예! , 모든 유형의 AMO 사이에 "인식 품질 측면에서 격차가 5% 미만인 경우 모든 유형의 AMO를 정렬하는 것이 요점입니다. 모두 개체에 대한 더 깊은 지식 (더 나은 분류) 을 위한 정보 (기능) 가 분명히 부족하므로 예, 저는 정보를 제공하는 기능과 방법에 대해 독점적으로 작업하기 시작했습니다.
그건 그렇고, 파이썬에는 기능 featuretools 의 자동 생성을 위한 흥미로운 패키지가 있습니다. 불행히도 R-ke에서 실행하지 못했습니다. 파이썬에 몇 가지 문제가 있습니다)) 보세요, 흥미로운 일이라고 생각합니다 .
어떤 유형의 예측 변수를 추가했습니까?
나는 아직 파이썬과 R을 접해본 적이 없지만 아주 짧은 시간입니다 :(
회귀 채널을 생각해낼 수 있는 예측 변수는 무엇입니까? 나는 계수, 채널 구성 벡터의 반복 횟수, 채널 경계의 교차점을 가격으로 고정합니다.
그리고 아마도 누군가가 MT5에서 회귀 채널이 어떻게 계산되는지 알고 있을 것입니다. 미래로?
그는 3년 동안 뉴런을 거래해 왔습니다. 나는 그와 개인적으로 이야기했다. 최소 100,000,000의 계정 관리를 수행합니다. 그의 프로필과 거기에 그의 모든 계정을 엽니다. 그는 성공했다 . 그래서 당신도 할 수있을 것입니다. 지금이 아니면 나중에 모든 것이 해결될 것입니다. 포기 하지마 ))
예! , 모든 유형의 AMO 사이에 "인식 품질 측면에서 격차가 5% 미만인 경우 모든 유형의 AMO를 정렬하는 것이 요점입니다. 모두 개체에 대한 더 깊은 지식 (더 나은 분류) 을 위한 정보 (기능) 가 분명히 부족하므로 예, 저는 정보를 제공하는 기능과 방법에 대해 독점적으로 작업하기 시작했습니다.
그건 그렇고, 파이썬에는 기능 featuretools 의 자동 생성을 위한 흥미로운 패키지가 있습니다. 불행히도 R-ke에서 실행하지 못했습니다. 파이썬에 몇 가지 문제가 있습니다)) 보세요, 흥미로운 일이라고 생각합니다 .
어떤 유형의 예측 변수를 추가했습니까?
나는 아직 파이썬과 R을 접해본 적이 없지만 아주 짧은 시간입니다 :(
회귀 채널을 생각해낼 수 있는 예측 변수는 무엇입니까? 나는 계수, 채널 구성 벡터의 반복 횟수, 채널 경계의 교차점을 가격으로 고정합니다.
그리고 아마도 누군가가 MT5에서 회귀 채널이 어떻게 계산되는지 알고 있을 것입니다. 미래로?
모든 것이 가능하다 )
featuretools , 불행히도 R-ke에서 실행할 수 없었습니다. 파이썬에 몇 가지 문제가 있습니다)) 보세요, 흥미로운 것 같아요.
생각하거나 입증? 흥미로운 점은 무엇입니까?
[12]: feature_matrix_customers Out[12]: zip_code COUNT(세션) NUM_UNIQUE(sessions.device) MODE(sessions.device) SUM(transactions.amount) STD(transactions.amount) MAX(transactions.amount) SKEW(transactions.amount) MIN(transactions.amount) MEAN(transactions) .amount) COUNT(transactions) NUM_UNIQUE(transactions.product_id) MODE(transactions.product_id) DAY( date_of_birth ) DAY(join_date) YEAR(date_of_birth) YEAR(join_date) MONTH(date_of_birth) MONTH(join_date) WEEKDAY(date_of_birth) ) SUM(sessions.SKEW(transactions.amount)) SUM(sessions.NUM_UNIQUE(transactions.product_id)) SUM(sessions.MAX(transactions.amount)) SUM(sessions.MIN(transactions.amount)) SUM(sessions.STD (transactions.amount)) SUM(sessions.MEAN(transactions.amount)) STD(sessions.SKEW(transactions.amount)) STD(sessions.NUM_UNIQUE(transactions.product_id)) STD(sessions.MAX(transactions.amount)) STD(sessions.SUM(transactions.amount)) STD(sessions.COUNT(transactions)) STD(sessions.MIN(transactions.amount)) STD(sessions.MEAN(transactions.amount)) MAX(ses sions.SKEW(transactions.amount)) MAX(sessions.NUM_UNIQUE(transactions.product_id)) MAX(sessions.SUM(transactions.amount)) MAX(sessions.COUNT(transactions)) MAX(sessions.MIN(transactions.amount) ) MAX(sessions.STD(transactions.amount)) MAX(sessions.MEAN(transactions.amount)) SKEW(sessions.NUM_UNIQUE(transactions.product_id)) SKEW(sessions.MAX(transactions.amount)) SKEW(sessions.SUM (transactions.amount)) SKEW(sessions.COUNT(transactions)) SKEW(sessions.MIN(transactions.amount)) SKEW(sessions.STD(transactions.amount)) SKEW(sessions.MEAN(transactions.amount)) MIN( session.SKEW(transactions.amount)) MIN(sessions.NUM_UNIQUE(transactions.product_id)) MIN(sessions.MAX(transactions.amount)) MIN(sessions.SUM(transactions.amount)) MIN(sessions.COUNT(트랜잭션) ) MIN(sessions.STD(transactions.amount)) MIN(sessions.MEAN(transactions.amount)) MEAN(sessions.SKEW(transactions.amount)) MEAN(sessions.NUM_UNIQUE(transactions.product_id)) MEAN(sessions.MAX (transactions.amount)) MEAN(세션.SUM(거래) ions.amount)) MEAN(sessions.COUNT(transactions)) MEAN(sessions.MIN(transactions.amount)) MEAN(sessions.STD(transactions.amount)) MEAN(sessions.MEAN(transactions.amount)) NUM_UNIQUE(세션 .MODE(transactions.product_id)) NUM_UNIQUE(sessions.DAY(session_start)) NUM_UNIQUE(sessions.WEEKDAY(session_start)) NUM_UNIQUE(sessions.YEAR(session_start)) NUM_UNIQUE(sessions.MONTH(session_start)) MODE(sessions.MODE( transaction.product_id)) MODE(sessions.DAY(session_start)) MODE(sessions.WEEKDAY(session_start)) MODE(sessions.YEAR(session_start)) MODE(sessions.MONTH(session_start)) NUM_UNIQUE(transactions.sessions.device) NUM_UNIQUE (transactions.sessions.customer_id) 모드 (transactions.sessions.device) 모드 (transactions.sessions.customer_id) customer_id 1 60091 8 3 모바일 9025.62 40.442059 139.442059 139.443 0.0198 5.81 71.631905 126 5 4 18 17 1994 2011 7 4 0 6 -0.476122 40 1057.97 78.59 312.745952 582.193117 0.589386 0.000000 7.322191 279.510713 4.062019 6.954507 13.759314 13.759314 65 88.755625 0.000000 0.778170 1.946018 2.440005 -0.780493 -0.312355 -0.424949 -1.038434 5 118.90 809.97 12 30.450261 50.623125 5.000000 -0.059515 1128.202500 132.246250 9.823750 15.750000 39.093244 72.774140 4 1 1 1 1 1 2 4 1 2014 3 1 1 7 월 2 월 3 13,244 모바일 데스크탑 7200.28 37.705178 5 4 18 15 1,986 8.73 146.81 0.098259 77.422366 2,012 93 8 4 0 6 -0.277640 35 931.63 154.60 258.700528 548.905851 0.509798 0.000000 17.221593 15.874374 11.477071 251.609234 3.450328 0.755711 5 1320.64 18 56.46 47.935920 96.581000 0.000000 -1.539467 -0.440929 -0.303276 2.154929 0.013087 0.235296 -0.763603 5 100.04 634.84 8 27.839228 61.910000 -0.039663 5.000000 133.090000 1028.611429 13.285714 22.085714 36.957218 78.415122 4 1 1 1 1 3 1 2 2014 1 3 1 2 월 바탕 화면 13244 년 6 월 3 데스크탑 6236.62 43.683296 149.15 0.418230 5.89 67.060430 93 1월 5일 21 13 8 2 003 11th 5 월 2011 4 2.286086 29 847.63 66.21 257.299895 405.237462 0.429374 0.408248 10.724241 219.021420 2.428992 7015 09,444 -2.449490 -0.941078 -1.507217 2.246479 1.000771 0.678544 -0.245703 -0.289466 4 126.74 889.21 11 0.381014 4.833333 35.704680 55.579412 15.500000 11.035000 141.271667 1039.436667 42.883316 67.539577 4 1 1 1 1 1 1 2 3 1 1 2014 3 월 4 바탕 60,091 3 월 8 모바일 45.068765 149.95 8727.68 8 2,006 2,011 4 8 1 4 37 0.002764 131.51 1157.99 356.125829 649.657515 0.387884 0.517549 3.514421 3.335416 16.960575 13.027258 235.992478 0.382868 5 1351.46 18 54.83 54.293903 110.450000 0.027256 -0.644061 -0.391805 0.282488 2.103510 1.980948 -1.065663 -0.711744 -0.036348 4 139.20 771.68 5.73 80.070459 109 5 2 15 10 29.026420.000346 4.625000 1090.960000 13.625000 16.438750 13.62500050 1 1 1 1 1 1 1 1 2 2014 1 3 1 4 5 월 모바일 60091 Mobile 6349.66 44.095630 149.02 -0.025941 7.55 80.37543 5 월 5 일 79 28 First 17 1984 2010 7th 7 5 5 0.014384 86.49119 0.415426 0.000000 7.928001 402.775486 3.600926 4.961414 11.007471 0.602209 5 1700.67 18 20.65 51.149250 94.481667 0. 000000 -0.333796 -0.317685 -0.470410 0.472342 0.204548 0.335175 -0.539060 128.51 543.18 5 8 0.002397 5.000000 36.734681 66.666667 13.166667 14.415000 139.960000 1058.276667 43.312326 78.705187 5 1 1 1 1 3 1 2 1 2014 3 1 5 모바일
회귀 채널에 대해 어떤 종류의 예측 변수를 생각해 낼 수 있습니까?
생각하지 않고 발명하지 않는 것이 더 낫다는 결론에 도달했습니다. 그러나 기호를 합성하고 확인하는 일종의 정렬 알고리즘을 작성하는 것이 좋습니다. 수백만 가지 옵션을 사용할 수 있으므로 이것은 인간이 발명하는 것보다 분명히 더 효율적입니다.
또한, 좋은 신호를 얻는 것은 오류가 떨어질 때까지 개선되고 수정될 수 있습니다.
영감은 MGUA 방식인 Ivakhnenko의 작업이었습니다. 나는 방법의 철학을 정말로 좋아한다.
생각하거나 입증? 흥미로운 점은 무엇입니까?
글쎄, 나는 집에서 패키지를 실행할 수 없다고 썼습니다. 내가 발을 떼지 않으면 어떻게 무언가를 증명할 수 있습니까? 문서를 읽고 칩이 있습니다. 시도하는 것이 합리적이지만 시도하지 않았습니다. 위에서 설명한 이유
환경, 표준 및 패션을 스스로 찾지 못할 것입니다.
글쎄, 일반적으로 그것은 규범을 깨고 .. 모든 태국 시리즈에 대해 필요한 것입니다. 손으로 만지작거리지 않으려면
LSTM에서는 여기에서 언급한 찌를 필요가 있습니다.
환경에서 당신은 무엇입니까, 표준 및 패션 자체는 찾을 수 없습니다
모든 것이 그렇게 원시적이지 않습니다. 더 읽어보기
하지만 결국에는 물론 자신만의 기능 합성기를 작성해야 합니다.
모든 것이 그렇게 원시적이지 않습니다. 더 읽어보기
봇을 거의 완성했습니다! 곧 테스트
얼마나 많은 거모로 충동을 이겨야 했는지봇을 거의 완성했습니다! 곧 테스트
우리는 기다립니다)
그는 3년 동안 뉴런을 거래해 왔습니다. 나는 그와 개인적으로 이야기했다. 최소 100,000,000의 계정 관리를 수행합니다. 그의 프로필과 거기에 그의 모든 계정을 엽니다. 그는 성공했다 . 그래서 당신도 할 수있을 것입니다. 지금이 아니면 나중에 모든 것이 해결될 것입니다. 포기 하지마 ))
그는 성공했고 그것이 그가 이미 3년 동안 데모 계정 에서 거래한 이유입니까? :)
그는 성공했고 그것이 그가 이미 3년 동안 데모 계정 에서 거래한 이유입니까? :)
잘
풍요의 환상을 취하고 짓밟았다 ...