nikelodeon : 나는 아직도 이것의 유용성을 정말로 이해할 수 없다. 그러나 최적화 프로세스에서 총 오류 수가 항상 올바른 것으로 간주되는 것은 아닙니다. 그리고 동시에 어떤 이유로 최적화가 끝나면 Bad Data !!!라는 메시지가 표시됩니다. 뭐가 될수 있었는지...???
잘못된 데이터는 모델을 사용하지 않은 경우보다 "예측"이 잘못된 경우가 더 많다는 의미입니다. 저것들. 모델이 적용에 적합하지 않습니다. 이유: 입구에 쓰레기. 저것들. 입력 데이터는 중요하지 않습니다.
그래서 나는 생각하고 있습니다 ... 결과를 해석하는 방법 ... 더 빠르고 확실히 손으로가 아닌 .......
선택: c, c++, Java, JavaScript, mql4, mql5
유리 plz.
JAVA로 MT4.5를 시작하는 방법을 알려주실 수 있습니까? 제가 정말로 시도하고 싶은 것, 최소한 읽을 만한 것입니다.
유리 plz.
JAVA로 MT4.5를 시작하는 방법을 알려주실 수 있습니까? 제가 정말로 시도하고 싶은 것, 최소한 읽을 만한 것입니다.
많은 방법이 있지만 모두 gemorno입니다. Java는 플랫폼 독립성을 목표로 하는 저수준 애플리케이션용이 아닙니다. 그리고 MT에는 플랫폼(Windows)에 연결되지 않은 높은 수준의 통신 채널이 없습니다.
따라서 나는 어떤 식으로든 링크하지 않고 Java로 코드 생성기를 작성합니다. 그 결과는 이미 MQL, C 또는 Java에 쉽게 삽입될 수 있습니다.
나는 아직도 이것의 유용성을 정말로 이해할 수 없다. 그러나 최적화 프로세스에서 총 오류 수가 항상 올바른 것으로 간주되는 것은 아닙니다. 그리고 동시에 어떤 이유로 최적화가 끝나면 Bad Data !!!라는 메시지가 표시됩니다. 뭐가 될수 있었는지...???
잘못된 데이터는 모델을 사용하지 않은 경우보다 "예측"이 잘못된 경우가 더 많다는 의미입니다. 저것들. 모델이 적용에 적합하지 않습니다. 이유: 입구에 쓰레기. 저것들. 입력 데이터는 중요하지 않습니다.
대조 샘플에 대한 테스트 결과를 가져와서 분할표를 작성해 보겠습니다.
이 경우 표본에서 긍정적인 결과의 빈도, 즉 무작위로 (무작위로) 샘플에서 샘플을 추출하면 (TP + FN) / (TP + FN + FP + FN)이 됩니다.
모델의 예측을 사용하는 경우 모델이 올바르게 예측한 긍정적인 결과의 빈도는 다음과 같습니다. TP / (TP + FP)
무작위로 표본에서 임의의 예를 선택하고 기본적으로 해당 결과를 긍정적으로 처리하는 경우보다 표본의 예에 대한 긍정적인 결과를 예측할 때 모델이 실수할 가능성이 적기 위해서는 다음 조건이 충족되는 것이 필요하고 충분합니다. :
TP / (TP + FP) > (TP + FN) / (TP + FN + FP + FN)
조건이 충족되지 않으면 모델은 실제로 긍정적인 결과를 예측하는 데 적합하지 않습니다. 샘플에서 임의의 예를 선택하고 기본적으로 결과를 긍정적으로 해석하면 모델에서 예측한 긍정적인 결과의 해석과 마찬가지로 실수를 범하게 됩니다.
명확하고 내가 이해하는 것처럼 오류를 크게 줄이고 일반화하는 능력을 높이는 입력 데이터 세트를 찾아야합니다 ..... 그리고 이것은 충분한 수의 데이터 레코드가 있습니다 ....
맞아요. 저것들. 한 번에 최대 1023개의 예측자(입력 데이터)를 푸시할 수 있습니다. 그 후 BadData 메시지가 나타나지 않으면 모델 설명에 축소로 표시된 예측 변수를 선택에서 제외(스프레드시트에서 열 제거)합니다.
나머지 예측 변수의 샘플은 이미 두 번째로 실행될 수 있으며 핵 변환에 해당합니다. 그리고 핵 변형은 차례로 일반화 능력을 증가시킬 것입니다.
입력(예: 설명 변수가 있는 열) 수가 44개를 초과하지 않으면 커널 변환이 자동으로 활성화됩니다. 입력 수가 10개를 넘지 않으면 MGUA 가 켜져 최대 일반화 능력을 제공합니다.