Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2392
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
O MLPClassifier também não é adequado para esta tarefa?
Existe um método para estimar a probabilidade a que classe a amostra pertence.
https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.htmlEstes são modelos diferentes. O GMM é utilizado para estimar a densidade de probabilidade e a amostragem de amostras, enquanto o classificador classifica
Aparentemente você quer substituir o CatBoost por uma rede neural. Mas não há muito sentido nisso.
Estes são modelos diferentes. O GMM é usado para estimar a densidade de probabilidade e a amostragem de exemplos, enquanto o classificador classifica
Aparentemente você quer substituir o CatBoost por uma rede neural. Mas isso não faz muito sentido.
Aí você escreve que uma rede neural é mais adequada do que o GMM.
https://www.mql5.com/ru/forum/356331#comment_19373237
aí você escreve que a rede neural é mais adequada do que o GMM
https://www.mql5.com/ru/forum/356331#comment_19373237
Estavas a falar de redes generativas e autocodificadores. Eu testei as versões clássicas, elas são piores. Eu já escrevi neste tópico antes e carreguei o código em pythorch, acho eu.
aí você escreve que a rede neural é mais adequada do que o GMM
https://www.mql5.com/ru/forum/356331#comment_19373237
Dê uma olhada neste modelohttps://sdv.dev/SDV/user_guides/timeseries/par.html
ainda não experimentei, preciso gerar e visualizar
Eu entendo que o modelo está em desenvolvimento ativo, você pode se comunicar diretamente com os desenvolvedores
+ enviou um novo artigo para teste, com novas ideias
Obrigado.
Obrigado.
Eu não vou instalar a bibla, muitos erros. Provavelmente, não está actualizada.
Puxa alguma versão do nampai que não vai instalar no meu computador ou no google colab
Reinstalar o nampai no colabeu funcionou.
Algum tipo de monstros escreve estas bibliotecas.
Puxa alguma versão do Nampai que não se instala no seu computador ou no google colab
Esta versão 0.5.0 está bem.
https://pypi.org/project/sdv/0.5.0
esta versão 0.5.0 está bem.
https://pypi.org/project/sdv/0.5.0
no kolab correu o último. Você precisa fumar a funcionalidade do modelo no git, você pode apenas copiar o módulo python. Caso contrário não está claro como funciona, não há descrição no manual.
Não consigo encontrar nada sobre isso.
o último corre no colabeu. Você tem que fumar a funcionalidade do modelo no git, você pode apenas copiar o módulo python. Caso contrário não está claro como funciona, não há descrição no manual.
pr_c = pr.copy() X = pr_c[pr_c.columns[1:]] sdv = PAR.fit(X)Chegou ao ajuste, depois o erro: fit() falta 1 argumento posicional requerido: 'timeseries_data'.
acho que preciso de outro formato para alimentar as séries temporais
https://sdv.dev/SDV/user_guides/timeseries/par.html