There are two versions of Weka: Weka 3.8 is the latest stable version, and Weka 3.9 is the development version. For the bleeding edge, it is also possible to download nightly snapshots. Stable versions receive only bug fixes, while the development version...
Summary of the Random Forest Model
==================================
Number of observations used to build the model: 98573
Missing value imputation is active.
Call:
randomForest(formula = as.factor(arr_Buy) ~ .,
data = crs$dataset[crs$sample, c(crs$input, crs$target)],
ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix)
Type of random forest: classification
Number of trees: 500
No. of variables tried at each split: 8
OOB estimate of error rate: 6.89%
Confusion matrix:
-1 0 1 class.error
-1 24452 2147 27 0.08164952
0 1138 42398 1180 0.05183827
1 36 2265 24930 0.08449928
Error matrix for the Random Forest model on Pred_027_2015_H2_T_sample.csv (counts):
Predicted
Actual -101 Error
-1464030809430388.30521054059609017.31323728118546685.2
Error matrix for the Random Forest model on Pred_027_2015_H2_T_sample.csv (proportions):
Predicted
Actual -101 Error
-13.321.73.088.303.738.14.317.312.319.83.985.2
Overall error: 54.7%, Averaged class error: 63.6%
すでにすべてが2つのファイルに分かれているのに、なぜファイルを分割するのですか？ただ、Rでのやり方がわからない、誰も説明してくれない、私がバカなんだろう。
プログラミングを勉強する時間がない人は、https://www.cs.waikato.ac.nz/ml/weka/downloading.html の方が使いやすいかも？
しかし、ここでは別のモデルを紹介します。
その結果、他のすべてのモデルは、質的には異なるものの、あなたのデータではうまく機能しないはずです。
randomForestを高速化する必要があります。
わかりました、ありがとうございます、では、私は木と森を扱うことにします。
すでにすべてが2つのファイルに分割されているのに、なぜ分割するのですか？私はちょうどRでそれを行う方法を知らない、誰も私にそれを説明することができませんでした、明らかに愚かな。
割り算は楽勝、問題はRに対する偏見。
ネットワークが最適化されたExpert Advisorを歴史的に凌駕するようになることを強く望んでいます :)
なぜネットが必要なのか？
偏見はなく、ただ語学の知識が乏しく、ロシア語のHELPもない（一冊は持っているが、HELPと違い本は読む必要があり、そこで何が必要なのかわからない）ので、学習には問題ありです。そして、なぜGUIがそれほど好まれないのか、それは時間の節約になるから...。
それと、ネットワークについてですが、言い間違えました、手口全般についてです。
どこでこんなにたくさんのファーザーを拾ってきたのですか？ 戦略に合わせて手動で選んだのですか？）
足場の論理は同じであるべきだ。
私がこの予想屋を選んだのは、手動取引で損をしたときに、なぜ間違えたのかが分からないという苦い経験があるからです。私は損をするのが嫌いなので、なかなかポジションを閉じる ことができず、手仕舞いすると大変なことになるんです。そのような出来事の後、あなたはただひたすら、テストし、分析し、損失を避けるための解決策を探します。アイデアを出し、それを履歴で確認し、あるものは却下し、あるものは却下しない。プログラミングが苦手なため、多くのアイデアが未実装のままですが、それらは紙の上に残り、紙がテーブルを埋め尽くす...。
足場の件、心強いご回答ありがとうございます
もしかして、プログラミングの勉強がつまらないなら、https://www.cs.waikato.ac.nz/ml/weka/downloading.html、 使った方が楽なのでは？
この世紀を手に入れたのに、使い方がわからない!
それから、MT5で動かすにはどうしたらいいのか？
このすべての***、一般的なラトルでは、2015年に森を訓練し、デフォルト設定で、この結果を与えた。
Summary of the Random Forest Model ================================== Number of observations used to build the model: 98573 Missing value imputation is active. Call: randomForest(formula = as.factor(arr_Buy) ~ ., data = crs$dataset[crs$sample, c(crs$input, crs$target)], ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix) Type of random forest: classification Number of trees: 500 No. of variables tried at each split: 8 OOB estimate of error rate: 6.89% Confusion matrix: -1 0 1 class.error -1 24452 2147 27 0.08164952 0 1138 42398 1180 0.05183827 1 36 2265 24930 0.08449928私はロードする他のデータでモデルをテストするためにcsvファイルを学んだ（このファイルは、データで動作するようにファイルとして、最初に開かれるべきであるし、エクスポートして、すでにこのエクスポートされたファイルはタブで開くために評価） - 私は2016年にロードされます。
こんな冴えない結果に
この再教育、間違った設定、激変した市場は何なのか？
では、なぜDeductor Studioのツリーでは、同じデータでより良い結果が得られるのでしょうか？
カーバフィッティングの世界へようこそ
ところで、EMDについて少し調べてみたのですが、分解は 新しいバーごとに行わなければならないので、新しいデータが追加されるたびにすべてのmodsが跳ね返り、f-u-modeがノイズだらけになります。無意味、1回限りのケースにしか適さない
nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense nonsense。カーバフィッティングの世界へようこそ
ところで、EMDをいじってみたのですが、分解は 新しいバーごとに行わなければならず、そのため、新しいデータの追加に伴ってすべてのmodsが跳ね返り、f-u-modeが騒がしくなってしまいます。無意味、1回限りのケースにしか適さない。
ポジション管理の新しい方法を発見しました最初は、あれ、ここで叱られたのか、と思ったのですが、複合語には別の意味があることがわかり......。
私の出口がパターンではなく、ストップロスになっていることが問題で、それが深刻に結果を歪めていると思いますか？
EMDについては、この手法でカウンタートレンドのチャンネルを作るというアイデアもあるのですが...。
新しいポジション管理の方法とは？最初はそれだ、ここで叱られたんだと思ったが、複合語には別の意味があることがわかった......。
私の出口がパターンではなく、ストップロスを基準にしているため、結果がかなり歪んでしまうからでしょうか？
EMDについては、この手法でカウンタートレンドのチャネルを作るというアイデアがあったのですが...。
ポジション管理の方法は？上記の理由により、ダイナミクスにおけるEMDは全く適用できない
手法の説明が長い、すべてがRLと絡み合っている
はい、そしてあなたの場合 - 新しいデータで結果が期待されます。これはほとんどそうです。独立したモデルのアンサンブルによって部分的に解決されるこんなつまらない結果になってしまった
この再教育、間違った設定、激変した市場は何なのか？
では、なぜ同じデータでDeductor Studioのツリーでより良い結果が得られるのでしょうか？
再トレーニングの主な証拠：私はノイズ予測器を見つけられませんでした - すべてノイズです。
上記の理由により、EMDはダイナミックスでは全く使用できません。
説明すると長くなりますが、RLと絡み合っています。
そして、あなたの場合 - 新しいデータで結果が期待できます。これはほとんどそうです。独立したモデルのアンサンブルによって部分的に解決される予測式を2つほど追加して、アンサンブルに移行する...。と言って、タンバリンと踊りが始まります。