Mihail Marchukajtes: 没有任何意义,与数据的转换对优化器Reshetov来说是实际的,而你的网络是如何实现的,我不知道,所以说什么都没有意义.....。等等,周末我将准备一篇关于分类的论文,以及它与预测的不同之处。这是最重要的事情!!!!!了解网络能做什么和不能做什么。当一些怪人说:"让我们把我们拥有的一切都放在网上,让它决定它需要什么,这让我很吃惊。Funny....这种方法是失败的,因为任何一个输入的增加都会给模型带来巨大的变化,而且很有可能通过增加一些输入,我们会使模型恶化.....。但最重要的是要理解预测和分类之间的区别。这些人是非常不同的东西......完全......
试图劝说人们改用另一个软件是没有用的。这在心理上是很困难的,我从自己的经验中知道这一点,而且我在别人身上观察过很多次。例如,当我在一个机构工作时,他们安装了新的电脑并启动了Windows。但人们没有掌握Word和Excel,他们启动了MS-DOS并使用Lexicon文本编辑器来填写所有文件,包括表格。
为了开始向其他软件的大规模迁移,必须展示具体的结果,例如以盈利信号的形式。当我创建AfterEffects专家顾问时,我也在一个演示上为它启动了一个信号。用户看到了利润,开始下载专家顾问。目前,根据统计,描述AfterEffects优化的页面是访问量最大的页面,尽管该信号已被禁用很长时间。显然,有人在交易中运行了专家顾问,赚取了利润并给别人提供了建议。
同样需要对jPrediction进行处理。用MetaTrader建立一个完全自动化的jPrediction捆绑系统,至少在演示中获得利润,运行信号,为用户做一个指导。然后会有越来越多的人前来。
OMG....
当我写到我做了和你一样的事情,但我得到的结果是零,你说你必须正确准备数据,你的意思是什么,你能解释一下吗?
.等等,周末我将准备一篇关于分类的论文,以及它与预测的不同之处。这是最重要的事情!!!!!
没有任何意义,与数据的转换对优化器Reshetov来说是实际的,而你的网络是如何实现的,我不知道,所以说什么都没有意义.....。等等,周末我将准备一篇关于分类的论文,以及它与预测的不同之处。这是最重要的事情!!!!!了解网络能做什么和不能做什么。当一些怪人说:"让我们把我们拥有的一切都放在网上,让它决定它需要什么,这让我很吃惊。Funny....这种方法是失败的,因为任何一个输入的增加都会给模型带来巨大的变化,而且很有可能通过增加一些输入,我们会使模型恶化.....。但最重要的是要理解预测和分类之间的区别。这些人是非常不同的东西......完全......
Kolkhoz。分类器和回归器都是同一个东西。他们预测。只有分类器才能产生一个类别。一个回归者产生一个连续的值。
更像是一个幼儿园的托儿所。
分类在本质上与回归相同。但它们在细节上有所不同。
解决回归问题的结果是预测。
一个分类问题的结果是预测。
我想你知道这两个概念之间的区别。
祝好运
在可预见的未来,是否有办法将三元模型上传到文件中并在MKUL中使用?
现在我完成了三元分类器模型卸载到Java的代码生成器。我将测试一下,看看它是否有效。然后我再为mql制作--有一些区别,例如,mql缺少Math.signum()函数。然后我想我也要为R做模型代码生成,因为当地人不懂其他东西。
更像是一个幼儿园的托儿所。
分类在本质上与回归相同。但在细节上有差异。
解决回归问题的结果是预测。
一个分类问题的结果是预测。
我想你知道这两者之间的区别。
祝好运
说,语言上的微妙之处不是那么重要。通常只是对回归来说,预测这个词是合适的,但在一般情况下,你可以合法地说是预测。
关键是--是的--这些方法在本质上是相同的事情。而你可以从回归中做出一个分类器(正值--A类,负值--B类)。而从一个分类器--如果有很多层次--你可以进行回归预测。
胡说八道。分类器和回归器都是一样的。他们预测。只有分类器才会产生一个类别。而回归者产生的是一个连续值。
比方说,语言上的微妙之处并不那么重要。通常情况下,预测这个词只适合用于回归,但在一般情况下,你也可以合法地说是预测。
关键是--是的--这些方法在本质上是相同的事情。而你可以从回归中做出一个分类器(正值--A类,负值--B类)。而从一个分类器--如果有很多层次--你可以进行回归预测。
这甚至根本不是语言上的微妙之处。
预测--对一个连续值的预测,有一个置信区间。
预测--对某类/类别的预测或对某类/类别预测的概率。
从回归中你可以 "制造 "一个分类器,反之则不行。
祝好运