누가 LR에 대해 남겨둔 이력서를 사용했습니까? 별도의 검증 세트를 대체합니까? 글쎄, 나는 Vizard mb 만 사용했다고 생각합니다 :)
교차 검증을 모델 자체보다는 특정 절차에 의해 생성된 모델의 성능 일반화를 추정하는 방법으로 생각하는 것이 가장 좋습니다. Leave-one-out 교차 검증은 기본적으로 n-1개의 데이터 샘플에 대해 훈련된 모델의 일반화 성능 추정치이며, 일반적으로 n개 샘플에 대해 훈련된 모델의 성능에 대한 약간 비관적인 추정치입니다.
하나의 모델을 선택하는 것보다 해야 할 일은 모든 데이터에 모델을 맞추고 LOO-CV를 사용하여 해당 모델의 성능에 대한 약간 보수적인 추정치를 제공하는 것입니다.
그러나 LOOCV 는 분산이 높기 때문에(다른 임의의 데이터 샘플을 사용하는 경우 얻을 수 있는 값이 많이 다름) 성능 평가를 위한 추정기로는 거의 편향되지 않음에도 종종 좋지 않은 선택이 됩니다. 모델 선택을 위해 항상 사용하지만 실제로는 가격이 저렴하기 때문입니다(내가 작업 중인 커널 모델에서는 거의 무료임).
플랫을 알고리즘화하는 데 필요한 것은 다음과 같습니다.
아파트는 전혀 가격으로 지어진 것이 아니라 다른 기능으로 지어졌습니다 ...
여기에서 신호가 직사각형의 맨 처음부터 유효하고 이전과 같이 끝에서 유효하지 않도록 직사각형 그리기가 이미 구현되어 있습니다. 예
그래프에서 PD와 sp. , 빨간색에서 우리는 녹색에서 구매 우리는 판매
도중에 우리는 한 정거장을 얻었지만 이것은 하나의 합성 시간 프레임에서 한 컷에 불과합니다.
pd와 sp는 내 이해에 일부 과매수 및 과매도 영역입니다.
신경망을 사용하여 과매수 및 과매도 검색젠장, 정상적인 시스템에 대해 논의하자, 응? 객관적인 법칙으로
2개의 상관 도구를 사용하여 모델을 구축합니다.
중재?
또는 커플
MO는 어디 있습니까?
MO는 어디 있습니까?
http://sun.tsu.ru/mminfo/2016/Dombrovski/book/chapter-2/chapter-2.htm
누가 LR에 대해 남겨둔 이력서를 사용했습니까? 별도의 검증 세트를 대체합니까? 글쎄, 나는 Vizard mb 만 사용했다고 생각합니다 :)
교차 검증을 모델 자체보다는 특정 절차에 의해 생성된 모델의 성능 일반화를 추정하는 방법으로 생각하는 것이 가장 좋습니다. Leave-one-out 교차 검증은 기본적으로 n-1개의 데이터 샘플에 대해 훈련된 모델의 일반화 성능 추정치이며, 일반적으로 n개 샘플에 대해 훈련된 모델의 성능에 대한 약간 비관적인 추정치입니다.
하나의 모델을 선택하는 것보다 해야 할 일은 모든 데이터에 모델을 맞추고 LOO-CV를 사용하여 해당 모델의 성능에 대한 약간 보수적인 추정치를 제공하는 것입니다.
그러나 LOOCV 는 분산이 높기 때문에(다른 임의의 데이터 샘플을 사용하는 경우 얻을 수 있는 값이 많이 다름) 성능 평가를 위한 추정기로는 거의 편향되지 않음에도 종종 좋지 않은 선택이 됩니다. 모델 선택을 위해 항상 사용하지만 실제로는 가격이 저렴하기 때문입니다(내가 작업 중인 커널 모델에서는 거의 무료임).
"반대"와 "반대". 그러한 추정기는 모델의 열거 속도를 높이는 데 좋을 것입니다.
테스트 케이스와 함께 최신 버전 의 라이브러리 게시
새해가 멀지만 여기에서 그들은 그런 선물을 줍니다!
중재?
여기
https://www.mql5.com/ru/forum/140716/page382
이후
다른 곳에서는 찾을 수 없는 칠면조의 단 한 줄
다른 곳에서는 찾을 수 없는 칠면조의 단 한 줄
그리고 그녀는 어디에 있습니까?
테스트 케이스와 함께 최신 버전 의 라이브러리 게시
아주 멋져! 고맙습니다. 결과는 놀랍습니다 :)