Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1546
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
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
Bu yüzden belki de her şey verilerle ilgili, farklı öğretim görevlilerinden NN'yi beslemek için artış gibi homojen veriler vermenin daha iyi olduğunu ilk kez duymuyorum ve farklı türdeki ağaçlar heterojen veri - kalıplarla daha iyi çalışıyor , haberler, risk katsayıları, zaman, olaylar, sipariş defteri yoğunluğu, açık faiz, hacimler.
Bu arada, artışlarla ilgili olarak, puan olarak değil, ATR ile mi yoksa kapanış fiyatının yüzdesi olarak mı ölçmeye çalıştınız?
Görüyorum ki herkes bir öğretmen yardımıyla ağı eğitmeye çalışıyor.
Kurtarma faktörü gibi objektif bir fonksiyon üzerinde eğitim almayı deneyen var mı?
Yaprakları seçiyorum ve onlardan parametrelerime göre bir model oluşturuyorum.
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.
Aslında, ağacı daha gerçek kılmak dışında bu konuda şüpheliyim - şimdi 6 bölme için veri hazırlıyorum, bunun yeterli olmadığını düşünüyorum.
Bununla birlikte, ağırlığın özü, yalnızca modeldeki tüm levhaların kümülatif olarak değerlendirilmesidir ve aralarında iyi bir kalıp olduğu göz ardı edilemez, çünkü yapı levhaları ilkesine saygı duyulur ve dikkate alınır. bağımsız yapıyı açgözlülükle hesaba katmak ve ancak o zaman ağacın gelişimini ve değerlendirilmesini kontrol etmek. Göreceğiz.
Bu yüzden belki de her şey verilerle ilgili, farklı öğretim görevlilerinden NN'yi beslemek için artış gibi homojen veriler vermenin daha iyi olduğunu ilk kez duymuyorum ve farklı türdeki ağaçlar heterojen veri - kalıplarla daha iyi çalışıyor , haberler, risk katsayıları, zaman, olaylar, sipariş defteri yoğunluğu, açık faiz, hacimler.
Bu arada, artışlarla ilgili olarak, puan olarak değil, ATR ile mi yoksa kapanış fiyatının yüzdesi olarak mı ölçmeye çalıştınız?
bununla kavga etmiyorsun .. genellikle neyi ölçmek için siktir et
bununla kavga etmiyorsun .. genellikle neyi ölçmek için siktir et
Ben sadece, tam tersine, doğal değerlere dönüştürmenin bir etki yaratacağını düşündüm, çünkü normalize edilmiş ve nicelenmiş (aralıklara bölünmüş) tüm değerlere sahibim ve ayrıldığımda ortaya çıktı. saf sayılar, eğitim önemli ölçüde kötüleşti. Veri ön işlemenin önemli olduğu artık benim için açık.
Ben sadece, tam tersine, doğal değerlere dönüştürmenin bir etki yaratacağını düşündüm, çünkü normalize edilmiş ve nicelenmiş (aralıklara bölünmüş) tüm değerlere sahibim ve ayrıldığımda ortaya çıktı. saf sayılar, eğitim önemli ölçüde kötüleşti. Veri ön işlemenin önemli olduğu artık benim için açık.
peki, orada hayvanlarınızla birlikte bir tür tuhaf dünyanız var)) Babaların emrettiği gibi sadece artımları ve analoglarını ve bazen sadece fiyatları kullanıyorum
peki, orada hayvanlarınızla birlikte bir tür tuhaf dünyanız var)) Babaların emrettiği gibi sadece artımları ve analoglarını ve bazen sadece fiyatları kullanıyorum
Tamamen deney için, sizin ve benim tahmin edicilerim ile iki örneği çaprazlayabilir miyiz?
Tamamen deney için, sizin ve benim tahmin edicilerim ile iki örneği çaprazlayabilir miyiz?
niye ya? iadelerden türetilen herhangi bir perdictors. Sadece kendinize geri dönüşler ekleyin ve zaten geçtiğinizi düşünün
niye ya? iadelerden türetilen herhangi bir perdictors. Sadece kendinize geri dönüşler ekleyin ve zaten geçtiğinizi düşünün
Oraya ne ekleyeceğimi bilmiyorum, hangi adımla ve kaç parçayla.
Oraya ne ekleyeceğimi bilmiyorum, hangi adımla ve kaç parçayla.
bu yüzden bilmiyorum, her zaman farklıdır