Добавил тему Инициализация массивов и структур class A { public : int ii[]; }; //Так правильно и удобно, но неприлично //Данные, которые принадлежат объектам, будут висеть в Добавил тему Инициализация структур с динамическими массивами Это удобно, но памяти много ест: struct Sii { int i_count; int i[...
,它在哪里?
也有类似shap values的东西(单独的软件包),但似乎只适用于树木园代表。
在mart top寻找一个交易季节性的mt5的机器人。
并思考如何做一个反面教材。对我来说,它并不那么顺利,但主题是有效的。
我的博客上有关于这个主题的第一个网格
我的博客上有关于这个主题的第一个网格
你有没有在测试器中运行它?
将你的最佳网格与提升或随机森林 进行比较,你就会明白,MLP的意义不大。
唯一的优点是接收信号的反应时间会更短。好吧,这只是一秒钟的一小部分。1)直觉告诉我,这不会有什么帮助。这是信息压缩。如果你压缩垃圾,它将是压缩的垃圾。
2 ) 如果你在2500个垃圾中加入1个好的芯片,算法不会注意到它,它对最终结果的影响如果超过1/2500,则不会太大。假设即使是1/100,你也无法在图表上看到它。
3)我唯一期望的是,高度相关的特征将某种程度上合并成一个。
1)好吧,"似乎 "是一个强有力的论据))。
2)谁能阻止垃圾芯片在压缩前被淘汰? 尽管我不这样做,但是......你必须思考,你必须决定,而不是哲学......
3) 降维算法可以以不同的方式用于不同的任务,包括但不限于:压缩
你开着测试器比赛过吗?
将你的最佳网格与提升或随机森林进行比较,你会发现MLP的意义不大。
唯一的优点是接收信号的响应时间会更短。嗯,这是几分之一秒的时间。他们是否能够简单地按增量工作?没有形成或选择特征?
他们是否能够简单地按增量工作?不形成和选择特征
不需要归一化,否则特征与MLP相同。
那里不需要配给,否则任何标志都与MLP相同。
我推荐catboost,我有一个将python训练的模型解析为mql代码的解析器(仅用于二进制分类)。
谢谢 https://www.mql5.com/ru/users/greshnik1那里不需要配给,否则任何标志都与MLP相同。
我了解网格的工作原理,有一些想法,接下来要做什么,但对我来说,提升是一个黑暗的森林
我对提升的问题一无所知。
好在它不是随机的 )
好在它不是随机的)。
这就是我想先写的东西)