However, the purpose of quantisation is to select a group with a probability shift.新しいデータによってグループ自体が別のターゲットにシフトするにもかかわらず、分割によってその中に安定した葉を見つけることができる可能性がある。
The programme would look like this: one day conference, one day everyone drinks, the next day everyone fights, pulls each other's breasts, then conference again and so on round and round.その場その場で。）
少なくともおおよその利益と関連付け、実際の利益とランダムな利益のサンプルを比較する。誤差がないことのチェックは、サンプルの平均利益がゼロに等しいことである。サンプルに対する実際の利益の正の有意性をチェックする - 3シグマのルール。
私自身のタスクが忙しすぎるので、あなたのタスクの詳細に立ち入る準備ができていない。
さらなる分類のためのデータの前処理について話しているときに、利益はそれとどう関係があるのでしょうか？
クアンタは利益抽出のために設計されているのですか？そのためのスキームはありますか？極限まで単純化して、おおよそでも素早くサンプルを計算し、実際の結果がこのサンプルの末尾に入るかどうかをチェックしてください。
モンテカルロのような単純で広く知られたアイデアを掘り下げる気が全くないのに、人々にあなたの考え方を掘り下げることを要求するあなたの姿勢はうんざりです。
もうたくさんだ。
誰にでも自分の時間を管理する権利はある。
しかし、どうやらあなたはアドバイスした質問を理解していなかったようだ。
助けてくれてありがとう。
私は理解している。
もう一つ提案があるのですが、森を作るプロセスをより管理しやすくするために、それぞれの木の根として、選択された量子セグメントの具体的なサブサンプルを取ったらどうでしょうか？
深さは2-3分割にし、葉によって分類可能なクラスの例が1％以下にならないようにします。
より安定したモデルになると思います。
例えば、10個のクオンタ/スプリットを選択し、これらのスプリットからの例で10個の木を訓練する？
OOSの安定性については、実験すればわかります。データウィンドウの大きさを変えたり（2ヶ月と4ヶ月）、2％でもずらすと（土曜日の代わりに火曜日にトレーニング）、私の安定性は損なわれます。樹木は異なることが判明した。
GIFを公開したサンプルで実験を行った。サンプルにはすでに47%のユニットがあり、データは表にまとめられている。
...これらの量子セグメントの品質（有用性）は、オリジナルのものより10倍 悪い（少ない）ことが判明した。
fxsaberと連絡を取ったとき、私は彼のアルゴリズムによる混合について仮定した。彼のデータにはそのような強い違いはない。どうやら、彼はマークアップですべてのバーが一列に並んでいる（または行が一列に立っている）のではなく、大きなギャップを持っているためです。棒グラフが近ければ、過去と未来が非常によく似ている。ランダム化することによって、それらを平均0101010......とし、20個の "1 "の系列全体を20個の "0 "に変更する。これは近いので、1つの例として数えることができる。
一般的に、10回という強い差なら、10000回のテストは必要ないと思います。最初の10回のテスト（すべて悪い）であまりにも明確な差があり、もう10000回やれば元のテストと同じ結果になると考えるのは無理がある。もし、3回悪く、3回良く、4回ほぼ同じであったなら、そうだ-統計を蓄積し続けよう。
データが直列化されている場合、問題は、歴史のどこかにある20個の1の系列が、同じような過去を持つ20個の0の系列を見つけることである。ここでは市場の無作為化だ。111111111 を 010101010 にするのではありません。
UPD ですから、市場データ用の 01010101 という形のモンテカルロは、（直列化すると）市場データには使えないと思います。長方形と正方形を等しい正方形に分割して、その正方形がどの原図に属するかを判断するようなものだ））。
厳密な順序については、わかりやすくするために例として書いただけだ。そして、この問題を解決することでモデルの安定性を向上させることができると書いた。しかし、その解は異なることもある。
上記の問題を解決しなくても-正しい量子表を選択することで学習が向上することは、私が何十ものサンプルで検証した結果である。
次に、トレーニングの前処理として、一貫性のないデータからサンプルをクリーニングする方法を紹介した。この方法を使えば、新しいデータでも有益なモデルを得ることができることが、画像でお分かりいただけるでしょう。
結局、このアプローチはうまくいった。
従って、うまくいかないと言うのは現実を否定することになる。
私は、この価格が純粋なSBだとは思っていない。純粋なSBであるならば、このスレッド全体が間違いである。
ったな。
様の様の様のフレーズカル画像でのー着実にー、ー右肩上がりでー右肩下がー右肩下がりーータはータはータがータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータ
機械会議をやるべきだと思う。ビュッフェ付きで、アラブ首長国連邦のどこかで開催する必要があるだろう。そして、フォーマルな雰囲気の中で、そしてインフォーマルな雰囲気の中で、すべてを話し合う。そうでなければ、フォーラムを通じて行うのは不便だ。
セイバーのお金で彼の戦略に慣れ親しむというアイデアは素晴らしいし、よく考えられていると思う。何が間違っているのかさえ分からない🤔。
セイバーのお金で戦略に慣れるというアイデアは素晴らしく、よく考えられていると思う。何が間違っているのかさえ分からない🤔。
つまり、10個のクアンタ／セグメントを選択し、そのセグメントから得られた例を使って10個の木を訓練する、ということですか？ー
OOSのー安定性についてはー実験してー。データウィンドウの大きさを変えたり（2ヶ月と4ヶ月）、2％でもずらすと（土曜日の代わりに火曜日にトレーニング）、私の安定性は損なわれます。木は異なることが判明した。
もちろん、アプローチはもっと複雑にすることができますが、そうしようと思えばできるんです。
今のところ、私の記憶が正しければ、ツリーの中の予測因子は、分割する最適な場所を探すことなく、範囲のちょうど半分をヒットするのですね？
アイデアの成功については、まったく同感ですが、横たわった石の下にも水は流れません。
fxsaberと彼のアルゴリズムとのミキシングについて話したとき、私はそのような劣化について（回によって）考えました。度数による度数で度数で度数で度数の度数。どうやら、彼はマークアップですべてのバーを一列に並べず（または行を一列に並べず）、大きなギャップを持たせているようです。棒グラフが近ければ、過去と未来が非常によく似ている。それらをランダムにすることによって、平均を0101010......とし、20個の "1 "の系列全体を20個の "0 "に変更する。ー20個ある "1 "をー20個ある "0"。あなたにとってそうでなくても、私にとってはそうなのです（私はすべてのバーを連続して評価します。）
一般的に、このような10倍の強い差がある場合、10000回のテストを行うことはできないと思います。最初の10回のテスト（すべて悪い）で、もう10000回やれば元のテストと同じになると考えるには、あまりに明白な差がありすぎる。もし、3回悪く、3回良く、4回ほぼ同じであったなら、そうだ-統計を蓄積し続けよう。
データが直列化されている場合、問題は、歴史のどこかにある20個の1の系列が、同じような過去を持つ20個の0の系列を見つけることである。ここでは市場の無作為化だ。111111111 を 010101010 にするのではありません。
UPD ですから、市場データ用の 01010101 という形のモンテカルロは、（直列化すると）市場データには使えないと思います。長方形と正方形を等しい正方形に分割して、その正方形がどちらの原形に属するかを判断するようなものだ））。
残念なことに、データを処理する際にミスを犯してしまった（このテストのためのスクリプトを急いで設計し直したため、あるニュアンスが考慮されていなかった）。
結論は、データは量子表の範囲にランダムに入ることができ、利用可能な安定性テストに合格することができるということです。デフォルトの設定/基準が使用されました - 今、私はそれらを強化し、結果を見ようとします。
しかし、量子カットオフの約30％しか他の2つのサンプルでその効率を示さないことは以前書いたので、結果は概ね予想通りだった。フランスのフランスのフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランスフランス。、、フレンドリーなフレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー。
However, the purpose of quantisation is to select a group with a probability shift.新しいデータによってグループ自体が別のターゲットにシフトするにもかかわらず、分割によってその中に安定した葉を見つけることができる可能性がある。
私が実験を行ったサンプルでは、1日に平均1つのシグナルがあると思うので、バーは離れています。
私が上で提案した実験の結果を見る方が面白いと思います。ランダムに生成されたターゲットの反応が、サンプリングされた量子セグメントにどれくらいの頻度で入るかを示すはずです。これは、アレクシー・ニコラエフが 彼の抽象論で提案したように、一定間隔のすでに「チェスト」になる。
あなたがサンプルを送ってくれれば、私が量子セグメントを選択し、そのデータに基づいて修正された森を作る実験をすることができます。
マシンカンファレンスをやるべきだと思う。ビュッフェ付きで、アラブ首長国連邦のどこかで開催する必要があるだろう。そして、フォーマルな雰囲気の中で、そしてインフォーマルな雰囲気の中で、すべてを話し合う。そうでなければ、フォーラムを通じて行うのは不便だ。
フルチェット - 悪くはなさそうだが、暴力の必要性 - まあ、私自身は気づいていない。理解されないことは悲しいが、それ自体が強い攻撃性を引き起こすわけではない。
ファーシェット--響きは悪くないが、暴力を必要とする--まあ、私はそれに気づいていない。理解されないことは悲しいことだが、それ自体が強い攻撃性を引き起こすわけではない。
マシンカンファレンスをやるべきだと思う。ビュッフェ付きで、アラブ首長国連邦のどこかで開催する必要があるだろう。そして、フォーマルな雰囲気の中で、そしてインフォーマルな雰囲気の中で、すべてを話し合う。そうでなければ、フォーラムを通じて行うのは不便だ。
私は機械学習について読みたかったのですが、ここではユーモアの専門家が腕を磨いています。
ユーモアのジョークなど、トピックに関係ないものは他で見てみたい。
さて、本題だ。
市場はランダム だと思うと書いていますが、その根拠は何ですか？
市場の値動きがランダムであることを証明する確かな根拠はありますか？