forexFeatures<-forexFeatures1[i:n_rw,1:n_enter+1]
set.seed(1234)
#designTreatmentsC подходит только для классификации с двумя классами
treatmentsC <- designTreatmentsC(dframe = forexFeatures,
varlist=colnames(forexFeatures)[-ncol(forexFeatures)], #названия колонок с предикторами (тут - все кроме последней колонки)
outcomename = colnames(forexFeatures)[ncol(forexFeatures)], #названия колонок с таргетом (тут - последняя колонка)
outcometarget = "1") #текст или цифра одного из классов
#обработка, сортировка результата
treatmensC_scores <- treatmentsC$scoreFrame[order(treatmentsC$scoreFrame$sig),]
treatmensC_scores <- treatmensC_scores[!duplicated(treatmensC_scores$origName),]
treatmensC_scores <- treatmensC_scores[,c("origName","sig")]
treatmensC_scores$is_good <- treatmensC_scores$sig <= 1/nrow(forexFeatures)
treatmensC_scores
我不知道...博士还给出了MKUL的所有代码，以便该模型可以直接在MT中使用。我唯一不喜欢elmnn的地方是，无论我训练多少次，在EPO上它总是给我同样的结果。因此，无论我训练多少次，它总是给出同样的结果:-) 但工作才刚刚开始，我需要更多的测试来得到一个有信心的判决......
哦，让这句话成为本线程的座右铭吧 :))
但我写了一个脚本，把所有东西都上传到Excel中，然后我在那里施展我的魔法。我不能给你剧本，因为这是我的心血结晶....。嗯，我在那里做了一件很酷的原创事情。我不知道你是如何估计预测因素的，但结果是一个非常可读的表格，供进一步分析...就这样吧...
我理解无法给你一个脚本。
我不明白的是，为什么我只能在预测器中给它0和1。它支持什么模型（树/森林/NS）？
哦，让这句话成为本线程的座右铭吧 :))
这句格言不是我发明的。我第一次是从列昂尼德-维利奇科夫斯基那里听说的。在我们的圈子里是个相当有名的人。他在这里接受了采访，我们一起在一个封闭的实验室。那里有大约20人，是NeuroBord俱乐部的一个封闭论坛。在某种免费主机 上的一个封闭论坛。我想它仍然在运行，只是遗憾的是我删除了它所链接的书签。最近一直在思考这个问题。我想我应该去看看。是的，列昂尼德是 "技术 "乐队的主唱，但你可能马克西姆卡从未听说过这个乐队。他只是一个孩子.....他们一直在嘲笑他，"按下按钮，你会得到一个结果，你的梦想就会实现"，当然是善意的....。
这句格言不是我发明的。我第一次是从列昂尼德-维利奇科夫斯基那里听说的。在我们的圈子里是个相当有名的人。他在这里接受了采访，我们一起在一个封闭的实验室。那里有大约20人，是NeuroBoard俱乐部的一个封闭论坛。在某种免费主机 上的一个封闭论坛。我想它仍然在运行，只是遗憾的是我删除了它所链接的书签。最近一直在思考这个问题。我想我应该去看看。是的，列昂尼德是 "技术 "乐队的主唱，但你可能马克西姆卡从未听说过这个乐队。他只是一个孩子.....他们一直在嘲笑他，"按下按钮，你会得到结果，你的梦想就会实现"，当然是善意的，....。
仿佛我没有听说过，我已经听说过这个乐队。哇，根在哪里，嗯，表达方式就像他所有的歌曲一样，是的:)(只是开玩笑)
我理解无法给出一个剧本的情况。
我不明白的是，为什么它在预测器中只能给出0和1？它支持什么模型（树/森林/NS）？
在哪些预测因素中？我写的是这是对目标的要求。你制作一个表格，在这一列中你有预测因素，在最后一列中你有一个0和1的目标。当它计算这个表格时，它会告诉你哪些预测因素包含对目标的预测能力。经过这样的处理，我已经大大改善了模型的质量。这是在三月初，所以非常感谢你，并为多克的做法点赞）。
我不知道...博士还给出了MKUL的所有代码，以便该模型可以直接在MT中使用。我唯一不喜欢elmnn的地方是，无论我训练多少次，在EPO上它总是给我同样的结果。因此，无论我训练多少次，它总是给出同样的结果:-)但工作才刚刚开始，我们需要更多的测试来得到一个有信心的判决......
根据定义，这是不可能的。每次你运行ELM神经网络时，它都会生成一个具有随机生成权重的网络，并且不使用任何反推。阅读这个特定的神经网络模型的描述。
如果你的神经网络没有变化，你一定是在某处犯了错误。
根据定义，这不可能是事实。ELM神经网络的每一次运行都会生成一个权重随机启动的网络，并且不使用Backprop。阅读这个特定的神经网络模型的描述。
如果你的神经网络没有变化，你一定是在某处犯了错误。
这就是问题所在，从P的模型转移是通过保存权重完成的，而且每次都是不同的。但当我把四个不同的权重放在模型上时，结果对所有的模型都是一样的。我是说信号。医生说这是因为我使用的数据，我不认为他给了我错误的代码或我做错了什么，但这是一个事实....。
什么预测因素？我写的是这是对目标的要求。你制作一个表格，在这一列中你有预测因素，在最后一列中你有一个0和1的目标。当它计算这个表格时，它会告诉你哪些预测因素包含对目标的预测能力。经过这样的处理，我已经大大改善了模型的质量。这就是我在交易中上升的开始，在三月初，所以非常感谢博士。）
是的，我弄错了，我指的是目标，但它适合所有的权利。
但是，我不太理解这个答案，看日志就像看一只羊在新门前一样--这是不是脚本的日志，而不是软件包本身的日志？
关于交易、自动交易系统和交易策略测试的论坛
机器学习的理论和实践
Mihail Marchukajtes, 2018.05.14 11:49
总之，它是这样的。但这是对只有0和1的目标分类的评价。对于回归来说，这是不同的...
这就是问题所在，从P中转移模型是通过保存权重来完成的，而且每次的权重总是不同。但当我放进四个不同重量的模型时，它们都有相同的结果。我是说信号。医生说这是因为使用的数据，我不认为他给了我一个错误的代码，或者我对它做了什么错事，但这是一个事实....。
再一次，这在原则上不可能发生。只要用你的P数据在100多个ELM模型上重复实验，你就不会发现两个相同的结果。寻找错误。
祝好运
再一次，原则上不可能是这样。只要用你的P数据在100多个ELM模型上重复实验，你就不会发现两个相同的结果。寻找错误。
祝好运
是的，我知道它自己看起来很奇怪，但让我们看看它是如何发展的。该死的，有一张照片我想给你看，但我找不到了。但我发现了很多当时的垃圾，最主要的是所有的网，周围都是adons和neural steaks，我只是哭了。我给你看一张照片......。