Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1545
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
Artışın işaretini değil, örneğin zikzakın bir sonraki ayağının fiyatını veya daha iyi bir şeyi veya örneğin bir izi tahmin etmeye çalışın. en fazla 30 müteakip mum veya bunun gibi bir şey için, sınıflandırma değil regresyon kullanırlar, ancak regresyon bir adım önde değildir, ancak olduğu gibi bir ekstremum arar. hoş bir şekilde şaşıracağını düşünüyorum
Ne yazık ki, mucizeler olmaz, fiyatlar (aşırı vb.) gibi toplu değişkenler hiç tahmin edilmiyor, peki, elle (herhangi bir şekilde tobish) ve göreceli olanlardan (aşırı uçtan fiyat sapması) çok daha iyi değil. artışlar olarak da kötüdür.
Ne yazık ki, mucizeler olmaz, fiyatlar (aşırı vb.) gibi toplu değişkenler hiç tahmin edilmiyor, peki, elle (herhangi bir şekilde tobish) ve göreceli olanlardan (aşırı uçtan fiyat sapması) çok daha iyi değil. artışlar olarak da kötüdür.
Size şunu söyleyeceğim, örneğin önümüzdeki bir saat içinde en önemli olacak ekstremumu tahmin etmek, mum izinin değerinden veya mumun renginden veya zikzak yönünün veya . ..
En azından bende var ve bunun için makul bir açıklaması var.
python, lib için test cihazı - her türden farklı içerikle doludurlar.
diğer her şeyle ilgili olarak - şimdi farklı parametrelerle sürüyorum ve coşku kayboluyor, ormanla aynı aşırılık
Trenin nerede ve testin nerede olduğunu anlamak kolaydır. Yani, aslında hiçbir şey değişmedi, catbust herhangi bir avantaj sağlamadı.
lstm'yi daha sonra deneyeceğim
Bunun gereğinden fazla uygun olduğunu düşünüyorsanız, o zaman ağaç oluşturmayı daha erken bırakın, ancak işlem sayısına bakılırsa, oldukça yetersiz bir uyum var...
Farklı Hassasiyet ve Geri Çağırma numunelerinde ne elde edilir?
Dosyada bir örneğiniz var - bükülmek, öğrenme dinamiklerini verilerimle karşılaştırmak benim için ilginç olurdu, eğer iyi bir model varsa, onu atacağım.
Bu arada, ağaçların yapraklarını CatBoost'tan çıkarmaya karar verdim - aralarında iyi örnekler olup olmadığını bilmiyorum ya da güçlendirici ideolojinin kendisi bunu ima etmiyor mu, ne düşünüyorsunuz?
Size şunu söyleyeceğim, örneğin, önümüzdeki bir saat içinde en önemli olacak ekstremumu tahmin etmek, mum izinin değerini veya mumun rengini veya zikzak yönünün veya . ..
En azından bende var ve bunun için makul bir açıklaması var.
"En önemli ekstremum" ne anlama geliyor - daha sonra bunun anlamlı olup olmadığını nasıl kontrol edeceksiniz?
Bütün bunlar için ne kadar makul bir açıklama çok ilginç.
Bunun gereğinden fazla uygun olduğunu düşünüyorsanız, o zaman ağaç oluşturmayı daha erken bırakın, ancak işlem sayısına bakılırsa, oldukça yetersiz bir uyum var...
Farklı Hassasiyet ve Geri Çağırma numunelerinde ne elde edilir?
Dosyada bir örneğiniz var - bükülmek, öğrenme dinamiklerini verilerimle karşılaştırmak benim için ilginç olurdu, eğer iyi bir model varsa, onu atacağım.
Bu arada, ağaçların yapraklarını CatBoost'tan çıkarmaya karar verdim - aralarında iyi örnekler olup olmadığını bilmiyorum ya da güçlendirici ideolojinin kendisi bunu ima etmiyor mu, ne düşünüyorsunuz?
zayıf genelleme anlamında aşırı uydurma. Yukarıda sorunu nasıl aşacağımı zaten yazdım ama daha zarif yaklaşımlar var, eminim
tren + geçerli eğitim kalitesi ile hiç sorun yok
Görüyorum ki herkes bir öğretmen yardımıyla ağı eğitmeye çalışıyor.
Kurtarma faktörü gibi objektif bir fonksiyon üzerinde eğitim almayı deneyen var mı?
ağaç yapraklarını CatBoost'tan çıkarın - aralarında iyi örnekler olup olmadığını bilmiyorum veya güçlendirici ideolojinin kendisi bunu ima etmiyor, ne düşünüyorsunuz?
zannetmez.
XGBoost'ta ilk ağaç kaba bir modeldir. Gerisi ilkini ve mikroskobik bir katsayıyı düzeltir. Ayrı ayrı çalışan hiçbir şeyi çıkarmayın, sadece tüm kalabalıkta iyi bir sonuç verirler.Katbust'ta, görünüşe göre aynı temel ilke, kendi özellikleriyle.
diğer her şeyle ilgili olarak - şimdi farklı parametrelerle sürüyorum ve coşku kayboluyor, ormanla aynı aşırılık
Trenin nerede ve testin nerede olduğunu anlamak kolaydır. Yani, aslında hiçbir şey değişmedi, catbust herhangi bir avantaj sağlamadı.
Görünüşe göre MQL + Python + Cutbust yazılım paketi ile sistemi karmaşıklaştırmanın bir anlamı yok. Ve Alglib ormanındaki kalıpları arayın.
Bir model varsa, ormanın onu bir catboost gibi %99 değil, %90 öğrenmesine izin verin. Ana şey bulmak ve ancak o zaman yüzdeyi kovalamak. Şimdi, hem orada hem de orada yaklaşık %50 çıkıyor.
Görünüşe göre bu ormanlarla herkes vahşi doğaya gitti,
ve dışarıdan yardım almadan oradan çıkmak zaten imkansız)))
Görünüşe göre MQL + Python + Cutbust yazılım paketi ile sistemi karmaşıklaştırmanın bir anlamı yok. Ve Alglib ormanındaki kalıpları arayın.
Bir model varsa, ormanın onu bir catboost gibi %99 değil, %90 öğrenmesine izin verin. Ana şey bulmak ve ancak o zaman ilginin peşinden gitmek. Şimdi, hem orada hem de orada yaklaşık %50 çıkıyor.
her şeyi hissetmek ilginç, hem de her ikisini de .. karşılaştırılacak bir şey yoksa, o zaman hiçbir şeyi anlamak imkansız