Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1535
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
artışlar
Konektörü hafta sonu bitireceğim, testlere sokacağım. Modeli buluta yüklemeyi ve terminalden sinyalleri almayı planlıyorum. İsterseniz daha sonra da test edebilirsiniz. İstemciyi daha sonra mt5'e bırakabilirimVe ancak o zaman yöntemi kopyalamaya veya tekrarlamaya yatırım yapın.
Alglib ormanı ve girişte fiyat artışları olan ve TP / SL tarafından etiketlenen hedef ile tek bir ağaç üzerinde yaptığım deneyler ilginç bir şey göstermedi.
Yeni başlayanlar için, demoya birkaç ay bakmak ilginç.
Ve ancak o zaman yöntemi kopyalamaya veya tekrarlamaya yatırım yapın.
Alglib ormanı ve girişte fiyat artışları olan ve TP / SL tarafından etiketlenen hedef ile tek bir ağaç üzerinde yaptığım deneyler ilginç bir şey göstermedi.
Hedefin doğru tasarımına ancak bir yıl sonra ulaştım ve parametrelerini değiştirerek Akurashi'yi öngörülebilir bir şekilde değiştirebilirsiniz.
demoda evet, testler gösterecek
alglib ormanının benim için anlaşılmaz bir sorunu var - ne kadar çok örnek, o kadar çok yeniden eğitiyor
belki de van hot yapması mantıklıdır, yani. özellikleri kategorilere dönüştürün. Ağaçlar o kadar büyük olmayacakalglib ormanının benim için anlaşılmaz bir sorunu var - ne kadar çok örnek, o kadar çok yeniden eğitiyor
belki de van hot yapması mantıklıdır, yani. özellikleri kategorilere dönüştürün. Ağaçlar o kadar büyük olmayacakkonuya göre
Bazıları vanhot'un asimetrik ağaçlara neden olduğu için ormanlar için kötü olduğunu, bazıları ise aşırı uyumu önlediğini yazıyor. ikinciyi seç :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
konuya göre
Bazıları vanhot'un asimetrik ağaçlara neden olduğu için ormanlar için kötü olduğunu, bazıları ise aşırı uyumu önlediğini yazıyor. ikinciyi seç :)
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6368971/
Giriş verilerini basitçe ayrıklaştırabilirsiniz, örneğin 5 basamağı 4 basamağa dönüştürebilirsiniz. Ve veriler zaten 10'lu gruplar halinde olacak.
Pekala, ya da daha önce önerildiği gibi - sayfada istenen derinliğe veya örnek sayısına ulaşıldığında dallanmayı durdurmak için alglib ormanında inşa edin.
Giriş verilerini basitçe ayrıklaştırabilirsiniz, örneğin 5 basamağı 4 basamağa dönüştürebilirsiniz. Ve veriler zaten 10'lu gruplar halinde olacak.
Eh, ya da daha önce önerildiği gibi - alglib ormanında istenen derinliğe veya sayfadaki örnek sayısına ulaşıldığında dallanmanın durmasını sağlamak.
bu farklıdır, değerlerinin birbiriyle karşılaştırılamaması için kategorik olanlar yapmanız gerekir.
sonra makaleye hakim olacağım, unutmamak için attımBeynimi bununla uçmaya devam etmeliyim .. yandeha gibi büyük ofisler çalışıyor, bir şeyler yapıyorlar. Denilir ki: bunu yap ve iyi olacaksın. Sadece yap ve kendin yapma. Aksi takdirde üslup ve farklı yaklaşımlarda boğulursunuz.
Ağaçları büyüterek, eğim boyunca yürürken değişikliği zaten gösteriyor.Orada, bir ağaç eklendiğinde değişiklikler oluyor, doğru ama örneğe yeni bir satır ekliyormuş gibi örneğe bakmam gerekiyor - muhtemelen bu şekilde hangi alanların/durumların öğrenilmesinin zor olduğunu anlayabilir ve buna göre düşünebilirsiniz. öğrenme için bu zor alanların üstesinden gelebilecek tahminciler.
Fena değil! Hacimleri artırın ve zaten bir şeyler kazanabilirsiniz)
Böylece, hacmi artırmak için yapraklar seçilir ve tek bir modelde birleştirilir, bu şekilde girdi sayısını artırmak mümkündür, yani. Hatırlamak.
Belki bu yöntem sizin numunenizde işe yarar ama hızlandırılmış olsaydı...
Bu tür sonuçlar, 5-7 bölme derinliğine sahip bir ağaç tarafından verilir, ancak yalnızca belirli bir desen ortaya çıkarır - genellikle 3-4 yaprak -1 ve 1'e ve geri kalanı sıfıra gider.
artışlar
Kaç tahminci alıyorsunuz?
Giriş verilerini basitçe ayrıklaştırabilirsiniz, örneğin 5 basamağı 4 basamağa dönüştürebilirsiniz. Ve veriler zaten 10'lu gruplar halinde olacak.
Eh, ya da daha önce önerildiği gibi - alglib ormanında istenen derinliğe veya sayfadaki örnek sayısına ulaşıldığında dallanmanın durmasını sağlamak.
Tabii ki, budama yapmanız veya tek bir sayfada örnek sayısına göre (tamlık - Geri çağırma) dallanmayı yasaklamanız gerekir. Ayrıca, doğrulukları ve hatırlamaları kaidenin altındaysa ağaçlar reddedilebilir.
bu farklıdır, değerlerinin birbiriyle karşılaştırılamaması için kategorik olanlar yapmanız gerekir.
sonra makaleye hakim olacağım, unutmamak için attımBu arada, modeli eğitmek için parametreleriniz nelerdir?