그래서 당신은 logloss ~1, 즉 모델은 일반적으로 일어나고 있는 일로부터 공중에 떠 있습니다.
블라인드, 음수 로그 손실은 어디에 있습니까? 전체 모델에 대해 logloss를 지정했습니다.
막심 드미트리예프스키 :
별도의 출입구를 위한 별도의 로고로스를 찾고 싶으신가요? 제대로 이해? 저것들. 시트 값과 대상 간의 정보를 kol-in?
이것이 정확히 logloss가 무엇인지 확신할 수 없습니다. 고품질 정보를 찾고 싶습니다. logloss는 전체 모델의 수량을 찾고 있습니다. 아마도 수량은 그렇게 할 것입니다. 잘 모르겠습니다. 그것을하는 방법에 어떤 아이디어가 있습니까?
막심 드미트리예프스키 :
'아무것도 하지 않는' 클래스는 위에서 언급한 다른 클래스에 비해 분명히 언밸런스한 편인데, 3-클래스 모델로 인해 이러한 문제가 있을 수 있습니다. 나머지 수치는 실망스럽습니다.
예, 균형이 맞지 않지만 무엇을 할 수 있습니까... 물론, 샘플을 벡터로 나누어 두 개의 샘플을 만들 수 있습니다. 그러나 다시 유용할 수 있는 일부 정보가 손실됩니다. 일반적으로 샘플이 균형이 맞지 않는다는 데 동의하지만 정보를 잃지 않고 이를 수행하는 방법을 모르겠습니다. 적은 수의 대상으로 행을 복제하려고 시도했습니다. 결과는 부정적입니다.
블라인드, 음의 로그 손실은 어디에 있습니까? 전체 모델에 대해 logloss를 지정했습니다.
이것이 정확히 logloss가 무엇인지 확신할 수 없습니다. 고품질 정보를 찾고 싶습니다. logloss는 전체 모델의 수량을 찾고 있습니다. 아마도 수량은 그렇게 할 것입니다. 잘 모르겠습니다. 그것을하는 방법에 어떤 아이디어가 있습니까?
예, 균형이 맞지 않지만 무엇을 할 수 있습니까... 물론, 샘플을 벡터로 나누어 두 개의 샘플을 만들 수 있습니다. 그러나 다시 유용할 수 있는 일부 정보가 손실됩니다. 일반적으로 샘플이 균형이 맞지 않는다는 데 동의하지만 정보를 잃지 않고 이를 수행하는 방법을 모르겠습니다. 적은 수의 대상으로 행을 복제하려고 시도했습니다. 결과는 부정적입니다.
부정적이지는 않지만 화합하는 경향이 있습니다. 최고. 그리고 제로를 목표로 해야 한다
logloss는 대략적으로 말하자면, 기능이 대상 기능과 어떻게 관련되는지 보여줍니다. 0은 완전한 상관 관계입니다. 그들은 목표를 잘 설명합니다. 1 - 전혀 설명하지 마십시오. 완전히 정보가 없습니다. 이것은 어떤 관계가 있는지 여부를 말해준다는 점에서 좋은 지표입니다. 존재하지 않는다는 것을 알게 됩니다.
logloss는 대략적으로 말하자면, 기능이 대상 기능과 어떻게 관련되는지 보여줍니다. 0은 완전한 상관 관계입니다. 그들은 목표를 잘 설명합니다. 1 - 전혀 설명하지 마십시오. 완전히 정보가 없습니다. 이것은 어떤 관계가 있는지 여부를 말해준다는 점에서 좋은 지표입니다. 존재하지 않는다는 것을 알게 됩니다.
잘 모르겠어 보통 2과목 하고 3과목은 하지마
심지어 다중 분류가 있는 Logloss가 1인지 확신할 수 없습니다. 일반적으로 공식을 직접 구현하는 방법을 알 수 없습니다. 오픈 소스에서 이러한 암호화를 이해하지 못합니다. 그리고 Logloss가 최종적인 것이 아니라 전체 샘플에 대해 어떻게 변하고 어디에서 처지는지 보고 싶습니다. 그리고 내가 알기로는 균형 잡힌 샘플로 훨씬 더 정확합니다 ...
심지어 다중 분류가 있는 Logloss가 1인지 확신할 수 없습니다. 일반적으로 공식을 직접 구현하는 방법을 알 수 없습니다. 오픈 소스에서 이러한 암호화를 이해하지 못합니다. 그리고 Logloss가 최종적인 것이 아니라 전체 샘플에 대해 어떻게 변하고 어디에서 처지는지 보고 싶습니다. 그리고 내가 알기로는 균형 잡힌 샘플로 훨씬 더 정확합니다 ...
나는 이것으로 나의 두뇌를 계속 치솟게 해야 한다. 얀데하와 같은 큰 사무실은 일을 한다. 이렇게 하면 괜찮을 것입니다. 그냥 하지 말고 스스로 하세요. 그렇지 않으면 표현과 다른 접근 방식에 빠져들게 될 것입니다.
Finding complex chart patterns has never been an easy task. This article will give you a simple indicator for complex chart pattern recognition. You will have the freedom to detect any pattern with any pattern length. Not just 2-bar candlestick formations, but complex stuff like V-Tops spread over 20 bars. Defining a chart pattern I am using a...
훈련이 수행된 샘플의 지표입니다.
그리고 훈련 이외의 샘플은 어떻습니까? 앞으로 6개월 동안?
그래서 당신은 logloss ~1, 즉 모델은 일반적으로 일어나고 있는 일로부터 공중에 떠 있습니다.
블라인드, 음수 로그 손실은 어디에 있습니까? 전체 모델에 대해 logloss를 지정했습니다.
별도의 출입구를 위한 별도의 로고로스를 찾고 싶으신가요? 제대로 이해? 저것들. 시트 값과 대상 간의 정보를 kol-in?
이것이 정확히 logloss가 무엇인지 확신할 수 없습니다. 고품질 정보를 찾고 싶습니다. logloss는 전체 모델의 수량을 찾고 있습니다. 아마도 수량은 그렇게 할 것입니다. 잘 모르겠습니다. 그것을하는 방법에 어떤 아이디어가 있습니까?
'아무것도 하지 않는' 클래스는 위에서 언급한 다른 클래스에 비해 분명히 언밸런스한 편인데, 3-클래스 모델로 인해 이러한 문제가 있을 수 있습니다. 나머지 수치는 실망스럽습니다.
예, 균형이 맞지 않지만 무엇을 할 수 있습니까... 물론, 샘플을 벡터로 나누어 두 개의 샘플을 만들 수 있습니다. 그러나 다시 유용할 수 있는 일부 정보가 손실됩니다. 일반적으로 샘플이 균형이 맞지 않는다는 데 동의하지만 정보를 잃지 않고 이를 수행하는 방법을 모르겠습니다. 적은 수의 대상으로 행을 복제하려고 시도했습니다. 결과는 부정적입니다.
블라인드, 음의 로그 손실은 어디에 있습니까? 전체 모델에 대해 logloss를 지정했습니다.
이것이 정확히 logloss가 무엇인지 확신할 수 없습니다. 고품질 정보를 찾고 싶습니다. logloss는 전체 모델의 수량을 찾고 있습니다. 아마도 수량은 그렇게 할 것입니다. 잘 모르겠습니다. 그것을하는 방법에 어떤 아이디어가 있습니까?
예, 균형이 맞지 않지만 무엇을 할 수 있습니까... 물론, 샘플을 벡터로 나누어 두 개의 샘플을 만들 수 있습니다. 그러나 다시 유용할 수 있는 일부 정보가 손실됩니다. 일반적으로 샘플이 균형이 맞지 않는다는 데 동의하지만 정보를 잃지 않고 이를 수행하는 방법을 모르겠습니다. 적은 수의 대상으로 행을 복제하려고 시도했습니다. 결과는 부정적입니다.
부정적이지는 않지만 화합하는 경향이 있습니다. 최고. 그리고 제로를 목표로 해야 한다
logloss는 대략적으로 말하자면, 기능이 대상 기능과 어떻게 관련되는지 보여줍니다. 0은 완전한 상관 관계입니다. 그들은 목표를 잘 설명합니다. 1 - 전혀 설명하지 마십시오. 완전히 정보가 없습니다. 이것은 어떤 관계가 있는지 여부를 말해준다는 점에서 좋은 지표입니다. 존재하지 않는다는 것을 알게 됩니다.
잘 모르겠어 보통 2과목 하고 3과목은 하지마
그리고 훈련 이외의 샘플은 어떻습니까? 앞으로 6개월 동안?
그리고 훈련 외에는 샘플이 없는 것처럼... 저는 2019년 3월 1일경에 훈련을 하지 않았고, 2014년의 모든 정보를 사용해야 한다고 결정했습니다.
그러나 나는 이 나무들이 무엇을 주는지 직접 보기로 결정하고 어드바이저에 넣고 2019년 3월 1일부터 2019년 9월 15일까지 3개의 다른 나무로 3개의 패스를 만들었습니다.
1. 첫 번째 분할 단계
2. 스무 번째 분할 단계
3. 마흔여덟 번째 분할 단계
그리고 일반적으로 결과가 세 가지 모델 모두에 대해 긍정적이라는 사실에 저 자신도 놀랐습니다!
흥미롭게도 모델 2는 더 부드럽습니다. 그리고 세 번째는 플러스에서 어려움을 겪고 있는 것으로 나타났습니다.
흥미롭게도 모델의 정확도는 크게 저하되지 않았으며 때로는 개선되기도 했습니다. 아래는 훈련 샘플에 대한 백분율 변화가 있는 표입니다.
완전성과 로그 손실에 대해 말할 수는 없습니다. 지표를 선택하고 선택해야 합니다.
그리고 네, 대부분의 모델은 0에 대해 훈련할 때 반복됩니다. 왜냐하면 실제로 다른 두 클래스에 비해 이 클래스가 우세하고 0을 찾기가 더 쉽기 때문입니다. 이것은 전체를 망칩니다.
부정적이지는 않지만 화합하는 경향이 있습니다. 최고. 그리고 제로를 목표로 해야 한다
logloss는 대략적으로 말하자면, 기능이 대상 기능과 어떻게 관련되는지 보여줍니다. 0은 완전한 상관 관계입니다. 그들은 목표를 잘 설명합니다. 1 - 전혀 설명하지 마십시오. 완전히 정보가 없습니다. 이것은 어떤 관계가 있는지 여부를 말해준다는 점에서 좋은 지표입니다. 존재하지 않는다는 것을 알게 됩니다.
잘 모르겠어 보통 2과목 하고 3과목은 하지마
심지어 다중 분류가 있는 Logloss가 1인지 확신할 수 없습니다. 일반적으로 공식을 직접 구현하는 방법을 알 수 없습니다. 오픈 소스에서 이러한 암호화를 이해하지 못합니다. 그리고 Logloss가 최종적인 것이 아니라 전체 샘플에 대해 어떻게 변하고 어디에서 처지는지 보고 싶습니다. 그리고 내가 알기로는 균형 잡힌 샘플로 훨씬 더 정확합니다 ...
심지어 다중 분류가 있는 Logloss가 1인지 확신할 수 없습니다. 일반적으로 공식을 직접 구현하는 방법을 알 수 없습니다. 오픈 소스에서 이러한 암호화를 이해하지 못합니다. 그리고 Logloss가 최종적인 것이 아니라 전체 샘플에 대해 어떻게 변하고 어디에서 처지는지 보고 싶습니다. 그리고 내가 알기로는 균형 잡힌 샘플로 훨씬 더 정확합니다 ...
나는 이것으로 나의 두뇌를 계속 치솟게 해야 한다. 얀데하와 같은 큰 사무실은 일을 한다. 이렇게 하면 괜찮을 것입니다. 그냥 하지 말고 스스로 하세요. 그렇지 않으면 표현과 다른 접근 방식에 빠져들게 될 것입니다.
그는 경사를 따라 걸으며 나무를 키울 때 이미 변화를 보여줍니다.그리고 훈련 외에는 샘플이 없는 것처럼... 저는 2019년 3월 1일경에 훈련을 하지 않았고, 2014년의 모든 정보를 사용해야 한다고 결정했습니다.
그러나 나는 이 나무들이 무엇을 주는지 직접 보기로 결정하고 어드바이저에 넣고 2019년 3월 1일부터 2019년 9월 15일까지 3개의 다른 나무로 3개의 패스를 만들었습니다.
1. 첫 번째 분할 단계
2. 스무 번째 분할 단계
3. 마흔여덟 번째 분할 단계
그리고 일반적으로 결과가 세 가지 모델 모두에 대해 긍정적이라는 사실에 저 자신도 놀랐습니다!
흥미롭게도 모델 2는 더 부드럽습니다. 그리고 세 번째는 플러스에서 어려움을 겪고 있는 것으로 나타났습니다.
흥미롭게도 모델의 정확도는 크게 저하되지 않았으며 때로는 개선되기도 했습니다. 아래는 훈련 샘플에 대한 백분율 변화가 있는 표입니다.
완전성과 로그 손실에 대해 말할 수는 없습니다. 지표를 선택하고 선택해야 합니다.
그리고 네, 대부분의 모델은 0에 대해 훈련할 때 반복됩니다. 왜냐하면 실제로 다른 두 클래스에 비해 이 클래스가 우세하고 0을 찾기가 더 쉽기 때문입니다. 이것은 전체를 망칩니다.
나는 이것을 받는다. 방금 봇의 모든 로직을 파이썬으로 옮기고 숲을 부스트로 교체했습니다. 오류를 찾을 수 없습니다. 엿보기가 없는 것 같습니다. 설정에 따라 Akuras는 0.7-0.8까지 올릴 수 있으며 트랜잭션 수는 감소합니다.
숲의 경우 오차 범위는 거의 같으나 akuras가 아니라 분류 오차가 있습니다. 그리고 기차에서는 비슷하게, 훨씬 더 잘 작동합니다. 그러나 시험에서 그것은 훨씬 더 나쁩니다.
교육:
OOS는 10배 더 학습합니다.
입구에서는 어떨까요? 깨끗한 가격?
증분
주말에 커넥터를 완성하고 테스트에 올려 보겠습니다. 모델을 클라우드에 업로드하고 터미널에서 신호를 받을 계획입니다. 원하는 경우 나중에 테스트할 수도 있습니다. 나중에 mt5에서 클라이언트를 삭제할 수 있습니다.MO에 대한 패턴을 설명하는 간단하고 흥미로운 접근 방식
https://www.quanttrader.com/index.php/a-simple-algorithm-to-detect-complex-chart-patterns/KahlerPhilipp2019