두 번째 기사에서는 여러 매개변수의 유전학과 열거가 하나의 값 벡터(숲 진입, 예측자)로 대체되고 최대 수익성 있는 거래 수를 고려하여 출구가 선택됩니다. f 번째 보상(DD, 샤프 비율 등)을 조정하여 다른 기준을 입력할 수 있습니다.
알고리즘은 최적화 프로그램에서 단 몇 번의 패스(보통 5회)로 매우 높은 품질로 모든 전략을 최적화합니다(GA 및 전체 검색과 달리). 기사에 제공된 예에서 이것은 초입니다. 또한 예측 변수의 수가 증가해도 최적화 패스의 수는 거의 증가하지 않습니다. 다른 주제에서 전략 리그에 대해 시도하는 것이 좋습니다. 또한 제안된 접근 방식을 기반으로 더 효율적인 리그 최적화 알고리즘을 제시할 수 있습니다. 일반 최적화 프로그램은 특히 교차 검증(wolf-forward) 없이 도덕적으로 쓸모없는 것으로 버려질 수 있으며 (최소한) 속도는 배수로 손실되지만 품질 면에서는 더 좋지 않습니다. 포리스트를 kfold가 있는 NN으로 바꾸면 울프 포워드와 유사하고 매우 빠른 것을 얻을 수 있습니다. 그러나 손이 닿지 않을 때까지.
상호 정보는 목표 변수와 예측 변수 사이의 엔트로피를 측정한 것으로, 그림에서 예측 변수의 중요성에 대한 표 형식으로 보여드린 것과 같습니다. 그러나 레이저에서 재귀 기능 제거를 사용하고 오류를 볼 수 있습니다. 그렇다면 정보가 없는 예측 변수를 정렬하고 삭제해야 합니다. (구글에서 디코딩)
업데이트
글을 읽고 난 후 답보다 질문이 더 많고 모든 코드가 명확하지 않지만 글에서 설명한 접근 방식을 구현하려면 TS를 완전히 다시 작성해야 한다는 것을 이해합니다. 분명히 나는 아직 기사가 쓰여지는 수준에 도달하지 못했습니다.
Deductor Studio에서 나무 자체를 수동 및 반자동 모드로 조립할 수 있다는 사실이 밝혀져 매우 매료되었습니다! 그러나 프로세스는 시간이 많이 걸리고 인터페이스에 드래그 앤 드롭이 충분하지 않지만 이 모드에서 데이터로 작업하면 패턴을 더 잘 볼 수 있습니다. 사실, 규칙을 변경할 기회가 충분하지 않습니다. 샘플에서 이것이 1이라고 말하면 0으로 변경할 수 없지만 발생 빈도와 신뢰성 측면에서 일부 규칙을 0으로 바꾸고 즉시 통계를 살펴보겠습니다. , 그렇지 않으면 모든 것이 스크립트에 의한 처리를 통해 수행되어야 합니다. 그러한 기능을 가진 다른 유사한 프로그램이 있을 수 있지만, 손으로 트리에서 노드를 더 빠르게 구축할 수 있는 곳은 어디입니까?
음, 여기 첫 번째 실수가 있습니다... 좋아요, 전환의 순간을 정의합시다. 바닥에서 위로 표시는 구매 신호, 위에서 아래로 판매 신호입니다. 그러나 한 바에서만. 즉, 50선을 넘은 순간만 남게 되는데 이게 한 바 안에서 이루어지기를???
본질적으로 가격이 바닥에서 위로 50%선을 넘어서는 순간 동시에 지정된 수준 아래로 떨어지게 됩니다. 그래서 밑에서 위로 50%선을 넘고 매수하면 됩니다. 나오보로드 나오보로드 .... 이 플랜이 마음에 드시나요???
새 막대 를 열려면 작업하십시오. 입력은 그다지 중요하지 않습니다. 내 시스템에서는 쓰레기 제거가 통계에 따라 수행되며 실수로 간주하지 않습니다. 교차는 입력에 대한 신호 생성 빈도를 줄이는 것을 제외하고 전역적으로 아무 것도 제공하지 않지만 품질도 떨어집니다.
마이클 마르쿠카이테스 : 추가하겠습니다. 왜 일정한 신호가 필요합니까? 분석에 가장 적절한 순간은 시그널이 영구적으로 있다면 매수에서 매도 신호로 바뀌는 순간이라고 생각합니다. 하지만 신호 변경의 순간은 1bar로 제한되어 있다고 생각합니다. 잘 생각해 보세요. 주요 거래가 뒤집힐 경우 매수 신호 안의 모든 것을 분석해야 하는 이유는 무엇입니까? 즉, 신호가 바뀌는 순간이 가장 중요합니다. 그것은 식별 할 수 있습니다 ...
나는 결정이 실제로 필터의 캐스케이드에 의해 이루어진다고 설명했습니다. 저는 MO에서 일부 필터를 사용할 가치가 있는 시장 영역과 그렇지 않은 영역만 식별하기를 원합니다. 이미 하고 있는 일을 합리화해야 하고, 블랙박스의 기적을 기다리지 말아야 합니다.
의사 결정은 필터 대신 NN에 완전히 전달되어야 합니다. 그러면 의미가 있습니다. 여기에서 YES 또는 NO라는 단순한 질문에 막대한 리소스가 사용되며, 국회에서 필터를 사용할 시장 부문을 식별하기를 원합니다. 이미 너무 복잡하다고 생각합니다. 이것은 할 수 있지만 거기에 필터 대신 올바른 모델을 어리석게도 빌드하는 것이 더 쉽습니다. 임호!!!!
글을 읽고 난 후 답보다 질문이 더 많고 모든 코드가 명확하지 않지만 글에서 설명한 접근 방식을 구현하려면 TS를 완전히 다시 작성해야 한다는 것을 이해합니다. 분명히 나는 기사가 쓰여지는 수준에 아직 도달하지 않았습니다.
Deductor Studio에서 나무 자체를 수동 및 반자동 모드로 조립할 수 있다는 사실이 밝혀져 매우 매료되었습니다! 그러나 프로세스는 시간이 많이 걸리고 인터페이스에 드래그 앤 드롭이 충분하지 않지만 이 모드에서 데이터로 작업하면 패턴을 더 잘 볼 수 있습니다. 사실, 규칙을 변경할 기회가 충분하지 않습니다. 샘플에서 이것이 1이라고 말하면 0으로 변경할 수 없지만 발생 빈도와 신뢰성 측면에서 일부 규칙을 0으로 바꾸고 즉시 통계를 살펴보겠습니다. , 그렇지 않으면 모든 것이 스크립트에 의한 처리를 통해 수행되어야 합니다. 그러한 기능을 가진 다른 유사한 프로그램이 있을 수 있지만, 손으로 트리에서 노드를 더 빠르게 구축할 수 있는 곳은 어디입니까?
아니, 한 적이 없다
예를 들어, 숲은 이미 보편적인 분류기 또는 근사기이고 손으로 편집할 것이 없기 때문에 이것이 필요한 이유를 정말로 이해하지 못합니다.
당신이 아무 말도 하지 않는다면 우리는 어떻게 할 것입니까? 최신 개발에 대해 알려주십시오. 예제와 함께 자세히 설명합니다.
무엇 때문에??? 한 가지만 말씀해 주십시오. Doc은 R에서 MT로 모델을 전송하는 데 도움을 주었고 이 모델은 OOS의 Reshetov와 정확히 동일하게 작동한다고 알려드립니다. 일대일 스트레이트. 따라서 R의 모델을 신뢰할 수 있습니다. 제공된 데이터에 관한 모든 것입니다 ... 모두 동일합니다 ....
유머는 무엇이었습니까? 그것은 다른 단어가 주어에 전혀, 심지어 같은 어근에도 없다는 것입니까?
글쎄, 그것은 당신에게 도달하지 않습니다 ... 씹는 것은 의미가 없습니다.
두 번째 기사에서는 여러 매개변수의 유전학과 열거가 하나의 값 벡터(숲 진입, 예측자)로 대체되고 최대 수익성 있는 거래 수를 고려하여 출구가 선택됩니다. f 번째 보상(DD, 샤프 비율 등)을 조정하여 다른 기준을 입력할 수 있습니다.
알고리즘은 최적화 프로그램에서 단 몇 번의 패스(보통 5회)로 매우 높은 품질로 모든 전략을 최적화합니다(GA 및 전체 검색과 달리). 기사에 제공된 예에서 이것은 초입니다. 또한 예측 변수의 수가 증가해도 최적화 패스의 수는 거의 증가하지 않습니다. 다른 주제에서 전략 리그에 대해 시도하는 것이 좋습니다. 또한 제안된 접근 방식을 기반으로 더 효율적인 리그 최적화 알고리즘을 제시할 수 있습니다. 일반 최적화 프로그램은 특히 교차 검증(wolf-forward) 없이 도덕적으로 쓸모없는 것으로 버려질 수 있으며 (최소한) 속도는 배수로 손실되지만 품질 면에서는 더 좋지 않습니다. 포리스트를 kfold가 있는 NN으로 바꾸면 울프 포워드와 유사하고 매우 빠른 것을 얻을 수 있습니다. 그러나 손이 닿지 않을 때까지.
상호 정보는 목표 변수와 예측 변수 사이의 엔트로피를 측정한 것으로, 그림에서 예측 변수의 중요성에 대한 표 형식으로 보여드린 것과 같습니다. 그러나 레이저에서 재귀 기능 제거를 사용하고 오류를 볼 수 있습니다. 그렇다면 정보가 없는 예측 변수를 정렬하고 삭제해야 합니다. (구글에서 디코딩)
업데이트
글을 읽고 난 후 답보다 질문이 더 많고 모든 코드가 명확하지 않지만 글에서 설명한 접근 방식을 구현하려면 TS를 완전히 다시 작성해야 한다는 것을 이해합니다. 분명히 나는 아직 기사가 쓰여지는 수준에 도달하지 못했습니다.
Deductor Studio에서 나무 자체를 수동 및 반자동 모드로 조립할 수 있다는 사실이 밝혀져 매우 매료되었습니다! 그러나 프로세스는 시간이 많이 걸리고 인터페이스에 드래그 앤 드롭이 충분하지 않지만 이 모드에서 데이터로 작업하면 패턴을 더 잘 볼 수 있습니다. 사실, 규칙을 변경할 기회가 충분하지 않습니다. 샘플에서 이것이 1이라고 말하면 0으로 변경할 수 없지만 발생 빈도와 신뢰성 측면에서 일부 규칙을 0으로 바꾸고 즉시 통계를 살펴보겠습니다. , 그렇지 않으면 모든 것이 스크립트에 의한 처리를 통해 수행되어야 합니다. 그러한 기능을 가진 다른 유사한 프로그램이 있을 수 있지만, 손으로 트리에서 노드를 더 빠르게 구축할 수 있는 곳은 어디입니까?
음, 여기 첫 번째 실수가 있습니다... 좋아요, 전환의 순간을 정의합시다. 바닥에서 위로 표시는 구매 신호, 위에서 아래로 판매 신호입니다. 그러나 한 바에서만. 즉, 50선을 넘은 순간만 남게 되는데 이게 한 바 안에서 이루어지기를???
본질적으로 가격이 바닥에서 위로 50%선을 넘어서는 순간 동시에 지정된 수준 아래로 떨어지게 됩니다. 그래서 밑에서 위로 50%선을 넘고 매수하면 됩니다. 나오보로드 나오보로드 .... 이 플랜이 마음에 드시나요???
새 막대 를 열려면 작업하십시오. 입력은 그다지 중요하지 않습니다. 내 시스템에서는 쓰레기 제거가 통계에 따라 수행되며 실수로 간주하지 않습니다. 교차는 입력에 대한 신호 생성 빈도를 줄이는 것을 제외하고 전역적으로 아무 것도 제공하지 않지만 품질도 떨어집니다.
추가하겠습니다. 왜 일정한 신호가 필요합니까? 분석에 가장 적절한 순간은 시그널이 영구적으로 있다면 매수에서 매도 신호로 바뀌는 순간이라고 생각합니다. 하지만 신호 변경의 순간은 1bar로 제한되어 있다고 생각합니다. 잘 생각해 보세요. 주요 거래가 뒤집힐 경우 매수 신호 안의 모든 것을 분석해야 하는 이유는 무엇입니까? 즉, 신호가 바뀌는 순간이 가장 중요합니다. 그것은 식별 할 수 있습니다 ...
이것은 실수입니다. 항상 시장에 있는 것은 잘못된 것입니다. 위험이 너무 높습니다.
새 막대 를 열려면 작업하십시오. 입력은 그다지 중요하지 않습니다. 내 시스템에서 쓰레기 제거는 통계에 따라 수행되며 실수로 간주하지 않습니다. 교차는 입력에 대한 신호 생성 빈도를 줄이는 것을 제외하고 전역적으로 아무 것도 제공하지 않지만 품질도 떨어집니다.
이것은 실수입니다. 항상 시장에 있는 것은 잘못입니다. 위험이 너무 높습니다.
글쎄요, 당신은 당신이 일정한 신호를 가지고 있다고 말했습니다. 죄송한데 오해가 있는거같아서 도와드리기 힘드네요.. 오해가 너무 크네요....
글쎄요, 당신은 당신이 일정한 신호를 가지고 있다고 말했습니다. 죄송한데 오해가 있는거같아서 도와드리기 힘드네요.. 오해가 너무 크네요....
나는 결정이 실제로 필터의 캐스케이드에 의해 이루어진다고 설명했습니다. 저는 MO에서 일부 필터를 사용할 가치가 있는 시장 영역과 그렇지 않은 영역만 식별하기를 원합니다. 이미 하고 있는 일을 합리화해야 하고, 블랙박스의 기적을 기다리지 말아야 합니다.
나는 결정이 실제로 필터의 캐스케이드에 의해 이루어진다고 설명했습니다. 저는 MO에서 일부 필터를 사용할 가치가 있는 시장 영역과 그렇지 않은 영역만 식별하기를 원합니다. 이미 하고 있는 일을 합리화해야 하고, 블랙박스의 기적을 기다리지 말아야 합니다.
의사 결정은 필터 대신 NN에 완전히 전달되어야 합니다. 그러면 의미가 있습니다. 여기에서 YES 또는 NO라는 단순한 질문에 막대한 리소스가 사용되며, 국회에서 필터를 사용할 시장 부문을 식별하기를 원합니다. 이미 너무 복잡하다고 생각합니다. 이것은 할 수 있지만 거기에 필터 대신 올바른 모델을 어리석게도 빌드하는 것이 더 쉽습니다. 임호!!!!
글을 읽고 난 후 답보다 질문이 더 많고 모든 코드가 명확하지 않지만 글에서 설명한 접근 방식을 구현하려면 TS를 완전히 다시 작성해야 한다는 것을 이해합니다. 분명히 나는 기사가 쓰여지는 수준에 아직 도달하지 않았습니다.
Deductor Studio에서 나무 자체를 수동 및 반자동 모드로 조립할 수 있다는 사실이 밝혀져 매우 매료되었습니다! 그러나 프로세스는 시간이 많이 걸리고 인터페이스에 드래그 앤 드롭이 충분하지 않지만 이 모드에서 데이터로 작업하면 패턴을 더 잘 볼 수 있습니다. 사실, 규칙을 변경할 기회가 충분하지 않습니다. 샘플에서 이것이 1이라고 말하면 0으로 변경할 수 없지만 발생 빈도와 신뢰성 측면에서 일부 규칙을 0으로 바꾸고 즉시 통계를 살펴보겠습니다. , 그렇지 않으면 모든 것이 스크립트에 의한 처리를 통해 수행되어야 합니다. 그러한 기능을 가진 다른 유사한 프로그램이 있을 수 있지만, 손으로 트리에서 노드를 더 빠르게 구축할 수 있는 곳은 어디입니까?
아니, 한 적이 없다
예를 들어, 숲은 이미 보편적인 분류기 또는 근사기이고 손으로 편집할 것이 없기 때문에 이것이 필요한 이유를 정말로 이해하지 못합니다.
단일 트리는 다소 약한 원시 알고리즘입니다.
스스로 그러한 문제를 해결할 수 없다면 VisSim NeuralNet 모듈을 찾으면 어떻게 해결되는지 보여드리겠습니다.
Artem, 가장 낮은 활과 존경. 내 뒤에는 예제와 함께 내 차량의 작업 모델이 있습니다. 주말에 내려놓겠습니다. 보기 싫으면 버리세요.
당신이 아무 말도 하지 않는다면 우리는 어떻게 할 것입니까? 최신 개발에 대해 알려주십시오. 예제와 함께 자세히 설명합니다.
무엇 때문에??? 한 가지만 말씀해 주십시오. Doc은 R에서 MT로 모델을 전송하는 데 도움을 주었고 이 모델은 OOS의 Reshetov와 정확히 동일하게 작동한다고 알려드립니다. 일대일 스트레이트. 따라서 R의 모델을 신뢰할 수 있습니다. 제공된 데이터에 관한 모든 것입니다 ... 모두 동일합니다 ....