도움이 될지 모르겠네요! 상관 관계를 시도할 수 있습니다. 원하는 곡선의 형태로 얻고자 하는 이상적인 결과를 상상해 보고, 최적의 모델을 찾는 과정에서 상관관계를 계산하여 현재의 결과와 이상적인(당신에게 이상적인 곡선)을 비교합니다. 이상과 가장 가까운 상관 관계를 가진 모델이 목표로 하는 모델에 가장 가까운 모델이 됩니다.
아이디어는 고맙지만 이상은 매우 추상적이기 때문에 실현 가능하지 않습니다. 무엇이 되어야 하는지 명확하지 않습니다. 언뜻보기에 각 반복은 개선 사항을 제공하거나 개선 사항을 어느 정도 증가시켜야하지만 이것은 진부한 생각이며 ML 용 소프트웨어 개발자가 구현하지 않은 이유가 명확하지 않습니다. 이것은 모델을 만드는 제품을 경쟁력이 없게 만드는 너무 긴 훈련이거나 아이디어의 실제 테스트가 수행되었지만 이점이 밝혀지지 않았습니다.
Bayes의 주요 문제는 올바른 사전 분포를 선택하는 것입니다. 우리의 경우 비정상성으로 인해 모든 것이 복잡합니다. 시간에 대한 의존성이 나타날 수 있습니다.
큰 역사에 선험적으로 구축하고 작은 역사에 사후적으로 구축하는 것은 당연해 보입니다. 문제는 비정상 상태에서 이러한 역사 섹션을 올바르게 할당하는 데 있습니다.
예, 이것은 명백하고 더구나 나는 이미 MO를 통해 그것을 했습니다(내 이해 수준에서). 두 번째 모델은 각 단계 후에 첫 번째 모델의 신호를 수정합니다. 모든 것이 매우 쉽고 빠르며 적응력이 뛰어나다는 것이 밝혀졌습니다. 그러나 더 많은 연구가 필요합니다. 그리고 와우, 이론에 맞았습니다. (Bayesian, like smart)
Хотим мы того или нет, но статистика в трейдинге играет заметную роль. Начиная с фундаментальных новостей, пестрящих цифрами, и заканчивая торговыми отчетами или отчетами тестирования, от статистических показателей никуда не деться. Вместе с тем, тезис о применимости статистики в принятии торговых решений остается одной из самых дискуссионных...
예, 이것은 명백하고 더구나 나는 이미 MO를 통해 그것을 했습니다(내 이해 수준에서). 두 번째 모델은 각 단계 후에 첫 번째 모델의 신호를 수정합니다. 모든 것이 매우 쉽고 빠르며 적응력이 뛰어나다는 것이 밝혀졌습니다. 그러나 더 많은 연구가 필요합니다. 그리고 와우, 이론에 맞았습니다. (Bayesian, like smart)
사전 분포를 구성하는 또 다른 확실한 방법이 있습니다. "한도 내 / 평균"가격이 SB처럼 행동한다는 사실에서 진행하면 SB에서이 분포를 구축 할 수 있습니다. 드문 경우지만 이것은 분석적으로 수행될 수 있지만 일반적으로 Monte Carlo입니다. 방법은 더 복잡하고 이전 방법보다 낫다는 사실이 아닙니다.
사전 분포를 구성하는 또 다른 확실한 방법이 있습니다. "한도 내 / 평균"가격이 SB처럼 행동한다는 사실에서 진행하면 SB에서이 분포를 구축 할 수 있습니다. 드문 경우지만 이것은 분석적으로 수행될 수 있지만 일반적으로 Monte Carlo입니다. 방법은 더 복잡하고 이전 방법보다 낫다는 사실이 아닙니다.
일반적으로 더듬거리거나 :) 또는 다른 Alexei가 훈련된 샘플에서 모델 신호 분포의 곡선을 보여주듯이 선험적 정규 기반.
지난 몇 달 동안 가장 똑똑한 게시물입니다! ... 생각해야합니다. 나는 오랫동안 운동하지 않았습니다. 몸을 준비해야합니다. 휴가가 곧 다가옵니다!
글쎄요, 확률을 얻으려면 연구(실험, 우리의 경우 테스트)가 필요합니다. 다른 방법은 없습니다. 데이터 마이닝만 도움이 될 것입니다. 하지만 많은 사람들을 위해 YouTube 강의를 보지 않았습니다. 수업이 아니라 Python(((
우리는 ng))) 2분기 mb에서 tall 전에 파이썬을 시작할 것입니다.
도움이 될지 모르겠네요! 상관 관계를 시도할 수 있습니다. 원하는 곡선의 형태로 얻고자 하는 이상적인 결과를 상상해 보고, 최적의 모델을 찾는 과정에서 상관관계를 계산하여 현재의 결과와 이상적인(당신에게 이상적인 곡선)을 비교합니다. 이상과 가장 가까운 상관 관계를 가진 모델이 목표로 하는 모델에 가장 가까운 모델이 됩니다.
아이디어는 고맙지만 이상은 매우 추상적이기 때문에 실현 가능하지 않습니다. 무엇이 되어야 하는지 명확하지 않습니다. 언뜻보기에 각 반복은 개선 사항을 제공하거나 개선 사항을 어느 정도 증가시켜야하지만 이것은 진부한 생각이며 ML 용 소프트웨어 개발자가 구현하지 않은 이유가 명확하지 않습니다. 이것은 모델을 만드는 제품을 경쟁력이 없게 만드는 너무 긴 훈련이거나 아이디어의 실제 테스트가 수행되었지만 이점이 밝혀지지 않았습니다.
여기에 어떤 이유로 terver를 통한 패턴 검색에 대한 기사가 있습니다. 정보 규범이 거의 없습니다.
Bayes는 거의 아무것도 없으며 있는 곳에서 급히 알아낼 수 있습니다.
Bayes의 주요 문제는 올바른 사전 분포를 선택하는 것입니다. 우리의 경우 비정상성으로 인해 모든 것이 복잡합니다. 시간에 대한 의존성이 나타날 수 있습니다.
큰 역사에 선험적으로 구축하고 작은 역사에 사후적으로 구축하는 것은 당연해 보입니다. 문제는 비정상 상태에서 이러한 역사 섹션을 올바르게 할당하는 데 있습니다.
여기에 어떤 이유로 terver를 통한 패턴 검색에 대한 기사가 있습니다. 정보 규범이 거의 없습니다.
왜 안되는지 - 엄청나게, 마스터하는 것이 불가능합니다. GARCH라고 합니다. 여기에서 모델은 세 부분으로 구성됩니다.
오르베르의 의미에서 행복을 위해 무엇이 더 필요합니까?
아마도 그것이 다양한 가르치의 프레임워크 내에서 모든 것이 수집되기 때문에 어디에서도 사용할 수 없는 이유일 것입니다(어쨌든 링크를 게시했습니다 - 100개 이상의 다른 가르치)?
Bayes의 주요 문제는 올바른 사전 분포를 선택하는 것입니다. 우리의 경우 비정상성으로 인해 모든 것이 복잡합니다. 시간에 대한 의존성이 나타날 수 있습니다.
큰 역사에 선험적으로 구축하고 작은 역사에 사후적으로 구축하는 것은 당연해 보입니다. 문제는 비정상 상태에서 이러한 역사 섹션을 올바르게 할당하는 데 있습니다.
예, 이것은 명백하고 더구나 나는 이미 MO를 통해 그것을 했습니다(내 이해 수준에서). 두 번째 모델은 각 단계 후에 첫 번째 모델의 신호를 수정합니다. 모든 것이 매우 쉽고 빠르며 적응력이 뛰어나다는 것이 밝혀졌습니다. 그러나 더 많은 연구가 필요합니다. 그리고 와우, 이론에 맞았습니다. (Bayesian, like smart)
왜 안되는지 - 엄청나게, 마스터하는 것이 불가능합니다. GARCH라고 합니다. 여기에서 모델은 세 부분으로 구성됩니다.
오르베르의 의미에서 행복을 위해 무엇이 더 필요합니까?
아마도 그것이 다양한 가르치의 프레임워크 내에서 모든 것이 수집되기 때문에 어디에서도 사용할 수 없는 이유일 것입니다(어쨌든 링크를 게시했습니다 - 100개 이상의 다른 가르치)?
또는 마음으로 비교하기 어려울 수 있습니다. 예를 들어 조건부 확률, 결합 확률 등. 가르치를 통해 결정된다고 할 수 있나요?
즉, 검색 영역을 설정하려는 경우, 예를 들어 증분, 시간 간격 또는 기타 다른 조합으로 여기에서 저기까지 나를 위한 패턴을 찾습니다.
나는 파이썬에서 비슷한 것을 원합니다 (동시에 연습이있을 것입니다)
이와 같은 것: https://www.mql5.com/en/articles/3264예, 이것은 명백하고 더구나 나는 이미 MO를 통해 그것을 했습니다(내 이해 수준에서). 두 번째 모델은 각 단계 후에 첫 번째 모델의 신호를 수정합니다. 모든 것이 매우 쉽고 빠르며 적응력이 뛰어나다는 것이 밝혀졌습니다. 그러나 더 많은 연구가 필요합니다. 그리고 와우, 이론에 맞았습니다. (Bayesian, like smart)
사전 분포를 구성하는 또 다른 확실한 방법이 있습니다. "한도 내 / 평균"가격이 SB처럼 행동한다는 사실에서 진행하면 SB에서이 분포를 구축 할 수 있습니다. 드문 경우지만 이것은 분석적으로 수행될 수 있지만 일반적으로 Monte Carlo입니다. 방법은 더 복잡하고 이전 방법보다 낫다는 사실이 아닙니다.
사전 분포를 구성하는 또 다른 확실한 방법이 있습니다. "한도 내 / 평균"가격이 SB처럼 행동한다는 사실에서 진행하면 SB에서이 분포를 구축 할 수 있습니다. 드문 경우지만 이것은 분석적으로 수행될 수 있지만 일반적으로 Monte Carlo입니다. 방법은 더 복잡하고 이전 방법보다 낫다는 사실이 아닙니다.
일반적으로 더듬거리거나 :) 또는 다른 Alexei가 훈련된 샘플에서 모델 신호 분포의 곡선을 보여주듯이 선험적 정규 기반.
그것은 모두 견고한 물건입니다일반적으로 fumble :) 또는 다른 Alexey가 훈련된 샘플에 대한 모델 신호 분포의 곡선을 보여주듯이 선험적 정규 기반.
그것은 모두 견고한 물건입니다날카롭고 오싹할 수 있는 비정상성에 의해 모든 것이 망가집니다.
일반적으로 더듬거리거나 :) 또는 다른 Alexei가 훈련된 샘플에서 모델 신호 분포의 곡선을 보여주듯이 선험적 정규 기반.
그것은 모두 견고한 물건입니다우리가 나에 대해 이야기하면 테스트 샘플과 시험 샘플에 곡선을 표시했습니다. 교육이 진행되는 샘플은 보지도 않습니다 ...