트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2976 1...296929702971297229732974297529762977297829792980298129822983...3399 새 코멘트 Aleksey Nikolayev 2023.03.20 17:37 #29751 Forester #:그럴지도 모르지만 물고기가 보이지 않아요. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다. 제가 알기로는 "양자화"(히스토그램)는 속도를 높이기 위해 부스팅에 사용되므로 스플릿에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있어 좋지 않을 수 있습니다. Forester 2023.03.20 18:00 #29752 Aleksey Nikolayev #:제가 알기로는 "양자화"(히스토그램)는 부스팅에서 속도를 높이기 위해 사용되므로 분할에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성 측면에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있다는 점에서 좋지 않을 수 있습니다. 네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다. Aleksey Vyazmikin 2023.03.20 18:53 #29753 Forester #:그럴지도 모르지만 물고기가 하나도 보이지 않습니다. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다. 저를 믿지 않으셔서 유감입니다. 샘플에 대한 효과를 입증하고 학습 곡선을 비교할 수 있습니다. Aleksey Vyazmikin 2023.03.20 18:58 #29754 Forester #:네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다. 히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성이 있습니다. Forester 2023.03.20 20:12 #29755 Aleksey Vyazmikin #:히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성만 있으면 됩니다. 범위/분할을 찾는 작업은 트리 학습으로 해결됩니다. 적어도 목표와 관련하여 행을 구분하는 의미 있는 공식이 있습니다. 양자화에서는 단지 카운터 + 더블 건너뛰기일 뿐입니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.. 목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다. Aleksey Vyazmikin 2023.03.20 20:31 #29756 Forester #: 범위/분할을 검색하는 작업은 훈련 중에 트리로 해결됩니다. 적어도 목표와 관련하여 행을 구분하는 의미 있는 공식이 있습니다. 양자화에서는 카운터 + 더블 건너뛰기에 불과합니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.. 목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다. 각 예측자에 대해 퀀트 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정하면, 제가 식별하고 싶은 것은 바로 그거죠. 무작위든 아니든. 100% 신뢰도는 아니지만 무작위성을 30%만 제거해도 학습된 모델의 품질을 향상시킬 수 있습니다. 저는 나무의 단점 인 탐욕을 줄여야하는 분할 추정 함수 (알고리즘)를 개발하고 있습니다. 물론 이상하게도 저는이 주제에 대해 수년 동안 작업 해 왔고 다양한 샘플로 많은 실험을 해왔으며 접근 방식의 효과에 대한 통계가 있으며 방법이 효과가 있다고 말하지만 불신에 부딪 힙니다. 확률, 패턴으로 바꾸는 방법 전문 고문 - 기타 교차 EMA 5 x Forester 2023.03.20 20:43 #29757 Aleksey Vyazmikin #:각 예측자에 대해 퀀텀 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정해 봅시다. 랜덤이든 아니든. 대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다. Aleksey Vyazmikin 2023.03.21 02:53 #29758 Forester #:대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다. 무작위이지만 패턴은 무작위가 아닙니다. 즉, 미래에도 지속될 것입니다. 예측은 동일한 대상을 고려합니다. 반면에 대상을 고려하여 예측자를 양자 세그먼트로 더 정확하게 즉시 분할하는 것을 막을 수는 없습니다. Forester 2023.03.21 05:52 #29759 Aleksey Vyazmikin #: 반면에 대상을 고려하여 예측자를 한 번에 더 정확하게 양자 세그먼트로 분할하는 것을 막는 사람은 아무도 없습니다. 목표 오른쪽과 왼쪽 섹션의 클래스 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것이 트리의 임무입니다. 정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 할 것과 동일한 작업을 수행하려고 합니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다. Aleksey Vyazmikin 2023.03.21 12:05 #29760 Forester #:트리의 임무는 대상 오른쪽과 왼쪽 클래스의 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것입니다. 정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 수행하는 것과 동일한 작업을 하고 싶을 것입니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다. "최선"이 최선의 선택이 아닌 경우가 많다는 것을 설명하는 데 지쳤습니다. 질문 대신 진술 - 마치 종교를 하는 것처럼.... 1...296929702971297229732974297529762977297829792980298129822983...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
그럴지도 모르지만 물고기가 보이지 않아요. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다.
제가 알기로는 "양자화"(히스토그램)는 속도를 높이기 위해 부스팅에 사용되므로 스플릿에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있어 좋지 않을 수 있습니다.
제가 알기로는 "양자화"(히스토그램)는 부스팅에서 속도를 높이기 위해 사용되므로 분할에 대한 변형이 적습니다. 그렇다면 이 솔루션은 보편성 측면에서는 좋지만 특정 경우에는 실제 경계가 사라질 수 있다는 점에서 좋지 않을 수 있습니다.
네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다.
그럴지도 모르지만 물고기가 하나도 보이지 않습니다. 저는 정량화를 전혀 사용하지 않습니다. 저는 플로트 데이터를 탐색하는 것을 선호합니다.
저를 믿지 않으셔서 유감입니다.
샘플에 대한 효과를 입증하고 학습 곡선을 비교할 수 있습니다.
네, 맞습니다. 속도가 빨라지고 정규화에 기인할 수 있습니다. 하지만 정확한 분할도 잃게 됩니다.
히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성이 있습니다.
히스토리에 대한 정확한 분할. 예측값 분포의 특성을 알면 정량화를 통해 특징적으로 안정적인 동작을 하는 범위를 정확히 찾아낼 수 있습니다. 트레이딩의 경우 관련성만 있으면 됩니다.
양자화에서는 단지 카운터 + 더블 건너뛰기일 뿐입니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.
.
목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다.
범위/분할을 검색하는 작업은 훈련 중에 트리로 해결됩니다. 적어도 목표와 관련하여 행을 구분하는 의미 있는 공식이 있습니다.
양자화에서는 카운터 + 더블 건너뛰기에 불과합니다. 양자화는 목표 함수에 대한 확인 없이 이루어집니다.
.
목표에 대한 훈련이 있는 트리가 안정성을 제공하지 않거나 매우 약한 안정성을 제공하는 경우, 목표와 관련이 없는 카운터는 어떻게 안정성을 제공하나요? 무작위적이고 때로는 무작위로 좋은 세그먼트 만 시간이 지나면 더 이상 그렇게되지 않습니다.
각 예측자에 대해 퀀트 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정하면, 제가 식별하고 싶은 것은 바로 그거죠. 무작위든 아니든. 100% 신뢰도는 아니지만 무작위성을 30%만 제거해도 학습된 모델의 품질을 향상시킬 수 있습니다.
저는 나무의 단점 인 탐욕을 줄여야하는 분할 추정 함수 (알고리즘)를 개발하고 있습니다.
물론 이상하게도 저는이 주제에 대해 수년 동안 작업 해 왔고 다양한 샘플로 많은 실험을 해왔으며 접근 방식의 효과에 대한 통계가 있으며 방법이 효과가 있다고 말하지만 불신에 부딪 힙니다.
각 예측자에 대해 퀀텀 테이블을 선택해야 합니다. 운 좋게 랜덤이 맞았다고 가정해 봅시다. 랜덤이든 아니든.
대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다.
대상이 양자화 지점 선택에 관여하지 않는다면 어떻게 대상과 관련하여 무작위가 아닐 수 있나요? 무작위일 뿐입니다.
무작위이지만 패턴은 무작위가 아닙니다. 즉, 미래에도 지속될 것입니다. 예측은 동일한 대상을 고려합니다.
반면에 대상을 고려하여 예측자를 양자 세그먼트로 더 정확하게 즉시 분할하는 것을 막을 수는 없습니다.반면에 대상을 고려하여 예측자를 한 번에 더 정확하게 양자 세그먼트로 분할하는 것을 막는 사람은 아무도 없습니다.
목표 오른쪽과 왼쪽 섹션의 클래스 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것이 트리의 임무입니다.
정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 할 것과 동일한 작업을 수행하려고 합니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다.
트리의 임무는 대상 오른쪽과 왼쪽 클래스의 순도를 최대화할 수 있도록 최적의 분할 지점을 찾는 것입니다.
정량화 중에 순도를 추정하고 싶으신가요? 기본적으로 나중에 트리가 수행하는 것과 동일한 작업을 하고 싶을 것입니다. 정량화를 끄면 원하는 결과를 얻을 수 있습니다. 트리는 목표가 주어지면 최적의 분할 지점을 선택합니다.
"최선"이 최선의 선택이 아닌 경우가 많다는 것을 설명하는 데 지쳤습니다.
질문 대신 진술 - 마치 종교를 하는 것처럼....