Let’s say we have trained a machine learning model as in this post about LIME. I loaded a data set on chronic kidney disease, did some preprocessing (converting categorical features into dummy variables, scaling and centering), split it into training and test data and trained a Random Forest model with . We can use this trained model to make...
用于连接Python和MT5的新版本库已经发布。回顾链接https://github.com/RandomKori/Py36MT5 但也有问题。在Visual Studio中,测试项目可以正常工作,但在MT中却有一些不明确的问题。现在该库在Python脚本所在的目录下工作正常。我不知道如何调试与MT的链接。MT被保护起来,不受调试器影响。也许有人知道如何进行调试?
我知道MT5没有计划支持Python:(只有某种形式的编辑器)
很好 :)
是的,没有计划。我上面写的问题已经解决了。但这还不是全部。到目前为止,只有一个脚本可以在终端上运行。我将考虑如何处理这个问题。
例如,randomForest.....
同一品种中最有趣和最有效的算法是Ada...
阿法,别再胡说八道了。森林和提升是不同的事情。给出一个Garhs的实际应用)))
如何用管道工包使你的机器学习模型作为API可用?
https://www.r-bloggers.com/how-to-make-your-machine-learning-model-available-as-an-api-with-the-plumber-package/
阿法,别再胡说八道了。支撑和促进是不同的事情。给我们一个GARCH的实际应用)))
不要担心,不同的是,在讨论的层面上.
我想指出的是,da比rf的结果更好:既更准确,又不容易出现过度训练。而且应该使用ada,而不是rf。
因此,这不仅仅是一个把所有东西都堆起来的问题。
GARCH太复杂了。到目前为止,我已经完成了ARIMA,还有GARCH和分布。
我了解到,机器学习使用了特征构建这么一个东西。仅仅依靠价格,你是走不远的。在我们的案例中,该属性是价格的一个函数。问题是要使用哪些功能。简单地通过不同参数的指标并不是一种选择。我对这个问题的材料很感兴趣。谷歌通常会产生很多垃圾,或者说在这个问题上什么都没有给出。我在Runet上搜索了一下。也许有人知道关于这个问题的材料。
PS。你必须从头开始。这时你学会了构建特征而不是随机的,你就可以进入它们的选择。
我了解到,机器学习使用了特征构建这么一个东西。仅仅依靠价格,你是走不远的。在我们的案例中,该属性是价格的一个函数。问题是要使用哪些功能。简单地通过不同参数的指标并不是一种选择。我对这个问题的材料很感兴趣。谷歌通常会产生很多垃圾,或者说在这个问题上什么都没有给出。我在Runet上搜索了一下。也许有人知道关于这个问题的材料。
PS。你必须从头开始。这时,你学会了构建标志,而不是随机的,你可以进入他们的选择。
在这个主题中,有很多关于这个问题的材料。
你好!
进展如何,超级机器人完成了吗?
不要担心,不同的是,在讨论 的层面上.
我想指出的是,da比rf的结果更好:既更准确,又不容易出现过度训练。 而且应该使用ada,而不是rf。
因此,这不仅仅是一个把所有东西都堆起来的问题。
GARCH太复杂了。到目前为止,我已经完成了ARIMA,还有GARCH和分布。
在这个讨论的层面上,你甚至不知道RF中预测因子的重要性是如何定义的,不加解释地滑出一些关于退火之类的废话(这和什么有关系?)
谁说过哪里有专门用于外汇应用的工作台? 为什么是Ada而不是GBM?你的答案太过模糊抽象。实际上,随着更多的过度训练,收益不会超过5%。
你好!
进展如何,你做了一个超级机器人吗?