분류 문제의 경우 중요한 것은 데이터에 대한 해석입니다. 대략적으로 말하면, 문자 인식 문제에서 문자 A를 쓰는 예의 집합에서 문자 XY와 다른 문자가 만나서는 안 됩니다. :)
이것 저것 해보고 싶어요. 아마도 두 개의 그리드, 어쩌면 하나의 그리드일 수도 있습니다. 첫 번째 단계에서 그리드는 현재 상황을 분류합니다. 추세 시작에 대한 충분한 신호를 제공하는 경우 두 번째 단계는 이 추세에서 기울기를 줄일 수 있는지 평가하기 위해 미래를 내다보는 것입니다.
나는 금융 시리즈가 분류보다 더 나쁜 근사값에 적합하다는 사실에서 출발합니다.
클러스터링에 대해 말하는 것이 아니라 모든 분류에는 이미지가 필요합니다. 얼굴의 특정 부분(코, 입, 눈) 사이의 거리와 같은 일련의 특성을 기반으로 얼굴 이미지를 분류한다고 가정해 보겠습니다. 주파수 특성을 기반으로 한 분류 옵션이 있습니다... 내가 왜 모든 것을 말하는지 이것은 간단합니다. 정확히 무엇을 할 것인가 특성, 시장 상태의 분류는 무엇과 관련하여 수행됩니까? 예, 갈퀴를 밟지 않기 위해이 특성이 숨겨진 유형에 속한다는 사실에주의를 기울이고 싶습니다 ... 즉. 일반적인 TA 방법으로는 얻을 수 없습니다. 스레드를 시작하라는 신호 ... grail , 모든 거래자의 꿈 ;) 모든 네트워크는 클래스를 매우 안정적으로 감지하도록 가르칠 수 있습니다. 예를 들어 대부분의 사람들이 지속적으로 사용하는 텍스트 인식 프로그램이 있습니다. 가장 중요한 것은 작업을 올바르게 설정하는 것입니다.
Reshetov : 다층 뉴런에 의한 보간은 아스팔트 위의 두 손가락처럼 수행할 수 있습니다.
그러나 실제 매끄럽지 않은 데이터에 대한 이러한 보간법의 이점은 염소 우유에서와 같습니다... 높거나 낮은(참고로 LWMA 가 가장 좋습니다)에서 이동하는 것은 매우 잘 보간되지만 예측 이동에서 가격이 복원되면 모든 것이 명확해집니다. 이동의 예측 오차에 해당 비율을 곱합니다.
스캘핑을 기반으로 하는 TS에 대한 다음 분기의 어딘가에 고도로 평활화된 데이터가 있는 DC의 존재에 대한 메시지가 있었습니다(이러한 DC에서 스캘핑은 쓸모가 없기 때문에 어떤 식으로든 제한되지 않습니다). 여기에서 아마도 보간 결과가 더 나을 것입니다 ...
가격 계열은 다른 연속 계열과 마찬가지로 문제 없이 근사됩니다. 보간과 외삽을 혼동하지 마십시오. 다층 뉴런에 의한 보간은 아스팔트 위의 두 손가락처럼 수행할 수 있습니다. 신경망에 의한 비주기적 시리즈의 외삽은 시간 낭비입니다.
나는 마지막 요점에만 동의하지 않습니다. 확률적 계열을 외삽하는 것은 가능하지만 경계 조건을 부과할 필요가 있습니다... 제 생각에는 다음과 같은 질문에 잠정적인 대답이 있을 수 있다고 가정해 보겠습니다. 참조 수준의 변경? 가격 움직임의 방향과 특정 기간 동안 MA에 대한 점근선의 기울기 각도와 같은 또 다른 보다 실용적인 목표를 설정할 수 있습니다.
그러나 실제 매끄럽지 않은 데이터에 대한 이러한 보간법의 이점은 염소 우유에서와 같습니다... 높거나 낮은(참고로 LWMA가 가장 좋습니다)에서 이동하는 것은 매우 잘 보간되지만 예측 이동에서 가격이 복원되면 모든 것이 명확해집니다. 이동의 예측 오차에 해당 비율을 곱합니다.
내가 틀릴 수 있습니다. 저자가 NN 기반 보간을 필터로 사용하는 것을 옹호하는 기사를 본 적이 있습니다 ... 아이디어는 흥미롭지 만 실험적으로 확인해야합니다 ... 모든 것이 그렇게 간단하지 않은지 의심 스럽습니다 , 하지만 아이디어를 왜곡할 가치가 있습니다.
분류 문제의 경우 중요한 것은 데이터에 대한 해석입니다. 대략적으로 말하면, 문자 인식 문제에서 문자 A를 쓰는 예의 집합에서 문자 XY와 다른 문자가 만나서는 안 됩니다. :)
이것 저것 해보고 싶어요. 아마도 두 개의 그리드, 어쩌면 하나의 그리드일 수도 있습니다. 그리드의 첫 번째 단계는 현재 상황을 분류하는 것입니다. 추세 시작에 대한 충분한 신호를 제공하는 경우 두 번째 단계는 이 추세에서 기울기를 줄일 수 있는지 평가하기 위해 미래를 내다보는 것입니다.
나는 금융 시리즈가 분류보다 더 나쁜 근사값에 적합하다는 사실에서 출발합니다.
클러스터링에 대해 말하는 것이 아니라 모든 분류에는 이미지가 필요합니다. 얼굴의 특정 부분(코, 입, 눈) 사이의 거리와 같은 일련의 특성을 기반으로 얼굴 이미지를 분류한다고 가정해 보겠습니다. 주파수 특성을 기반으로 한 분류 옵션이 있습니다... 내가 왜 모든 것을 말하는지 이것은 간단합니다. 정확히 무엇을 할 것인가 특성, 시장 상태의 분류는 무엇과 관련하여 수행됩니까? 예, 갈퀴를 밟지 않기 위해이 특성이 숨겨진 유형에 속한다는 사실에주의를 기울이고 싶습니다 ... 즉. 일반적인 TA 방법으로는 얻을 수 없습니다. 스레드를 시작하라는 신호 ... grail , 모든 거래자의 꿈 ;) 모든 네트워크는 클래스를 매우 안정적으로 감지하도록 가르칠 수 있습니다. 예를 들어 대부분의 사람들이 지속적으로 사용하는 텍스트 인식 프로그램이 있습니다. 가장 중요한 것은 작업을 올바르게 설정하는 것입니다.
네트워크에 입력으로 정확히 무엇을 줄지는 아직 모릅니다. 나는 다른 가격 지표 또는 다른 것을 선택할 것이라고 생각합니다. 종속성이 있으면 충분한 정확도로 찾을 수 있기를 바랍니다. :) 그리고 나는 성배를 쓸 생각과는 거리가 멀고, 10개 중 6-7개 추측은 이미 좋은 결과입니다 :)
네트워크에 입력으로 정확히 무엇을 줄지는 아직 모릅니다. 나는 다른 가격 지표 또는 다른 것을 선택할 것이라고 생각합니다. 종속성이 있으면 충분한 정확도로 찾을 수 있기를 바랍니다. :) 그리고 나는 grail 을 작성할 생각과는 거리가 멀고, 10개 중 6-7개 추측은 이미 좋은 결과입니다 :)
분류 문제의 경우 중요한 것은 데이터에 대한 해석입니다. 대략적으로 말하면, 문자 인식 문제에서 문자 A를 쓰는 예의 집합에서 문자 XY와 다른 문자가 만나서는 안 됩니다. :)
이것 저것 해보고 싶어요. 아마도 두 개의 그리드, 어쩌면 하나의 그리드일 수도 있습니다. 첫 번째 단계에서 그리드는 현재 상황을 분류합니다. 추세 시작에 대한 충분한 신호를 제공하는 경우 두 번째 단계는 이 추세에서 기울기를 줄일 수 있는지 평가하기 위해 미래를 내다보는 것입니다.
나는 금융 시리즈가 분류보다 더 나쁜 근사값에 적합하다는 사실에서 출발합니다.
특성, 시장 상태의 분류는 무엇과 관련하여 수행됩니까? 예, 갈퀴를 밟지 않기 위해이 특성이 숨겨진 유형에 속한다는 사실에주의를 기울이고 싶습니다 ... 즉. 일반적인 TA 방법으로는 얻을 수 없습니다. 스레드를 시작하라는 신호 ... grail , 모든 거래자의 꿈 ;) 모든 네트워크는 클래스를 매우 안정적으로 감지하도록 가르칠 수 있습니다. 예를 들어 대부분의 사람들이 지속적으로 사용하는 텍스트 인식 프로그램이 있습니다. 가장 중요한 것은 작업을 올바르게 설정하는 것입니다.
다층 뉴런에 의한 보간은 아스팔트 위의 두 손가락처럼 수행할 수 있습니다.
스캘핑을 기반으로 하는 TS에 대한 다음 분기의 어딘가에 고도로 평활화된 데이터가 있는 DC의 존재에 대한 메시지가 있었습니다(이러한 DC에서 스캘핑은 쓸모가 없기 때문에 어떤 식으로든 제한되지 않습니다). 여기에서 아마도 보간 결과가 더 나을 것입니다 ...
다층 뉴런에 의한 보간은 아스팔트 위의 두 손가락처럼 수행할 수 있습니다.
분류 문제의 경우 중요한 것은 데이터에 대한 해석입니다. 대략적으로 말하면, 문자 인식 문제에서 문자 A를 쓰는 예의 집합에서 문자 XY와 다른 문자가 만나서는 안 됩니다. :)
이것 저것 해보고 싶어요. 아마도 두 개의 그리드, 어쩌면 하나의 그리드일 수도 있습니다. 그리드의 첫 번째 단계는 현재 상황을 분류하는 것입니다. 추세 시작에 대한 충분한 신호를 제공하는 경우 두 번째 단계는 이 추세에서 기울기를 줄일 수 있는지 평가하기 위해 미래를 내다보는 것입니다.
나는 금융 시리즈가 분류보다 더 나쁜 근사값에 적합하다는 사실에서 출발합니다.
특성, 시장 상태의 분류는 무엇과 관련하여 수행됩니까? 예, 갈퀴를 밟지 않기 위해이 특성이 숨겨진 유형에 속한다는 사실에주의를 기울이고 싶습니다 ... 즉. 일반적인 TA 방법으로는 얻을 수 없습니다. 스레드를 시작하라는 신호 ... grail , 모든 거래자의 꿈 ;) 모든 네트워크는 클래스를 매우 안정적으로 감지하도록 가르칠 수 있습니다. 예를 들어 대부분의 사람들이 지속적으로 사용하는 텍스트 인식 프로그램이 있습니다. 가장 중요한 것은 작업을 올바르게 설정하는 것입니다.
나는 다른 가격 지표 또는 다른 것을 선택할 것이라고 생각합니다.
종속성이 있으면 충분한 정확도로 찾을 수 있기를 바랍니다. :)
그리고 나는 성배를 쓸 생각과는 거리가 멀고, 10개 중 6-7개 추측은 이미 좋은 결과입니다 :)
네트워크에 입력으로 정확히 무엇을 줄지는 아직 모릅니다.
나는 다른 가격 지표 또는 다른 것을 선택할 것이라고 생각합니다.
종속성이 있으면 충분한 정확도로 찾을 수 있기를 바랍니다. :)
그리고 나는 grail 을 작성할 생각과는 거리가 멀고, 10개 중 6-7개 추측은 이미 좋은 결과입니다 :)
나는 마지막 요점에만 동의하지 않습니다. 확률 시리즈를 외삽하는 것이 가능하지만 경계 조건을 부과해야합니다 ...
못을 박는 게 무슨 상관인지 도무지 이해가 가지 않았다... 그리고 내부자의 음모가 직위의 길이와 무슨 상관이 있단 말인가?!
나는 마지막 요점에만 동의하지 않습니다. 확률 시리즈를 외삽하는 것이 가능하지만 경계 조건을 부과해야합니다 ...
못을 박는 게 무슨 상관인지 도통 이해가 가지 않았다... 그리고 내부자 음모가 직위의 길이와 무슨 상관이 있단 말인가?!
나는 마지막 요점에만 동의하지 않습니다. 확률 시리즈를 외삽하는 것이 가능하지만 경계 조건을 부과해야합니다 ...
못을 박는 게 무슨 상관인지 도무지 이해가 가지 않았다... 그리고 내부자의 음모가 직위의 길이와 무슨 상관이 있단 말인가?!
2 Reshetov: 나는 당신의 입장을 완벽하게 이해하고 그것이 옳다고 생각하지만 모든 곳에서 진전이 있어야 합니다 ...