네, 저는 또한 그들에게 5년 동안 시장을 예측하는 것은 현실적이지 않다고 항상 말합니다. 여기에서 적어도 일주일 또는 다른 기간 동안 적절한 모델을 만들고 그것에 대해 만족하지만 이미 5년 안에 모델을 만들고 싶어합니다. 유토피아. 그리고 전지전능한 Alexei에 대한 질문입니다. 두 개의 완전히 동일한 클래스가 정의되고 이들의 시장 반응은 정반대일 경우 모델이 무엇을 해야 하는지 알려주세요. 말하자면 데이터의 불일치 ....이 경우 모델이 어떻게 작동합니까 ???? 결국 패턴 자체가 중요한 게 아니라 이 패턴에 대한 시장의 반응이 중요하다....
마이클 마르쿠카이테스 : 네, 저도 5년 동안 시장을 예측하는 것은 현실적이지 않다고 늘 이야기합니다...
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수는 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수가 최고입니다. 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수가 최고입니다. 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
마이클 마르쿠카이테스 : 감사해요!!! 매우 유용한 추가 기능입니다. 계속 비틀어 .... 휘젓다 ...
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 수행되었습니다. 더 중요한 예측 변수는 덜 중요한 예측 변수로 대체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면만입니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 Tuzik의. 그러나 그것들은 중요하지 않을 것 같습니까?
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 이루어지고 더 중요한 예측 변수가 덜 중요한 예측 변수로 교체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면에서만 볼 수 있습니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 그리고 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 투직. 그러나 그것들은 중요하지 않을 것 같습니까?
점성술에 관해서는, 나는 천년 수행을 거부하지 않을 것입니다. 팬으로서 좋아하는 팀을 잃는 것은 생산성 에 부정적인 영향을 미친다고 말할 수 있습니다. Muhosransk가 Norilsk Nickel과 같은 일종의 원자재 독점이 있는 단일 산업 도시인 경우 Vonyuchka 강의 수위 하락으로 간접적으로 입증되는 바와 같이 생산량이 감소할 수 있습니다.
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 수행되었습니다. 더 중요한 예측 변수는 덜 중요한 예측 변수로 대체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면에서만 볼 수 있습니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 그리고 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 투직. 그러나 그것들은 중요하지 않을 것 같습니까?
네, 저도 5년 동안 시장을 예측하는 것은 현실적이지 않다고 늘 이야기합니다...
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수는 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수가 최고입니다. 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
말하고 권면하는 것은 헛된 것입니다. 많은 사람들이 인지 왜곡을 가지고 있으며, 그 중에는 다음과 같은 정보 필터도 있습니다. 정보가 세계관과 일치하지 않으면 전혀 인식되지 않거나 화난 반응을 유발합니다.
저것들. 여기 거주자 대부분은 당신의 대화에 전혀 주의를 기울이지 않거나 투덜거리며 당신을 트롤이라고 부르기 시작할 것입니다.
하지만 그게 핵심이 아닙니다. 결론은 jPrediction 에서 7 버전부터 예측 변수의 중요성을 평가할 수 있게 되었다는 것입니다. 이렇게 하려면 새 모델을 생성(훈련)하거나 파일에서 이전에 저장한 모델을 로드한 후 "중요한 예측 변수 보기" 메뉴 항목을 호출하거나 단축키 F5를 눌러야 합니다.
예측 변수의 중요성 표를 볼 수 있습니다.
최고의 예측 변수가 최고입니다. 가장 중요한 예측 변수입니다. 이 샘플에서 "Competitiviness" 열을 제거하면 교육 후에 "Garbage in, Garbage out" 메시지가 표시됩니다.
최악의 예측 변수는 최악의 예측 변수입니다. 이 샘플에서 "운영 위험" 열을 제거하면 일반화 능력이 악화되지 않습니다.
설명에 "-"로 표시된 나머지 예측 변수는 평균 유의성을 가집니다. 이 표본에서 제거하면 일반화 능력이 눈에 띄게 악화됩니다.
예측 변수의 유의성은 어떻게 계산됩니까?
매우 짧지만(매우 명확하지 않은) 방법으로 예측 변수의 유의성은 훈련 후 얻은 가중치에서 계산됩니다.
예측 변수의 중요성을 계산하는 알고리즘에 대한 자세한 내용은 jPrediction의 소스에서 찾을 수 있습니다. 글쎄, 아니면 더 명료하게 설명하기 위해 전체 기사를 작성해야 합니다.
감사해요!!! 매우 유용한 추가 기능입니다. 계속 비틀어 .... 휘젓다 ...
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 수행되었습니다. 더 중요한 예측 변수는 덜 중요한 예측 변수로 대체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면만입니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 Tuzik의. 그러나 그것들은 중요하지 않을 것 같습니까?
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 이루어지고 더 중요한 예측 변수가 덜 중요한 예측 변수로 교체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면에서만 볼 수 있습니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 그리고 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 투직. 그러나 그것들은 중요하지 않을 것 같습니까?
점성술에 관해서는, 나는 천년 수행을 거부하지 않을 것입니다. 팬으로서 좋아하는 팀을 잃는 것은 생산성 에 부정적인 영향을 미친다고 말할 수 있습니다. Muhosransk가 Norilsk Nickel과 같은 일종의 원자재 독점이 있는 단일 산업 도시인 경우 Vonyuchka 강의 수위 하락으로 간접적으로 입증되는 바와 같이 생산량이 감소할 수 있습니다.
어떤 나비가 언제, 어디서, 날개를 흔들며 쓰나미를 일으킬지 추측하는 것은 불가능합니다.
중요한 것은 이제 중요하지 않은 예측 변수를 매우 빠르게 계산하고 다른 예측 변수로 바꿀 수 있다는 것입니다. 교체 후에는 일반화 능력이 향상되었는지 여부를 확인하는 것이 필수적입니다. 증가하지 않으면 교체가 잘못 수행되었습니다. 더 중요한 예측 변수는 덜 중요한 예측 변수로 대체되었습니다.
어제 나는 인용문을 실험했다. 가장 중요한 TA 발진기를 빠르게 찾았습니다. 그러나 그들 중 5 명 만있었습니다. 그리고 일반화 능력은 더 이상 성장하지 않으며 적어도 무언가를 대체합니다. 저것들. TA 지표와 오실레이터를 어떻게 분류하든, 사실 그것들은 모두 동일한 데이터를 기반으로 한다는 것이 밝혀졌습니다. 이전 기록의 작은 부분(여러 막대)이지만 이 데이터를 약간 다르게 처리합니다. 모든 TA 표시기와 오실레이터는 동일한 "계란"이며 측면에서만 볼 수 있습니다. 덱을 어떻게 섞어도 같은 카드가 들어 있습니다. 모든 칠면조와 오실은 서로 너무 강한 상관 관계가 있으며 미래와 매우 약한 상관 관계가 있습니다.
일반화 능력을 높이려면 인용문에 영향을 미치지만 인용문에서 파생되지 않은 데이터를 더 가져와야 합니다. 저것들. 몇 가지 추가 정보 소스가 필요합니다. 그리고 어디서 얻을 수 있는지, 절대 알 수 없습니까? 물론 달의 위상, 흑점의 양, Muhosransk의 야드 축구 팀 경기 결과, Stinky River의 수위 또는 평방 센티미터 당 벼룩의 수와 같은 예측 변수로 시도 할 수 있습니다. 잡종 투직. 그러나 그것들은 중요하지 않을 것 같습니까?
누적 델타를 시도하십시오. 실체적 누적분포..... System Zscore/ Ye cjjndtcndtyyj dc` 'nj ch hfpys[ gfh? vj;yjlf;t 'rpjnbxtcrb[? nfv rjhhtkzwbz ljk;yf jncencndjdfnm ^-)
누군가가 관심을 가질 것입니다. 거래를 시뮬레이션하고 quantstrat 라는 거래 시스템을 구축할 수 있는 패키지를 찾았습니다.
http://www.rinfinance.com/agenda/2013/workshop/Humme+Peterson.pdf