Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3025
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Você está falando com o egípcio ou comigo?
Observo que estou bastante satisfeito com sua atividade nesse tópico.
Ótimo - o importante é começar! :)
MO para contexto, mashka para negociação )))
A negociação tem tudo a ver com risco/lucro, não com akurasi... IMHO
a, o MO é apenas uma ferramenta para descrever sua compreensão do mercado, seu modelo...
Se não houver um modelo e você achar que o MO é a IA e que é tudo por si só, então você terá problemas por muito tempo....
A negociação tem tudo a ver com risco/lucro, não com akurasi... IMHO
a, MO é apenas uma ferramenta para descrever sua compreensão do mercado, seu modelo....
Se não houver um modelo e você achar que o MO é a IA e que é tudo por si só, então você terá problemas por muito tempo....
O amarelo é adaptativo? Está no centro, é horizontal.
A amarela é adaptável? É a que fica no centro e é horizontal.
Não, é apenas uma normal.
São 100 anos.
Não encontrei nenhuma solução pronta, tenho que analisar a estrutura da árvore. Isso vai demorar um pouco mais.
Sim, é a mesma coisa para mim no R - ele salva a estrutura da árvore de sua própria maneira estranha. Depois, tenho um analisador separado para extrair as folhas.
E qual biblioteca você usa para obter imediatamente as desigualdades como regras de folha?
Sim, é assim que eu faço no R também - ele salva a estrutura da árvore de sua própria maneira estranha. Depois, tenho um analisador separado para extrair as folhas.
Mais ou menos assim, você pode classificar por importância máxima no modelo, por probabilidade de pertencer a uma classe e por frequência de uso.
Isso é o suficiente por hoje.
Algo parecido com isso seria: você pode classificar por importância máxima no modelo, por probabilidade de associação à classe e por frequência de uso
Isso é o suficiente por hoje.
Isso é eficaz!
Você codifica os preditores em números da amostra principal?