交易中的机器学习：理论、模型、实践和算法交易 - 页 947

新评论
 
只有arr_Buy列的信息

我明白了，谢谢你。只是在逻辑上与arrSell到处都不一样，这让我感到困惑。
 
交易员博士。
只有arr_Buy列的信息

我明白了，谢谢你。只是在逻辑上它与arrSell到处不一致，这让我感到困惑。

我也有类似的压力，但后来我意识到Arr_Sell有一个过滤器。我只是只把目标的复制到旧文件中。

 
阿列克谢-维亚兹米 金。

我也有类似的压力，但后来我意识到Arr_Sell有一个过滤器。我只是把目标复制到旧文件。

Error matrix for the Decision Tree model on Pred_027_2016_H2_T.csv [validate] (counts):

      Predicted
Actual   -1     0 1 Error
    -1 7848   637 0   7.5
    0    85 14055 0   0.6
    1     0  7789 0 100.0

Error matrix for the Decision Tree model on Pred_027_2016_H2_T.csv [validate] (proportions):

      Predicted
Actual   -1    0 1 Error
    -1 25.8  2.1 0   7.5
    0   0.3 46.2 0   0.6
    1   0.0 25.6 0 100.0


Error matrix for the Decision Tree model on Pred_027_2016_H2_T.csv [test] (counts):

      Predicted
Actual   -1     0 1 Error
    -1 7858   613 0   7.2
    0    61 13986 0   0.4
    1     0  7896 0 100.0

Error matrix for the Decision Tree mode l on Pred_027_2016_H2_T.csv [test] (proportions):

      Predicted
Actual   -1  0 1 Error
    -1 25.8  2 0   7.2
    0   0.2 46 0   0.4
    1   0.0 26 0 100.0
 
桑桑尼茨-弗门科。


请用文字说明。

我不明白为什么你根本就没有一个猜测单位？

 
阿列克谢-维亚兹米 金。

请用文字说明。

我不明白的是，为什么你根本就没有一个猜测单位？

这不是我--是Rpart。

这非常奇怪：只有-1是好的。

"0 "也不是很好：13986/（13986+7896+613）=62%的猜测或37.82%的误差

 
一般来说，3个班的目标是不好的。最好分成两个目标：(-1,0)和(0.1)，然后在决定仓位时合并。
 
桑桑尼茨-弗门科。

这不是我--是Rpart。

一切都非常奇怪：只有-1是好的猜测。

"0 "也不好：13986/(13986+7896+613) =62%猜中或37.82%错误

挺奇怪的，如果你拿2015年的文件，会不会猜到1？

 
桑桑尼茨-弗门科。
一般来说，3个班的目标不是很好。最好分成两个目标：(-1,0)和(0.1)，然后在决定位置时合并。

这与要求我做的事恰恰相反。

 
Aleksey Vyazmikin:

有人要求我做相反的事。

也许这是一个品味的问题...

顺便说一下，为了回答你的问题。

Variables actually used in tree construction:
[1] arr_Sell

由于某种原因，只使用了一个变量。

没有等到其他型号的产品。我把一个随机森林。如果我等待，我将发布它。

 
桑桑尼茨-弗门科。

也许这是一个品味的问题...

顺便说一下你的问题的答案。

由于某种原因，只使用了一个变量。

没有等到其他型号的产品。我把一个随机森林。如果我做到了，我会把它贴出来。

所以我不明白，他是使用了另一个阵列，还是他建议使用另一个有目标的阵列？

只是结果很好，我需要了解什么和如何重现它:)

1...940941942943944945946947948949950951952953954...3399
新评论