"좋은 기능의 기반"에 1000개 이상의 기능이 있는 경우 해당 기능에 대해 새 모델을 훈련하고 거기에서 어떤 일이 발생하는지 확인할 수 있습니다.
경계가 없는 열린 필드에서와 같이 규칙의 경계 없이 무작위로 생성하여 가장자리에서 가장자리로 실행하여 검색합니다. 합리적인 경계가 필요하거나 적어도 하나의 논리적 및 차원 영역에서 1000개의 규칙을 찾고 다른 영역에서 또 다른 1000개의 규칙을 찾습니다. 완전 무작위는 마이너스 무한대에서 더하기까지 모두 동일합니다) 따라서 아이디어는 이와 같지 않습니다)
경계가 없는 열린 필드에서와 같이 규칙의 경계 없이 무작위로 생성하여 가장자리에서 가장자리로 실행하여 검색합니다. 합리적인 경계가 필요하거나 적어도 하나의 논리적 및 차원 영역에서 1000개의 규칙을 찾고 다른 영역에서 또 다른 1000개의 규칙을 찾습니다. 완전 무작위는 마이너스 무한대에서 더하기까지 모두 동일합니다) 따라서 아이디어는 이와 같지 않습니다)
이것들은 모두 뉘앙스입니다. 유전학에서와 같이 자손과 같은 좋은 기능에서 선택할 수 있으며 무작위 검색은 천천히 지시 된 검색으로 발전합니다 ....
요컨대, 당신은 당신이 좋아하는만큼 유행 할 수 있고 무엇이든 할 수 있습니다. 누가 할 것입니까 ??? 그리고 여기, 노래에서와 같이 - "나는 외칠 것이고 그에 대한 응답으로 침묵이 있습니다"
클러스터링하는 동안 많은 행이 서로 다른 영역에 분산되었고 지도가 형성되었으며 다음을 통해 호출할 수 있습니다.
k$centers
그리고 이미 각 라인의 무게를 더하여 클러스터의 하나 또는 다른 중심으로 분류합니다. 나는 한 줄의 가중치가 어떻게 수행되는지 이해하지 못합니다 ...
나는 이미 말했고, 악기의 의도된 목적을 위해 해석하고, 당신은 꽃으로 못을 망치려고 노력합니다.
예, 그렇습니다. 저는 훈련 중에 이미 나무를 받았습니다. 각 클러스터마다 다릅니다. - 완성도가 좋고 정확도가 허용되는 잎이 있습니다. 저녁에 Expert Advisor로 모아서 새 클러스터에서 어떤 일이 일어나는지 볼 것입니다. 데이터, 무엇이 더 효율적일 것인가 - 하나의 트리를 사용하거나 4개로 분할합니다.
나는 상당한 시장 반전을 보기로 결정했습니다. 목표로 중요한 반전. 혼돈일줄 알았는데 아니네..
"좋은 기능의 기반"에 1000개 이상의 기능이 있는 경우 해당 기능에 대해 새 모델을 훈련하고 거기에서 어떤 일이 발생하는지 확인할 수 있습니다.
그래서 당신의 방법이 나보다 나은 이유 - 나뭇잎 수집은 사실 기존 데이터를 기반으로 얻은 새로운 예측 변수입니다. 비교를 사용하여 트리를 구축할 뿐 아니라 대상 레벨을 변환 및 결합하기만 하면 됩니다. 일반적으로 일반 트리를 기반으로 이를 구현하고 거기에서 나뭇잎을 드래그할 수 있습니다.
영역 정의, 지연 정의, TF 정의 등, 이것은 모두 개그입니다. 무엇이 필요하고 무엇이 필요하지 않은지 알 수 없다면 검색하지 않을 것입니다. 한 번도 생각해 본 적이 없는 솔루션을 찾고, 이를 프레임워크에 밀어넣으면 또 다른 확률론적 솔루션을 얻게 됩니다.
특정 공간에서만 검색이 가능하고 검색영역을 정의하지 않으면 방법이 없다)))) 기계가 멍청해서 아쉽지만 열심히 하고 있다)
물론, 다차원 시리즈 또는 적어도 1차원 시리즈에서 일부 패턴의 규칙 없이 규칙을 찾는 아이디어가 있다면 최소한 그것이 어떻게 되어야 하는지, 규칙 없이 규칙을 생성한다는 아이디어에 접근하는 방법을 공식화하십시오 . 문제의 조건에 따라 규칙뿐만 아니라 무한히 많은 규칙이 있습니다.
그렇다면 왜 당신의 방법이 나보다 나은가요? 나뭇잎을 수집하는 것은 사실 기존 데이터를 기반으로 얻은 새로운 예측 변수입니다. 비교를 사용하여 트리를 구축할 뿐 아니라 대상 레벨을 변환 및 결합하기만 하면 됩니다. 일반적으로 일반 트리를 기반으로 이를 구현하고 거기에서 나뭇잎을 드래그할 수 있습니다.
무작위의...
기능은 로그로 나타낼 수 있습니다. 규정..
규칙 크기 - 임의
규칙의 내용은 무작위입니다.
생성된 1000개의 규칙 - 1000개의 기능으로 MO에 전송
1~5개의 좋은 기능이 있으면 선택하고, 그렇지 않으면 모든 것을 버립니다.
선택된 기능은 "좋은 기능의 기초"에 던져졌습니다.
다시 1000개의 기능을 생성합니다.
"좋은 기능의 기반"에 1000개 이상의 기능이 있는 경우 해당 기능에 대해 새 모델을 훈련하고 거기에서 어떤 일이 발생하는지 확인할 수 있습니다.
경계가 없는 열린 필드에서와 같이 규칙의 경계 없이 무작위로 생성하여 가장자리에서 가장자리로 실행하여 검색합니다. 합리적인 경계가 필요하거나 적어도 하나의 논리적 및 차원 영역에서 1000개의 규칙을 찾고 다른 영역에서 또 다른 1000개의 규칙을 찾습니다. 완전 무작위는 마이너스 무한대에서 더하기까지 모두 동일합니다) 따라서 아이디어는 이와 같지 않습니다)
경계가 없는 열린 필드에서와 같이 규칙의 경계 없이 무작위로 생성하여 가장자리에서 가장자리로 실행하여 검색합니다. 합리적인 경계가 필요하거나 적어도 하나의 논리적 및 차원 영역에서 1000개의 규칙을 찾고 다른 영역에서 또 다른 1000개의 규칙을 찾습니다. 완전 무작위는 마이너스 무한대에서 더하기까지 모두 동일합니다) 따라서 아이디어는 이와 같지 않습니다)
이것들은 모두 뉘앙스입니다. 유전학에서와 같이 자손과 같은 좋은 기능에서 선택할 수 있으며 무작위 검색은 천천히 지시 된 검색으로 발전합니다 ....
요컨대, 당신은 당신이 좋아하는만큼 유행 할 수 있고 무엇이든 할 수 있습니다. 누가 할 것입니까 ??? 그리고 여기, 노래에서와 같이 - "나는 외칠 것이고 그에 대한 응답으로 침묵이 있습니다"
이것들은 모두 뉘앙스입니다. 유전학에서와 같이 자손과 같은 좋은 기능에서 선택할 수 있으며 무작위 검색은 천천히 지시 된 검색으로 발전합니다 ....
요컨대, 당신은 당신이 좋아하는만큼 유행 할 수 있고 무엇이든 할 수 있습니다. 누가 할 것입니까 ??? 그리고 여기, 노래에서와 같이 - "나는 외칠 것이고 그에 대한 응답으로 침묵이 있습니다"
첫째, 최소한 규칙의 영역을 정의하십시오. 랙, 지표는 필요하지 않으며 무엇, 검색의 깊이와 폭이 필요하지 않습니다. 하나 또는 모든 TF에서 이것은 여러 행이고 차원은 단순히 날아갑니다. 계절 검색, 필요 없습니다. 그것 없이는 시작하기가 어렵습니다
첫째, 최소한 규칙의 영역을 정의하십시오. 랙, 지표는 필요하지 않으며 무엇, 검색의 깊이와 폭이 필요하지 않습니다. 하나 또는 모든 TF에서 이것은 여러 행이고 차원은 단순히 날아갑니다. 계절 검색, 필요 없습니다. 그것 없이는 시작하기가 어렵습니다
영역 정의, 지연 정의, TF 정의 등, 이것은 모두 개그입니다. 무엇이 필요하고 무엇이 필요하지 않은지 알 수 없다면 검색하지 않을 것입니다. 한 번도 생각해 본 적이 없는 솔루션을 찾고, 이를 프레임워크에 밀어넣으면 또 다른 확률론적 솔루션을 얻게 됩니다.
예, 규칙을 생성하는 클러스터링 알고리즘을 전혀 모릅니다.
클러스터링하는 동안 많은 행이 서로 다른 영역에 분산되었고 지도가 형성되었으며 다음을 통해 호출할 수 있습니다.
그리고 이미 각 라인의 무게를 더하여 클러스터의 하나 또는 다른 중심으로 분류합니다. 나는 한 줄의 가중치가 어떻게 수행되는지 이해하지 못합니다 ...
나는 이미 말했고, 악기의 의도된 목적을 위해 해석하고, 당신은 꽃으로 못을 망치려고 노력합니다.
예, 그렇습니다. 저는 훈련 중에 이미 나무를 받았습니다. 각 클러스터마다 다릅니다. - 완성도가 좋고 정확도가 허용되는 잎이 있습니다. 저녁에 Expert Advisor로 모아서 새 클러스터에서 어떤 일이 일어나는지 볼 것입니다. 데이터, 무엇이 더 효율적일 것인가 - 하나의 트리를 사용하거나 4개로 분할합니다.
나는 상당한 시장 반전을 보기로 결정했습니다. 목표로 중요한 반전. 혼돈일줄 알았는데 아니네..
반전을 유의미한 것으로 분류하는 규칙은 무엇입니까?
글쎄요, 정말 흥미롭습니다. 조언 해주셔서 감사합니다
인형용 코드를 공유할 수 있나요? 제가 응급실에 합류할 수 있을까요?
덕분에 클러스터링을 언로드할 수 있었습니다.
무작위의...
기능은 로그로 나타낼 수 있습니다. 규정..
규칙 크기 - 임의
규칙의 내용은 무작위입니다.
생성된 1000개의 규칙 - 1000개의 기능으로 MO에 전송
1~5개의 좋은 기능이 있으면 선택하고, 그렇지 않으면 모든 것을 버립니다.
선택된 기능은 "좋은 기능의 기초"에 던져졌습니다.
다시 1000개의 기능을 생성합니다.
"좋은 기능의 기반"에 1000개 이상의 기능이 있는 경우 해당 기능에 대해 새 모델을 훈련하고 거기에서 어떤 일이 발생하는지 확인할 수 있습니다.
그래서 당신의 방법이 나보다 나은 이유 - 나뭇잎 수집은 사실 기존 데이터를 기반으로 얻은 새로운 예측 변수입니다. 비교를 사용하여 트리를 구축할 뿐 아니라 대상 레벨을 변환 및 결합하기만 하면 됩니다. 일반적으로 일반 트리를 기반으로 이를 구현하고 거기에서 나뭇잎을 드래그할 수 있습니다.
영역 정의, 지연 정의, TF 정의 등, 이것은 모두 개그입니다. 무엇이 필요하고 무엇이 필요하지 않은지 알 수 없다면 검색하지 않을 것입니다. 한 번도 생각해 본 적이 없는 솔루션을 찾고, 이를 프레임워크에 밀어넣으면 또 다른 확률론적 솔루션을 얻게 됩니다.
특정 공간에서만 검색이 가능하고 검색영역을 정의하지 않으면 방법이 없다)))) 기계가 멍청해서 아쉽지만 열심히 하고 있다)
물론, 다차원 시리즈 또는 적어도 1차원 시리즈에서 일부 패턴의 규칙 없이 규칙을 찾는 아이디어가 있다면 최소한 그것이 어떻게 되어야 하는지, 규칙 없이 규칙을 생성한다는 아이디어에 접근하는 방법을 공식화하십시오 . 문제의 조건에 따라 규칙뿐만 아니라 무한히 많은 규칙이 있습니다.
요컨대, 나는 나무 대신 catbust를 망쳤습니다 .. 그리고 ... 문제는 나무가 아니라 항상 그렇듯이 머리에있었습니다.
메서드가 예상대로 작동하지 않음
Aliaksandr Hrysyn의 수업을 망쳤습니까?
그렇다면 왜 당신의 방법이 나보다 나은가요? 나뭇잎을 수집하는 것은 사실 기존 데이터를 기반으로 얻은 새로운 예측 변수입니다. 비교를 사용하여 트리를 구축할 뿐 아니라 대상 레벨을 변환 및 결합하기만 하면 됩니다. 일반적으로 일반 트리를 기반으로 이를 구현하고 거기에서 나뭇잎을 드래그할 수 있습니다.
기능 생성 / log.rules 관련 질문
기능 생성 / log.rules 관련 질문
이것이 기능이 생성되는 방법입니다. 기본 규칙의 형태로 생성자를 준비해야 합니다.
예를 들어 채널에서 가격이 한 번 동작하는 방식을 설명한 다음 채널을 변경하는 등의 방식으로 진행합니다.