Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1139
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Evet, hata mutlaka bildirilmelidir, raporunuzu örnek olarak kullanmamda bir sakınca var mı?
Uyum her yerdedir, kim ne derse desin, soru kabul edilebilir bir düzeye nasıl indirilebileceğidir.
Elbette kullanabilirsiniz, bu raporda değerli hiçbir şey yok!
Fitting konusunda yani ne yapayım diye düşünüyorum tarihte elde edilmiş sınırlı sayıda kombinasyonun yaprak şeklinde kullanılması bir taraftan fit etkisini azaltmalı, diğer taraftan görüyorum ki eğitim örneğinde çalışan yaprakların %60'ının test setinde çalışmayı bıraktığını. Soru, tarihin nasıl değiştiğini, tam olarak ne olduğunu, işe yarayanların çalışmayı bıraktığını anlamaktır.
Çok sayıda tahminci, gökyüzündeki çok sayıda yıldız gibidir ve bunların birikimi nedeniyle, diğer güneş sistemlerinin gezegenlerinden artık görülemeyecek bir grup farklı takımyıldızı ortaya çıkarabilirsiniz, bu yüzden burada sayı kombinasyonların sayısı pazar girişlerinin sayısından fazladır - bu yüzden uygundur.
Elbette kullanabilirsiniz, bu raporda değerli hiçbir şey yok!
Takma konusuna gelince ne yapayım diye düşünüyorum, bir yandan tarihte elde edilen sınırlı sayıda kombinasyonun yaprak şeklinde kullanılmasının uydurma etkisini azaltması gerekirken , diğer taraftan görüyorum ki eğitim örneğinde çalışan yaprakların %60'ının test setinde çalışmayı bıraktığını . Soru, tarihin nasıl değiştiğini, tam olarak ne olduğunu, işe yarayanların çalışmayı bıraktığını anlamaktır.
Çok sayıda tahminci, gökyüzündeki çok sayıda yıldız gibidir ve bunların birikimi nedeniyle, diğer güneş sistemlerinin gezegenlerinden artık görülemeyecek bir grup farklı takımyıldızı ortaya çıkarabilirsiniz, bu yüzden burada sayı kombinasyonların sayısı pazar girişlerinin sayısından fazladır - bu yüzden uygundur.
Antrenmanda uyum oldu ve olacak, kim ne derse desin kaliteli bir şekilde yapılmalı, o zaman daha çok çalışma izni olacak.
Ve mecazi olarak, bir eğitim örneğinde alım satım yapmayı ve bir sıçrama tahtasından atlamayı, ataletle OOS'u hızlandırmak ve uçurmak için karşılaştırabilirsiniz.
Aynı zamanda, bu örnekteki eşitlik grafiği çukurlarla bir eğri olduğu ortaya çıkarsa, o zaman iyi bir sıçramaya güvenemezsiniz :)
Fitting konusunda yani ne yapayım diye düşünüyorum tarihte elde edilmiş sınırlı sayıda kombinasyonun yaprak şeklinde kullanılması bir taraftan fit etkisini azaltmalı, diğer taraftan görüyorum ki eğitim örneğinde çalışan yaprakların %60'ının test setinde çalışmayı bıraktığını. Soru, tarihin nasıl değiştiğini, tam olarak ne olduğunu, işe yarayanların çalışmayı bıraktığını anlamaktır.
Çok sayıda tahminci, gökyüzündeki çok sayıda yıldız gibidir ve bunların birikimi nedeniyle, diğer güneş sistemlerinin gezegenlerinden artık görülemeyecek bir grup farklı takımyıldızı ortaya çıkarabilirsiniz, bu yüzden burada sayı kombinasyonların sayısı , pazar girişlerinin sayısından fazladır - bu yüzden uygundur.
Bu milyar dolarlık bir soru IMHO herhangi bir tümevarım (genelleme) uygundur, ML sadece teorinin kontrolünden çıkmış istatistikler, buluşsal yöntemleri ve koltuk değneklerini küçümsemeyen mühendislik istatistikleri ve istatistikler bunlar veya ortalamalar (beklentiler), ortalamalar , ortalamadan sapmalar, vb., ancak hepimiz "Russell'in tavuğu" ile ilgili benzetmeyi hatırlıyoruz, mal sahibi tavuğu birkaç yüz kez besleyecek (istatistiksel olarak önemli bir miktar), ancak yalnızca bir kez kesmek için ((( Doll'un da aynı şeyi yapması mümkündür.
Düşünce için soru:
Tarihe uyarlanmış birçok strateji var, yeni veriler üzerinde iyi sonuç veren birçok strateji var. Bu iki strateji grubu, onları tarihte çalıştırırken birbirinden nasıl farklıdır?
Düşünce için soru:
Tarihe uyarlanmış birçok strateji var, yeni veriler üzerinde iyi sonuç veren birçok strateji var. Bu iki strateji grubu, onları tarihte çalıştırırken birbirinden nasıl farklıdır?
Hiç bir şey. Her iki strateji sınıfı da tarihe uyarlanmıştır.
Belki böyle bir düzenlemenin amaçları ve araçları farklıdır, ancak yazarlar olmayan bizler öğrenemeyiz.)
Düşünce için soru:
Geçmişe uyarlanmış birçok strateji var, yeni veriler üzerinde iyi sonuç veren birçok strateji var . Bu iki strateji grubu, onları tarihte çalıştırırken birbirinden nasıl farklıdır?
)))))))))))))))))))))))))))))))))) ..
)))))))))))))))))))))))))))))))))) ..
Düşünce için soru:
Tarihe uyarlanmış birçok strateji var, yeni veriler üzerinde iyi sonuç veren birçok strateji var. Bu iki strateji grubu, onları tarihte çalıştırırken birbirinden nasıl farklıdır?
Soru doğru.
Modele eğitim ve kontrol konusunda AYNI olduğunu öğretirsek, hata eğrisi şöyle olacaktır.
Fazla takma, tutarsızlığın başladığı zamandır, (yaklaşık 19. n'deki resimde) dolayısıyla sorunuzun cevabı , tarihte yeniden takılan model, kontrolde iyi olandan ÇOK DAHA İYİ olacaktır . İdeal olarak, tarih ve kontrol (OOS) üzerindeki eşitlik tablosu ayırt edilemez olmalıdır. Yani, yerel "guruların" "pürüzsüz bir sıçrama tahtası" hakkındaki açıklamaları tamamen saçmalık, her şey tam tersi, tarihin nerede bittiği ve kontrolün nerede başladığı görülmemeli.
Beyler, MO uzmanları.
Bir fonksiyonu çizerken bir öğrenme nöronunun nasıl oluşturulacağına dair bir bağlantıyı kim paylaşabilir?
Soru doğru.
Modele eğitim ve kontrol konusunda AYNI olduğunu öğretirsek, hata eğrisi şöyle olacaktır.
Fazla takma, tutarsızlığın başladığı zamandır, (yaklaşık 19. n'deki resimde) dolayısıyla sorunuzun cevabı , tarihte yeniden takılan model, kontrolde iyi olandan ÇOK DAHA İYİ olacaktır . İdeal olarak, tarih ve kontrol (OOS) üzerindeki eşitlik tablosu ayırt edilemez olmalıdır. Yani, yerel "guruların" "pürüzsüz bir sıçrama tahtası" hakkındaki açıklamaları tamamen saçmalık, her şey tam tersi, tarihin nerede bittiği ve kontrolün nerede başladığı görülmemeli.
2 numuneyi dengelemek, hepsi bu. 3'ünde, sizi başarısızlıktan kurtarmayacak, yine de yaklaşım doğru