그건 그렇고, EURUSD M1 차트에서 10에서 60(6개 조각)까지의 기간과 추세선형 레그 상관 관계를 확인했습니다.
-0.00,0.01,0.00,0.01,0.01,-0.01
-0.01에서 0.01까지의 상관관계, 즉 그녀는 전혀 존재하지 않습니다.
그러나 귀하의 Expert Advisor는 이익을 보여줍니다... 남아 있는 모든 것은 추세선형을 보고 차트의 움직임을 기반으로 몇 가지 규칙을 발명하여 수동으로 거래를 표시하는 것입니다. 제 생각에는 다음을 수행할 일반 Expert Advisor를 작성하는 것이 더 쉽습니다. 이 규칙에 따라 일하십시오.
음, 이제 특정 규칙에 따라 동일한 회귀의 증분을 출력하거나 이동 또는 여러 회귀(여러 출력) ..를 사용하면 상관 관계가 정상이 됩니다. 그리고 입력 기간이 다른 더 많은 회귀가 있습니다. MLP는 garch와 같은 자체 내부에 멋진 회귀 모델 을 구축하고 모든 것이 공개될 것입니다. :) 하지만 일반적으로, 예를 들어 더 발전된 신경망, 예를 들어 LSTM이 필요합니다.
광산은 옵티마이저를 통해 실행되기 때문에 이익을 보여줍니다. 이것은 더러운 결과입니다 :) 우리는 적합성이 앞으로 매우 오래 작동하지 않을 것이라고 말할 수 있습니다.
올바른 대상 마크업을 찾는 것이 좋은 입력을 찾는 것보다 훨씬 더 어려운 것 같습니다. 결국 차트에는 지그재그(또는 다른 방법)에서 얻은 포인트 외에도 거래가 수익성이 있는 수십 개의 모멘트/막대가 있습니다. 그리고 국회는 이 유일한 학습 옵션에 대해서만 거래를 조정하려고합니다. 그리고 이것은 trendlinearreg의 예에서 분명히 볼 수 있습니다.
도서관 : 올바른 대상 마크업을 찾는 것이 좋은 입력을 찾는 것보다 훨씬 더 어려운 것 같습니다. 결국 차트에는 지그재그(또는 다른 방법)에서 얻은 포인트 외에도 거래가 수익성이 있는 수십 개의 모멘트/막대가 있습니다. 그리고 국회는 이 유일한 학습 옵션에 대해서만 거래를 조정하려고합니다. 그리고 이것은 trendlinearreg의 예에서 분명히 볼 수 있습니다.
하나 이상의 입력 변수(일부)가 출력과 0에 가까운 상관 관계를 가지지만 모델이 높은 예측 정확도를 제공하는 다중 회귀를 사용할 수 있습니다.
그리고 뭐?
그리고 이러한 변수를 제거하면 문제의 차원이 줄어들고 정확도가 높아집니다.
그리고 뭐?
귀하의 게시물의 의미는 무엇입니까?
체, 체... 앗! 절대 안돼!...
검사 그만하세요 아저씨, 우리는 출입구에 없어요)))
기능은 대상과 상관 관계가 있어야 한다고 말했고 상관 관계가 없는 것은 버릴 수 있다고 했습니다. 그렇지 않은 경우 XOR을 수행하고 확인하십시오. 상관 관계가 없으며 종속성이 선형이 아니기 때문에 기능이 중요합니다. , 그게 전부입니다. 상관 관계는 선형 종속성 구성 요소만 포착합니다.
기능은 대상과 상관 관계가 있어야 한다고 말했고 상관 관계가 없는 것은 버릴 수 있다고 했습니다. 그렇지 않은 경우 XOR을 수행하고 확인하십시오. 상관 관계가 없으며 종속성이 선형이 아니기 때문에 기능이 중요합니다. , 그게 전부입니다. 상관 관계는 선형 종속성 구성 요소만 포착합니다.
그건 그렇고, EURUSD M1 차트에서 10에서 60(6개 조각)까지의 기간과 추세선형 레그 상관 관계를 확인했습니다.
-0.00,0.01,0.00,0.01,0.01,-0.01
-0.01에서 0.01까지의 상관관계, 즉 그녀는 전혀 존재하지 않습니다.
그러나 귀하의 Expert Advisor는 이익을 보여줍니다... 남아 있는 모든 것은 추세선형을 보고 차트의 움직임을 기반으로 몇 가지 규칙을 발명하여 수동으로 거래를 표시하는 것입니다. 제 생각에는 다음을 수행할 일반 Expert Advisor를 작성하는 것이 더 쉽습니다. 이 규칙에 따라 일하십시오.
음, 이제 특정 규칙에 따라 동일한 회귀의 증분을 출력하거나 이동 또는 여러 회귀(여러 출력) ..를 사용하면 상관 관계가 정상이 됩니다. 그리고 입력 기간이 다른 더 많은 회귀가 있습니다. MLP는 garch와 같은 자체 내부에 멋진 회귀 모델 을 구축하고 모든 것이 공개될 것입니다. :) 하지만 일반적으로, 예를 들어 더 발전된 신경망, 예를 들어 LSTM이 필요합니다.
광산은 옵티마이저를 통해 실행되기 때문에 이익을 보여줍니다. 이것은 더러운 결과입니다 :) 우리는 적합성이 앞으로 매우 오래 작동하지 않을 것이라고 말할 수 있습니다.
결국 차트에는 지그재그(또는 다른 방법)에서 얻은 포인트 외에도 거래가 수익성이 있는 수십 개의 모멘트/막대가 있습니다. 그리고 국회는 이 유일한 학습 옵션에 대해서만 거래를 조정하려고합니다.
그리고 이것은 trendlinearreg의 예에서 분명히 볼 수 있습니다.
올바른 대상 마크업을 찾는 것이 좋은 입력을 찾는 것보다 훨씬 더 어려운 것 같습니다.
결국 차트에는 지그재그(또는 다른 방법)에서 얻은 포인트 외에도 거래가 수익성이 있는 수십 개의 모멘트/막대가 있습니다. 그리고 국회는 이 유일한 학습 옵션에 대해서만 거래를 조정하려고합니다.
그리고 이것은 trendlinearreg의 예에서 분명히 볼 수 있습니다.
따라서 NN은 시스템, 필터 또는 다른 NS의 앙상블로 사용되어야 합니다.
모든 ML은 입력 변수가 출력 변수와 상관 관계가 있어야 한다는 사실에 기반합니다.
그렇지 않으면 모든 MO 모델에는 의미가 없습니다.
당신은 심각하게 착각하고 있습니다. 상관 관계는 선형 종속성, y = kx일 뿐이며, 평범한 XOR 데이터 세트라도 대상과 개별 기능의 상관 관계는 0이지만 비선형 분류기에서는 쉽게 해결됩니다.
나는 이것을 세 번 읽었습니다 - 이 단편들은 어렵게 이해됩니다 ....
그리고 뭐?
하나 이상의 입력 변수(일부)가 출력과 0에 가까운 상관 관계를 가지지만 모델이 높은 예측 정확도를 제공 하는 다중 회귀 를 사용할 수 있습니다.
그리고 뭐?
그리고 이러한 변수를 제거하면 문제의 차원이 줄어들고 정확도가 높아집니다.
그리고 뭐?
당신의 게시물의 의미는 무엇입니까?
"불필요한" 변수를 거부하는 문제는 모델의 차원을 줄이는 문제를 해결합니다.
DM의 경우 모델 예측의 정확도도 높입니다.
국회의 경우 정확도는 잘 모르겠습니다.
나는 이것을 세 번 읽었습니다 - 이 단편들은 어렵게 이해됩니다 ....
그리고 뭐?
하나 이상의 입력 변수(일부)가 출력과 0에 가까운 상관 관계를 가지지만 모델이 높은 예측 정확도를 제공하는 다중 회귀를 사용할 수 있습니다.
그리고 뭐?
그리고 이러한 변수를 제거하면 문제의 차원이 줄어들고 정확도가 높아집니다.
그리고 뭐?
귀하의 게시물의 의미는 무엇입니까?
체, 체... 앗! 절대 안돼!...
검사 그만하세요 아저씨, 우리는 출입구에 없어요)))
기능은 대상과 상관 관계가 있어야 한다고 말했고 상관 관계가 없는 것은 버릴 수 있다고 했습니다. 그렇지 않은 경우 XOR을 수행하고 확인하십시오. 상관 관계가 없으며 종속성이 선형이 아니기 때문에 기능이 중요합니다. , 그게 전부입니다. 상관 관계는 선형 종속성 구성 요소만 포착합니다.
체, 체... 앗! 절대 안돼!...
검사 그만하세요 아저씨, 우리는 출입구에 없어요)))
기능은 대상과 상관 관계가 있어야 한다고 말했고 상관 관계가 없는 것은 버릴 수 있다고 했습니다. 그렇지 않은 경우 XOR을 수행하고 확인하십시오. 상관 관계가 없으며 종속성이 선형이 아니기 때문에 기능이 중요합니다. , 그게 전부입니다. 상관 관계는 선형 종속성 구성 요소만 포착합니다.
선형 상관 관계가 0이고 비선형 종속성이 강한 예를 들어보십시오.
선형 상관 관계가 0이고 비선형 종속성이 강한 예를 들어보십시오.
나는 XOR 데이터 세트를 말했다
나는 XOR 데이터 세트를 말했다
예가 있습니까?
들어오는 데이터의 행과 나가는 데이터의 행 표시 - 게시