ？
ここに通信が見つからないんだ。ここにファイルがある、2020年7月だ。