交易中的机器学习：理论、模型、实践和算法交易 - 页 3040

新评论
 
Maxim Dmitrievsky #:

研究

https://www.arxiv-vanity.com/papers/1910.13051/

文章中引用了许多其他最先进的时间序列分类方法、信号和模式提取方法。

文章中没有提到效率低下的问题，但正如人们所说，这就是家庭作业

尝试从原始芯片生成 x10 和 x100 芯片。误差大于原始数据集 + 学习速度受到影响

报废

但使用 numba 的经验是积极的，它计算内核的速度非常快。
 
Forester #:

有什么选择吗？))))

你为什么总是问问题...

 

最棒的是，分析本身和图片都是用 R 语言完成的）)

 

一个叱咤风云 的 E.I. 怪才社区

 
教育视频也不错。
1 在一篇文章（或网站的一个页面）中，你可以一眼看出你想关注材料的哪个部分。视频无法做到这一点。
2 文本更容易翻译成任何语言。(翻译文本可以立即感知，但您需要听完整的语音）。
 3 您可以从文本中复制部分代码进行实验。
 
Maxim Dmitrievsky #:

一个叱咤风云 的 E.I. 怪才社区

在这个频道上，除了雷多祖博夫，没有人可以收听

 

有谁试过DMwR::SMOTE？

使用近邻算法对齐类，即添加 "相似 "预测值，而不是重复预测值。

https://medium.com/nuances-of-programming/smote-метод-увеличения-числа-примеров-миноритарного-класса-da91a62f9914

 
СанСаныч Фоменко #:
有谁试过DMwR::SMOTE？

它使用近邻算法排列类，即添加 "相似 "的预测值，而不是重复它们。

我很久以前试过
 
mytarmailS #:
我很久以前就试过了。

还是应该使用 upSample？

 
СанСаныч Фоменко #:

还是应该使用 upSample？

值得比较...
我只是出于好奇
1...303330343035303630373038303930403041304230433044304530463047...3399
新评论