첫 번째 요점에서 저는 급수가 고정되어 있는지 확인해야 한다는 것을 깨달았습니다. 그렇지 않다면 그것을 운동량으로 분해해야 합니다. ACF, CHAF 및 Dickey-Fuller 테스트를 확인하십시오.
ACF는 이미 MQL에서도 수행되었습니다.
µl에 침을 뱉으십시오 - 가장 다양한 도구의 엄청난 양이 충분하지 않습니다. 항상 akf와 같은 다른 말도 안되는 소리에 부딪치게 되며 다른 모든 것이 많이 있습니다. 마이크로리터는 나중에 작동하는 모델이 있을 때 얻을 수 있으며 전혀 얻지 못할 수도 있습니다. R에서는 무엇이 작동하지 않는지 알지만 µl에서는 도구가 충분하지 않기 때문에 알 수 없습니다.
강하게 과적합, oo에 부어 넣음
오래 공부해서 OOS 보여줄게
기능(환경 설명)도 변경해야 합니다.
그래서 스토캐스틱의 주기 자체는 변하지 않지만 내부의 무게가 이동하여 부호가 곱해진 다음 활성화 함수가 된다는 것을 이해합니다.
그래서 스토캐스틱의 주기 자체는 변하지 않지만 내부의 무게가 이동하여 부호가 곱해진 다음 활성화 함수가 된다는 것을 이해합니다.
스토캐스틱(3 RSI)에 대한 목표가 정렬됩니다. 지정된 레이블 세트가 없습니다. 예
옵티마이저가 아닌 본격적인 NS를 통해서만 학습
친애하는, 입구의 바 번호를 알고 있지만 이유를 알 수 없는 경우 분류하는 방법을 알려주십시오.
패턴을 식별하는 방법. 들어가야 하는 클래스와 그렇지 않은 클래스를 두 가지로 나눕니다.
두 개의 벡터: 하나는 long용이고 하나는 short용입니다.
입력해야 하는 곳/위치 = 1 , 나머지 = 0
문제는 예측 변수에 있습니다. 대상과 관련된 것들이 있어야 합니다.
경험이 없다면 6개의 모델을 선택하고 가장 중요한 것은 예측 변수를 준비하고 모델 자체를 만들고 이러한 모델을 평가하는 전체 주기가 있다는 것입니다. Excel에서 파일을 준비하면 R에서 아무것도 이해하지 않고도 나열된 모든 결과를 즉시 볼 수 있습니다.
그래서 이 스레드는 재료로 가득 차 있습니다.
행운을 빕니다.
추신.
우리 연대가 도착했다고 가정합시다.
확률론적 목표(3 RSI)가 정렬됩니다. 레이블 세트가 지정되지 않았습니다.
옵티마이저가 아닌 본격적인 NS 학습
대상 교육이란 무엇입니까?
나는 ARIMA와 함께 여기에서 조금 이해합니다. 세 단계가 있다는 것을 깨달았습니다.
1. 시험 모델의 식별.
2. 매개변수 추정 및 적절성 검증.
3. 예측.
첫 번째 요점: 시리즈가 고정되어 있는지 확인해야 합니다. 그렇지 않은 경우 일련의 운동량인 시리즈에서 벗어나도록 해야 합니다.
대상 교육이 무엇인지 알 수 있습니까?
target(label)은 훈련 중에 신경망의 출력에 공급되는 것입니다(즉, 발행해야 하는 값).
입력되는 것은 기호(특징, 예측자)입니다.
대상 교육이란 무엇입니까?
나는 ARIMA와 함께 여기에서 조금 이해합니다. 세 단계가 있다는 것을 깨달았습니다.
1. 시험 모델의 식별.
2. 매개변수 추정 및 적절성 검증.
3. 예측.
첫 번째 요점: 시리즈가 고정되어 있는지 확인해야 합니다. 그렇지 않은 경우 일련의 운동량인 시리즈에서 벗어나도록 해야 합니다.
매개변수를 자동으로 선택하는 auto.arima 기능이 있으며 3개(6개)가 있으며 하나는 아닙니다.
모델의 나머지 부분을 확인하십시오. 이를 위한 특별한 테스트가 있습니다.
두 개의 벡터: 하나는 long용이고 하나는 short용입니다.
입력해야 하는 곳/위치 = 1 , 나머지 = 0
문제는 예측 변수에 있습니다. 대상과 관련된 것들이 있어야 합니다.
경험이 없다면 우리는 딸랑이, 6개의 모델을 취하고 가장 중요한 것은 예측 변수의 준비, 모델 자체 및 이러한 모델의 평가와 같은 전체 주기가 있다는 것입니다. Excel에서 파일을 준비하면 R에서 아무것도 이해하지 않고도 나열된 모든 결과를 즉시 볼 수 있습니다.
그래서 이 스레드는 재료로 가득 차 있습니다.
행운을 빕니다.
추신.
우리 연대가 도착했다고 가정합시다.
고맙습니다! 그래도 어렵지 않다면 대략 6개의 모델, 예측변수의 준비, 모델과 그 평가를 읽을 수 있는 곳. 나는 R에서 약간의 작업을 시도했지만 몇 년이 지나면 무엇이 무엇인지 이해하기 어렵습니다.
매개변수를 자동으로 선택하는 auto.arima 함수가 있으며 3개(6개)가 있으며 하나는 아닙니다.
모델의 나머지 부분을 확인하십시오. 이를 위한 특별한 테스트가 있습니다.
첫 번째 요점에서 저는 급수가 고정되어 있는지 확인해야 한다는 것을 깨달았습니다. 그렇지 않다면 그것을 운동량으로 분해해야 합니다. ACF, CHAF 및 Dickey-Fuller 테스트를 확인하십시오.
ACF는 이미 MQL에서도 수행되었습니다.
첫 번째 요점에서 저는 급수가 고정되어 있는지 확인해야 한다는 것을 깨달았습니다. 그렇지 않다면 그것을 운동량으로 분해해야 합니다. ACF, CHAF 및 Dickey-Fuller 테스트를 확인하십시오.
ACF는 이미 MQL에서도 수행되었습니다.
µl에 침을 뱉으십시오 - 가장 다양한 도구의 엄청난 양이 충분하지 않습니다. 항상 akf와 같은 다른 말도 안되는 소리에 부딪치게 되며 다른 모든 것이 많이 있습니다. 마이크로리터는 나중에 작동하는 모델이 있을 때 얻을 수 있으며 전혀 얻지 못할 수도 있습니다. R에서는 무엇이 작동하지 않는지 알지만 µl에서는 도구가 충분하지 않기 때문에 알 수 없습니다.