글쎄, 당신은 하늘에 공평함을 보여주고 훈련 비디오를 촬영하기 위해 가을에 blab을 약속했습니다))))
글쎄, 대서양 횡단 대륙간 GIANT가 나를 내 네트워크로 끌어들일 줄 누가 알았습니까 !!!! 나는 수습 기간 내내 일에 몰두하고 온갖 훈련을 받아야 했다. 카잔에서도 우승 중이었습니다. 그러나 그는 주로 토요일에 시간을 할애했지만 최근에 실수로 실수를 범하고 또 다른 데이터 개선 사항을 받았음에도 불구하고 거래를 떠나지 않았습니다. 개선은 더 큰 분리 가능성을 의미합니다. 위의 그림 2. 이로 인해 Reshetov의 Optimizer가 재교육을 시작했는데 원칙적으로 그에게는 놀라운 일입니다. 왜냐하면 그는 근본적으로 언더트레이닝에 대한 압박을 받고 직접 재교육을 받았기 때문입니다. 데이터 분석은 클러스터링 영역에 이중 점이 있음을 보여주었는데, 이는 벡터가 동일함을 나타냅니다. 즉, 숫자의 꼬리 부분에서 약간의 차이가 있는 서로의 사본입니다. 이러한 데이터 세트는 이러한 벡터 중 하나가 훈련에 속하고 두 번째 벡터가 테스트 집합에 속할 때 과적합으로 이어집니다. 이 경우 이중 벡터 중 하나를 제거해야 합니다! 그러나 입구의 의미를 살펴보면 MO의 높은 비유에 놀라기 시작합니다. 그런 입력에서 요점이 보이지 않기 때문에 STSUKO는 작동합니다!
나는 어떻게 든 스스로 결정했습니다. 실수로 작동하는 입력을 우연히 발견했다면 이해할 필요가 없습니다. 그냥 사용하면됩니다. ..... "왜 작동합니까?" 그리고 나는 "HZ"라고 대답하고 무슨 일이 있어도 전리품을 계속 잘라낼 것입니다 :-)
예를 들어, 다양한 변환된 입력 데이터에 대해 모델 세트를 구축하고 최상의 모델을 선택하는 것과 같은 다양한 모델(예측자)의 열거. 계정에서 비밀번호를 선택하는 방법. 주제와 패턴에 대한 사전 지식이 없을 때.
핸드메이드는 손과 같다
영어로 된 Vapnik 비디오는 이것에 관한 것입니다.
ON-TO-NOT-TS-TOOOO 당신은 그것을 얻었습니다 .... 그러나 우리가 하나의 데이터 세트에 대해 10개의 모델을 구축했지만 tren과 test로 무작위로 분할하여 작업을 단순화합시다. 질문: 원래 세트를 가장 잘 일반화하는 모델을 선택하는 방법은 무엇입니까??? 이것은 근본적인 질문이며 저는 이제 이에 대한 이론을 구축하고 있습니다. 지금까지 내 이론으로는 모든 것이 논리적이지만 끝까지 완료되지 않았습니다.
이 문제를 해결하기 위해서는 획득한 모델의 일반화 능력의 척도를 결정할 필요가 있다. 여기에서 일부 리소스를 읽었으며 그러한 측정항목이 이미 존재하지만 모두 값을 과대평가하는 것으로 나타났습니다. 내가 이해하는 한 일반화 수준을 결정하는 효과적인 단일 방법은 없습니다. 이것은 ML 분야의 기본적인 작업입니다. Reshetov가 결정하는 방식도 메트릭이며 현재로서는 모델의 Specificity 및 Sensitivity를 계산할 때 이것이 최상의 솔루션이지만 이것은 동일하지 않습니다. 하지만 그 다음엔 뭔가..... HOGOGOGOOOOO!!!!! :-)
ON-TO-NOT-TS-TOOOO 당신은 그것을 얻었습니다 .... 그러나 우리가 하나의 데이터 세트에 대해 10개의 모델을 구축했지만 tren과 test로 무작위로 분할하여 작업을 단순화합시다. 질문: 원래 세트를 가장 잘 일반화하는 모델을 선택하는 방법은 무엇입니까??? 이것은 근본적인 질문이며 저는 이제 이에 대한 이론을 구축하고 있습니다. 지금까지 내 이론으로는 모든 것이 논리적이지만 끝까지 완료되지 않았습니다.
이 문제를 해결하기 위해서는 획득한 모델의 일반화 능력의 척도를 결정할 필요가 있다. 여기에서 일부 리소스를 읽었으며 그러한 측정항목이 이미 존재하지만 모두 값을 과대평가하는 것으로 나타났습니다. 내가 이해하는 한 일반화 수준을 결정하는 효과적인 단일 방법은 없습니다. 이것은 ML 분야의 기본 작업입니다. Reshetov가 결정하는 방식도 메트릭이며 현재로서는 모델의 Specificity 및 Sensitivity를 계산할 때 이것이 최상의 솔루션이지만 이것은 동일하지 않습니다. 하지만 그 다음에는 뭔가..... HOGOGOGOOOOO!!!!! :-)
2000 모델에서 10은 아무것도 아닙니다. 랜덤 파티셔닝이 이미 존재하지만 데이터 세트도 변경됩니다. 첫 번째 코어의 울트라북은 15-20분 안에 계산됩니다.
그건 그렇고, jpedictor에 대해 - 당신이 나에게 준 버전을 선택하고 있었고 거기에서 핵 기계를 보지 못했습니다 .. 나는 그것을 꺼내고 싶었습니다. 어떻게 작동하는지보십시오
아무도 안 차는데 이 방향으로 움직이기 너무 힘들어 지금 거래 안해 기분 좋을 때 시스템 끝내고 .. 거기까지 생각해야 하는데 생각하기 싫다
글쎄요, 이 게임이 작동하지 않는다는 것을 이해하기 위해 파이썬이나 R에서 5분을 보내는 것보다 다양한 변환의 이론과 구현에 1년을 보내는 것이 낫습니다. 바로 언어? 왜이 mql, c++이 필요합니까? 아니면 뭘 앉았는지...
여기서 문제는 이론이 아니라 그것을 이해하는 방법과 분석 중에 선택한 모든 것을 제시하는 올바른 접근 방식에 있습니다.
사람이 데이터를 수집하고 체계화하는 엄청난 일을 하지만 올바르게 적용하지 못하는 경우가 발생합니다.
사람이 데이터를 수집하고 체계화하는 엄청난 일을 하지만 올바르게 적용하지 못하는 경우가 발생합니다.
동의한다, 일어난다
글쎄, 당신은 하늘에 공평함을 보여주고 훈련 비디오를 촬영하기 위해 가을에 blab을 약속했습니다))))
글쎄, 대서양 횡단 대륙간 GIANT가 나를 내 네트워크로 끌어들일 줄 누가 알았습니까 !!!! 나는 수습 기간 내내 일에 몰두하고 온갖 훈련을 받아야 했다. 카잔에서도 우승 중이었습니다. 그러나 그는 주로 토요일에 시간을 할애했지만 최근에 실수로 실수를 범하고 또 다른 데이터 개선 사항을 받았음에도 불구하고 거래를 떠나지 않았습니다. 개선은 더 큰 분리 가능성을 의미합니다. 위의 그림 2. 이로 인해 Reshetov의 Optimizer가 재교육을 시작했는데 원칙적으로 그에게는 놀라운 일입니다. 왜냐하면 그는 근본적으로 언더트레이닝에 대한 압박을 받고 직접 재교육을 받았기 때문입니다. 데이터 분석은 클러스터링 영역에 이중 점이 있음을 보여주었는데, 이는 벡터가 동일함을 나타냅니다. 즉, 숫자의 꼬리 부분에서 약간의 차이가 있는 서로의 사본입니다. 이러한 데이터 세트는 이러한 벡터 중 하나가 훈련에 속하고 두 번째 벡터가 테스트 집합에 속할 때 과적합으로 이어집니다. 이 경우 이중 벡터 중 하나를 제거해야 합니다! 그러나 입구의 의미를 살펴보면 MO의 높은 비유에 놀라기 시작합니다. 그런 입력에서 요점이 보이지 않기 때문에 STSUKO는 작동합니다!
나는 어떻게 든 스스로 결정했습니다. 실수로 작동하는 입력을 우연히 발견했다면 이해할 필요가 없습니다. 그냥 사용하면됩니다. ..... "왜 작동합니까?" 그리고 나는 "HZ"라고 대답하고 무슨 일이 있어도 전리품을 계속 잘라낼 것입니다 :-)
바보들의 작품은 사랑입니다 :)))
우선, 그것은 당신을 질서와 질서로 인도할 것입니다. 그리고 무역은 거기에 정착 할 것입니다 ...
예를 들어, 다양한 변환된 입력 데이터에 대해 모델 세트를 구축하고 최상의 모델을 선택하는 것과 같은 다양한 모델(예측자)의 열거. 계정에서 비밀번호를 선택하는 방법. 주제와 패턴에 대한 사전 지식이 없을 때.
핸드메이드는 손과 같다
영어로 된 Vapnik 비디오는 이것에 관한 것입니다.ON-TO-NOT-TS-TOOOO 당신은 그것을 얻었습니다 .... 그러나 우리가 하나의 데이터 세트에 대해 10개의 모델을 구축했지만 tren과 test로 무작위로 분할하여 작업을 단순화합시다. 질문: 원래 세트를 가장 잘 일반화하는 모델을 선택하는 방법은 무엇입니까??? 이것은 근본적인 질문이며 저는 이제 이에 대한 이론을 구축하고 있습니다. 지금까지 내 이론으로는 모든 것이 논리적이지만 끝까지 완료되지 않았습니다.
이 문제를 해결하기 위해서는 획득한 모델의 일반화 능력의 척도를 결정할 필요가 있다. 여기에서 일부 리소스를 읽었으며 그러한 측정항목이 이미 존재하지만 모두 값을 과대평가하는 것으로 나타났습니다. 내가 이해하는 한 일반화 수준을 결정하는 효과적인 단일 방법은 없습니다. 이것은 ML 분야의 기본적인 작업입니다. Reshetov가 결정하는 방식도 메트릭이며 현재로서는 모델의 Specificity 및 Sensitivity를 계산할 때 이것이 최상의 솔루션이지만 이것은 동일하지 않습니다. 하지만 그 다음엔 뭔가..... HOGOGOGOOOOO!!!!! :-)
이런 제안을 하게 될 줄은 몰랐는데 그래도...
특정 수준의 pd\sp를 구축하는 신경망을 기반으로 하는 시스템(지시자)을 만들었습니다. 이것은 아주 잘 작동합니다.
지표의 철학은 실제 과매수/과매도 또는 감정에 대한 검색입니다.
주당 1-2개의 신호를 제공합니다. 신호가 올바르게 결정되면 100%에 가까운 확률로 작동합니다.
문제는 mql을 모르고 표시기가 "R" (많은 라이브러리 사용) 로 작성되어 mql을 배울 힘이 없다는 것입니다.
여기에 내 코드를 mql에 통합하고 MT4에서 시각화할 준비가 된 사람이 있다면 그와 소통하고 앞으로 협력할 준비가 되어 있습니다.
ON-TO-NOT-TS-TOOOO 당신은 그것을 얻었습니다 .... 그러나 우리가 하나의 데이터 세트에 대해 10개의 모델을 구축했지만 tren과 test로 무작위로 분할하여 작업을 단순화합시다. 질문: 원래 세트를 가장 잘 일반화하는 모델을 선택하는 방법은 무엇입니까??? 이것은 근본적인 질문이며 저는 이제 이에 대한 이론을 구축하고 있습니다. 지금까지 내 이론으로는 모든 것이 논리적이지만 끝까지 완료되지 않았습니다.
이 문제를 해결하기 위해서는 획득한 모델의 일반화 능력의 척도를 결정할 필요가 있다. 여기에서 일부 리소스를 읽었으며 그러한 측정항목이 이미 존재하지만 모두 값을 과대평가하는 것으로 나타났습니다. 내가 이해하는 한 일반화 수준을 결정하는 효과적인 단일 방법은 없습니다. 이것은 ML 분야의 기본 작업입니다. Reshetov가 결정하는 방식도 메트릭이며 현재로서는 모델의 Specificity 및 Sensitivity를 계산할 때 이것이 최상의 솔루션이지만 이것은 동일하지 않습니다. 하지만 그 다음에는 뭔가..... HOGOGOGOOOOO!!!!! :-)
2000 모델에서 10은 아무것도 아닙니다. 랜덤 파티셔닝이 이미 존재하지만 데이터 세트도 변경됩니다. 첫 번째 코어의 울트라북은 15-20분 안에 계산됩니다.
그건 그렇고, jpedictor에 대해 - 당신이 나에게 준 버전을 선택하고 있었고 거기에서 핵 기계를 보지 못했습니다 .. 나는 그것을 꺼내고 싶었습니다. 어떻게 작동하는지보십시오
그렇구나, 동지들
xs, 분류오류나 logloss 빼고는 뭘 써야할지 모르겠어
이런 제안을 하게 될 줄은 몰랐는데 그래도...
특정 수준의 pd\sp를 구축하는 신경망을 기반으로 하는 시스템(지시자)을 만들었습니다. 이것은 아주 잘 작동합니다.
지표의 철학은 실제 과매수/과매도 또는 감정에 대한 검색입니다.
주당 1-2개의 신호를 제공합니다. 신호가 올바르게 결정되면 100%에 가까운 확률로 작동합니다.
문제는 mql을 모르고 표시기가 "R" (많은 라이브러리 사용) 로 작성되어 mql을 배울 힘이 없다는 것입니다.
여기에 내 코드를 mql에 통합하고 MT4에서 시각화할 준비가 된 사람이 있다면 그와 소통하고 앞으로 협력할 준비가 되어 있습니다.
아니 ... 나는 여기에서 그런 사람들을 찾지 못했습니다 :-(
2000 모델에서 10은 아무것도 아닙니다. 랜덤 파티셔닝이 이미 존재하지만 데이터 세트도 변경됩니다. 첫 번째 코어의 울트라북은 15-20분 안에 계산됩니다.
그건 그렇고, jpedictor에 대해 - 당신이 나에게 준 버전을 선택하고 있었고 거기에서 핵 기계를 보지 못했습니다 .. 나는 그것을 꺼내고 싶었습니다. 어떻게 작동하는지보십시오
그렇구나, 동지들
xs, 분류오류나 logloss 빼고는 뭘 써야할지 모르겠어
그는 100% 거기에 있다. 나는 그것을 나 자신을 위해 천천히 리메이크하기 시작했다. 이제 MKUL 5초 문제에서 모델을 설정합니다.