트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2392 1...238523862387238823892390239123922393239423952396239723982399...3399 새 코멘트 Maxim Dmitrievsky 2021.04.15 10:56 #23911 예브게니 가브릴로비 : MLPClassifier도 이 작업에 적합하지 않습니까? 표본이 속한 클래스의 확률을 추정하는 방법이 있습니다. https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html 이들은 다른 모델입니다. GMM은 확률 밀도 추정 및 샘플 샘플링에 사용되며 분류기는 다음을 분류합니다. 분명히 CatBoost를 신경망으로 교체하려고 합니다. 그러나 그것은 큰 의미가 없습니다. Evgeni Gavrilovi 2021.04.15 11:08 #23912 막심 드미트리예프스키 : 이들은 다른 모델입니다. GMM은 확률 밀도 추정 및 샘플 샘플링에 사용되며 분류기는 다음을 분류합니다. 분명히 CatBoost를 신경망으로 교체하려고 합니다. 그러나 그것은 큰 의미가 없습니다. 거기에 신경망이 GMM보다 더 적합하다고 씁니다. https://www.mql5.com/en/forum/356331#comment_19373237 Обсуждение статьи "Продвинутый ресемплинг и выбор CatBoost моделей брутфорс методом" 2020.11.23www.mql5.com Опубликована статья Продвинутый ресемплинг и выбор CatBoost моделей брутфорс методом : Автор: Maxim Dmitrievsky... Maxim Dmitrievsky 2021.04.15 11:30 #23913 예브게니 가브릴로비 : 거기에 신경망이 GMM보다 더 적합하다고 씁니다. https://www.mql5.com/en/forum/356331#comment_19373237 제너레이티브 네트워크와 오토인코더에 관한 것이었습니다. 나는 클래식 버전을 테스트했는데 더 나쁘다. 나는 이미 이 스레드의 앞부분에서 글을 썼고 다음과 같은 코드를 던졌습니다. Maxim Dmitrievsky 2021.04.15 15:47 #23914 예브게니 가브릴로비 : 거기에 신경망이 GMM보다 더 적합하다고 씁니다. https://www.mql5.com/ru/forum/356331#comment_19373237 이 모델을 살펴보십시오. https://sdv.dev/SDV/user_guides/timeseries/par.html 나는 아직 그것을 직접 시도하지 않았으며, 생성하고 시각화해야 할 것입니다. 내가 이해하는 한, 모델은 활발히 개발 중이며 개발자와 직접 소통할 수 있습니다. + 새로운 아이디어와 함께 검토를 위해 새 기사를 보냈습니다. Evgeni Gavrilovi 2021.04.15 20:16 #23915 막심 드미트리예프스키 감사하다. Maxim Dmitrievsky 2021.04.16 08:07 #23916 예브게니 가브릴로비 : 감사하다. 나는 성경이 없고 오류가 많다. 아마도 오래된 버전일 것입니다. Maxim Dmitrievsky 2021.04.16 08:47 #23917 컴퓨터 또는 Google colab에 설치되지 않은 일부 버전의 numpai를 가져옵니다. colab에 nampay를 다시 설치한 후 작동했습니다. 일부 비뚤어진 괴물이 이 라이브러리를 작성합니다. Evgeni Gavrilovi 2021.04.16 08:50 #23918 막심 드미트리예프스키 : 컴퓨터 또는 Google colab에 설치되지 않은 일부 버전의 numpai를 가져옵니다. 이 버전 0.5.0은 정상입니다. https://pypi.org/project/sdv/0.5.0 sdv 2020.11.25pypi.org Automated Generative Modeling and Sampling Maxim Dmitrievsky 2021.04.16 08:59 #23919 예브게니 가브릴로비 : 이 버전 0.5.0은 정상입니다. https://pypi.org/project/sdv/0.5.0 공동 작업에서 마지막 하나가 출시되었습니다. git에서 모델의 기능을 연기해야 하며 python 모듈을 복사하기만 하면 됩니다. 그렇지 않으면 작동 방식이 명확하지 않고 설명서에 설명이 없습니다. 그리고 그녀에 대해 아무 말도 하지마 Evgeni Gavrilovi 2021.04.16 09:04 #23920 막심 드미트리예프스키 : 공동 작업에서 마지막 하나가 출시되었습니다. git에서 모델의 기능을 연기해야 하며 python 모듈을 복사하기만 하면 됩니다. 그렇지 않으면 작동 방식이 명확하지 않고 설명서에 설명이 없습니다. from sdv.timeseries import PARpr_c = pr.copy() X = pr_c[pr_c.columns[ 1 :]] sdv = PAR.fit(X) 적합에 도달한 후 오류: fit()에 1개의 필수 위치 인수가 누락됨: 'timeseries_data' 시계열을 제출하기 위한 다른 형식이 필요합니다. https://sdv.dev/SDV/user_guides/timeseries/par.html 1...238523862387238823892390239123922393239423952396239723982399...3399 새 코멘트 트레이딩 기회를 놓치고 있어요: 무료 트레이딩 앱 복사용 8,000 이상의 시그널 금융 시장 개척을 위한 경제 뉴스 등록 로그인 공백없는 라틴 문자 비밀번호가 이 이메일로 전송될 것입니다 오류 발생됨 Google으로 로그인 웹사이트 정책 및 이용약관에 동의합니다. 계정이 없으시면, 가입하십시오 MQL5.com 웹사이트에 로그인을 하기 위해 쿠키를 허용하십시오. 브라우저에서 필요한 설정을 활성화하시지 않으면, 로그인할 수 없습니다. 사용자명/비밀번호를 잊으셨습니까? Google으로 로그인
MLPClassifier도 이 작업에 적합하지 않습니까?
표본이 속한 클래스의 확률을 추정하는 방법이 있습니다.
https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html이들은 다른 모델입니다. GMM은 확률 밀도 추정 및 샘플 샘플링에 사용되며 분류기는 다음을 분류합니다.
분명히 CatBoost를 신경망으로 교체하려고 합니다. 그러나 그것은 큰 의미가 없습니다.
이들은 다른 모델입니다. GMM은 확률 밀도 추정 및 샘플 샘플링에 사용되며 분류기는 다음을 분류합니다.
분명히 CatBoost를 신경망으로 교체하려고 합니다. 그러나 그것은 큰 의미가 없습니다.
거기에 신경망이 GMM보다 더 적합하다고 씁니다.
https://www.mql5.com/en/forum/356331#comment_19373237
거기에 신경망이 GMM보다 더 적합하다고 씁니다.
https://www.mql5.com/en/forum/356331#comment_19373237
제너레이티브 네트워크와 오토인코더에 관한 것이었습니다. 나는 클래식 버전을 테스트했는데 더 나쁘다. 나는 이미 이 스레드의 앞부분에서 글을 썼고 다음과 같은 코드를 던졌습니다.
거기에 신경망이 GMM보다 더 적합하다고 씁니다.
https://www.mql5.com/ru/forum/356331#comment_19373237
이 모델을 살펴보십시오. https://sdv.dev/SDV/user_guides/timeseries/par.html
나는 아직 그것을 직접 시도하지 않았으며, 생성하고 시각화해야 할 것입니다.
내가 이해하는 한, 모델은 활발히 개발 중이며 개발자와 직접 소통할 수 있습니다.
+ 새로운 아이디어와 함께 검토를 위해 새 기사를 보냈습니다.
감사하다.
감사하다.
나는 성경이 없고 오류가 많다. 아마도 오래된 버전일 것입니다.
컴퓨터 또는 Google colab에 설치되지 않은 일부 버전의 numpai를 가져옵니다.
colab에 nampay를 다시 설치한 후 작동했습니다.
일부 비뚤어진 괴물이 이 라이브러리를 작성합니다.
컴퓨터 또는 Google colab에 설치되지 않은 일부 버전의 numpai를 가져옵니다.
이 버전 0.5.0은 정상입니다.
https://pypi.org/project/sdv/0.5.0
이 버전 0.5.0은 정상입니다.
https://pypi.org/project/sdv/0.5.0
공동 작업에서 마지막 하나가 출시되었습니다. git에서 모델의 기능을 연기해야 하며 python 모듈을 복사하기만 하면 됩니다. 그렇지 않으면 작동 방식이 명확하지 않고 설명서에 설명이 없습니다.
그리고 그녀에 대해 아무 말도 하지마
공동 작업에서 마지막 하나가 출시되었습니다. git에서 모델의 기능을 연기해야 하며 python 모듈을 복사하기만 하면 됩니다. 그렇지 않으면 작동 방식이 명확하지 않고 설명서에 설명이 없습니다.
pr_c = pr.copy() X = pr_c[pr_c.columns[ 1 :]] sdv = PAR.fit(X)
적합에 도달한 후 오류: fit()에 1개의 필수 위치 인수가 누락됨: 'timeseries_data'
시계열을 제출하기 위한 다른 형식이 필요합니다.
https://sdv.dev/SDV/user_guides/timeseries/par.html