나는 이것을 표준 방식으로 하는 방법을 모르지만, 예를 들어 라이브러리에서 다음과 같이 합니다.
정말 감사합니다!!! 당신은 패키지에 매우 정통합니다. 나는 사양에 대해 같은 질문을 받았습니다. 포럼은 format() 클래스를 다시 작성할 것을 제안했고 ~ 300줄의 코드로 예제를 보여주었습니다. 이미 모든 종류의 목발에 대해 생각하기 시작했지만 여기에 훌륭한 솔루션이 있습니다. 감사합니다!
Статья является продолжением предыдущих статей по глубоким нейросетям и выбору предикторов. В ней мы рассмотрим особенность нейросети, инициируемой Stacked RBM, а также её реализации в пакете "darch".
알렉세이 버나코프 : 이해합니다. 구체적이지 않고는 생각의 깊이를 평가하기가 어렵습니다. 그리고 그 기사에 사진이 있었다. 페레르벤코도 비슷하다. 그리고 그의 글도 읽었다.
글쎄, 난 화났어...
내 목표는 대화를 실용적인 방향으로 이끄는 것이며 어떤 식으로든 누구의 기분을 상하게 하지 않는 것입니다 ...
우리가 흩어진 조각을 가지고 있는 동안.
당신의 학문적 접근 .... 나에게 당신의 계산의 가치는 부인할 수 없지만 .... 나는 위에서 나의 의심을 표현했습니다.
나는 Vladimir Perervenko의 작품을 매우 주의 깊게 따릅니다. 모델이 재교육되지 않는다는 증거를 본 적이 없습니다. 마지막 링크. 변수의 중요성은 트리 변형 중 하나의 알고리즘에 의해 결정됩니다. 그러나 나무는 사용 가능한 노이즈 양의 편리함 때문에 이러한 노이즈 예측자를 더 자주 사용하는 경향이 있으며 결과적으로 중요도 추정에 노이즈가 나타납니다...
따라서 잡음 예측자를 제거하는 알고리즘부터 시작해야 합니다. 모든 모델 추정치를 미래로 외삽할 수 없기 때문에 이것들이 없는 다른 모든 단계는 실질적인 의미가 없습니다.
그런 다음 모델은 창에서 훈련되고 창의 너비는 어떻게든 정당화되어야 합니다. 그런 다음 작업 창에 대한 예측 변수의 사전 선택에서 훈련된 모델을 사용합니다....
나는 이것을 표준 방식으로 하는 방법을 모르지만, 예를 들어 라이브러리에서 다음과 같이 합니다.
정말 감사합니다!!! 당신은 패키지에 매우 정통합니다. 나는 사양에 대해 같은 질문을 받았습니다. 포럼은 format() 클래스를 다시 작성할 것을 제안했고 ~ 300줄의 코드로 예제를 보여주었습니다. 이미 모든 종류의 목발에 대해 생각하기 시작했지만 여기에 훌륭한 솔루션이 있습니다. 감사합니다!
한 가지 더 질문 - 관찰이 다른 시간부터 시작되었기 때문에 길이가 약간 다른 세 개의 데이터 프레임이 있습니다.
세 프레임 모두에 있는 관찰만 남기고 별도의 프레임에만 있는 관찰을 버리기 위해 어떻게 시간을 동기화할 수 있습니까?
한 가지 더 질문 - 관찰이 다른 시간부터 시작되었기 때문에 길이가 약간 다른 세 개의 데이터 프레임이 있습니다.
세 프레임 모두에 있는 관찰만 남기고 별도의 프레임에만 있는 관찰을 버리기 위해 어떻게 시간을 동기화할 수 있습니까?
이마에 다음과 같이 될 것입니다 :
a <- data.frame(c1 = c('a','b','c','d','e','f'), c2 = c(1,2,3,4,5,6))
b <- data.frame(c1 = c('a','b','c','d','e'), c2 = c(1,2,3,4,5))
c <- data.frame(c1 = c('b','c','d','e','f'), c2 = c(2,3,4,5,6))
a$concat <- do.call(paste0, a[1:2])
b$concat <- do.call(paste0, b[1:2])
c$concat <- do.call(paste0, c[1:2])
concat_vec <- append(unique(a$concat)
, c(unique(b$concat)
, unique(c$concat)))
concat_vec_tbl <- as.data.frame(table(concat_vec))
concat_vec_tbl <- concat_vec_tbl[concat_vec_tbl$Freq == 3, ]
a <- a[a$concat %in% concat_vec_tbl$concat_vec, ]
b <- b[b$concat %in% concat_vec_tbl$concat_vec, ]
c <- c[c$concat %in% concat_vec_tbl$concat_vec, ]
https://www.mql5.com/en/blogs/post/650079
이마에 다음과 같이 될 것입니다 :
https://www.mql5.com/en/blogs/post/650079
알렉세이!
당신은 얼마나 흥미로운 사람입니까!
나는 여기에 표시기에서 실제 차량의 성능을 향상시키기 위해 rf를 사용한다고 백 번 썼지만 당신은 반응하지 않았습니다.
또한, 나는 다음과 같은 생각을 반복해서 표현했습니다.
1. 우리는 실제 차량을 가지고
2. 우리는 TS의 문제를 선택하고 R 도구로 해결하기 위해 해결에서 시작합니다.
제가 언급한 경우에 rf를 사용하여 일반적으로 막대 1(-1)에 대한 정보를 제공하고 rf는 전방 막대에 대한 정보를 제공하는 지표 지연 문제를 해결했습니다. H4의 경우 8시간입니다! 결과적으로 손실이 크게 감소했습니다.
https://www.mql5.com/en/blogs/post/650079
이 기사의 아이디어는 기사 https://www.mql5.com/en/articles/1628에서 약간 다르게 구현됩니다.
모든 사람들이 이 사이트에서 1년 지연된 기계 학습에 대한 기사를 읽는지 궁금합니다. (수사적 질문)
행운을 빕니다
알렉세이!
당신은 얼마나 흥미로운 사람입니까!
나는 여기에 표시기에서 실제 차량의 성능을 향상시키기 위해 rf를 사용한다고 백 번 썼지만 당신은 반응하지 않았습니다.
또한, 나는 다음과 같은 생각을 반복해서 표현했습니다.
1. 우리는 실제 차량을 가지고
2. 우리는 TS의 문제를 선택하고 R 도구로 해결하기 위해 해결에서 시작합니다.
제가 언급한 경우에 rf를 사용하여 일반적으로 막대 1(-1)에 대한 정보를 제공하고 rf는 전방 막대에 대한 정보를 제공하는 지표 지연 문제를 해결했습니다. H4의 경우 8시간입니다! 결과적으로 손실이 크게 감소했습니다.
이해합니다. 구체적이지 않고는 생각의 깊이를 평가하기가 어렵습니다. 그리고 그 기사에 사진이 있었다. 페레르벤코도 비슷하다. 그리고 그의 글도 읽었다.
글쎄, 난 화났어...
내 목표는 대화를 실용적인 방향으로 이끄는 것이며 어떤 식으로든 누구의 기분을 상하게 하지 않는 것입니다 ...
우리가 흩어진 조각을 가지고 있는 동안.
당신의 학문적 접근 .... 나에게 당신의 계산의 가치는 부인할 수 없지만 .... 나는 위에서 나의 의심을 표현했습니다.
나는 Vladimir Perervenko의 작품을 매우 주의 깊게 따릅니다. 모델이 재교육되지 않는다는 증거를 본 적이 없습니다. 마지막 링크. 변수의 중요성은 트리 변형 중 하나의 알고리즘에 의해 결정됩니다. 그러나 나무는 사용 가능한 노이즈 양의 편리함 때문에 이러한 노이즈 예측자를 더 자주 사용하는 경향이 있으며 결과적으로 중요도 추정에 노이즈가 나타납니다...
따라서 잡음 예측자를 제거하는 알고리즘부터 시작해야 합니다. 모든 모델 추정치를 미래로 외삽할 수 없기 때문에 이것들이 없는 다른 모든 단계는 실질적인 의미가 없습니다.
그런 다음 모델은 창에서 훈련되고 창의 너비는 어떻게든 정당화되어야 합니다. 그런 다음 작업 창에 대한 예측 변수의 사전 선택에서 훈련된 모델을 사용합니다....
이 같은.