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)