MGUA에 대한 첫 번째 출판물이 1960년대 어딘가에서 시작되었음을 상기시켜 드리겠습니다. "당신의 노하우))""세 번째" 샘플에 대한 테스트를 통한 아이디어 는 이미 60년))
그러나 접근 방식 자체는 오래되지 않았으므로 A.G. Ivakhnenko의 작품에 익숙해지는 것이 좋습니다.
예를 들어, MGUA 회귀는 현대 랜덤 포레스트 알고리즘의 회귀와 모든 종류의 부스팅을 조롱하는 것입니다.
이제 전보의 링크를 희생하여 .. 신호 외에는 아무 것도 찾지 못했지만 접근 방식과 사고 방식을 읽는 것이 흥미 롭습니다. Dmitry 는 공개적으로 촌스러운 형식이지만 여기에 게시해야한다고 올바르게 말합니다. .
나는 이 미묘한 아이러니를 이해하지 못했다. GMDH가 그것과 무슨 관련이 있는 걸까? 이것이 제 노하우라고 주장한 것이 아니라 결과를 간단히 확인하는 것입니다. 나는 단순히 신경망을 훈련할 수 있었다고 주장하고 실제 시장에서 신경망의 신호는 적절하게 훈련되었음을 확인합니다. 이 주제의 일반적인 실패와 신뢰할 수 있는 결과의 부족을 배경으로 작동하는 네트워크의 첫 번째 공개 데모입니다. 신호를 본 적이 있다면 네트워크가 시장에 올바르게 응답하고 있음을 눈치챘을 것입니다. 게다가, 그 행동은 우리의 일반적인 거래 전략이나 지표에 연결하여 설명할 수 없으며, 반대로 행동은 종종 비논리적입니다.
이 단계의 성능은 중요하지 않습니다. 여기서 가장 중요한 것은 이것이 일반적으로 가능하고 예측 품질이 무한정 향상될 수 있다는 사실입니다. 이것은 시간과 장비의 문제입니다.
예브게니 듀카 : 나는 이 미묘한 아이러니를 이해하지 못했다. GMDH가 그것과 무슨 관련이 있는 걸까? 이것이 제 노하우라고 주장한 것이 아니라 결과를 간단히 확인하는 것입니다. 나는 단순히 신경망을 훈련할 수 있었다고 주장하고 실제 시장에서 신경망의 신호는 적절하게 훈련되었음을 확인합니다. 이 주제의 일반적인 실패와 신뢰할 수 있는 결과의 부족을 배경으로 작동하는 네트워크의 첫 번째 공개 데모입니다. 신호를 본 적이 있다면 네트워크가 시장에 올바르게 응답하고 있음을 눈치챘을 것입니다. 게다가, 그 행동은 우리의 일반적인 거래 전략이나 지표에 연결하여 설명할 수 없으며, 반대로 행동은 종종 비논리적입니다.
이 단계에서 효율성은 중요하지 않습니다. 여기서 가장 중요한 것은 일반적으로 가능하고 예측의 품질을 무한정 높일 수 있다는 사실입니다. 이것은 시간과 장비의 문제입니다.
아이러니는 잊어 버려))
문자 메시지 신호는 시장 성과와 비교하기 어렵습니다. 나는 더 시각적인 형태로 거래를 보게 되어 기쁩니다. 그리고 다시, 거래 알고리즘 을 생성하기 위한 행동 알고리즘, 어떤 기능, 대상이 무엇인지, 데이터가 어떻게 전처리되었는지 등에 대한 단어가 아닙니다.
문자 메시지 신호는 시장 성과와 비교하기 어렵습니다. 나는 더 시각적인 형태로 거래를 보게 되어 기쁩니다. 그리고 다시, 거래 알고리즘을 만들기 위한 작업 알고리즘, 어떤 기능, 대상이 무엇인지, 데이터가 어떻게 사전 처리되었는지 등에 대한 단어는 없습니다.
예, 시각화가 필요합니다. 신호가 비뚤어집니다. AO 유형의 지표를 만드는 아이디어가 있습니다. 각 촛대 아래에는 예측력이 0보다 높거나 낮은 열이 있습니다. 그러나 여기에 문제가 있습니다. 1) 예측이 시간 프레임에 연결되지 않기 때문에 TF M1만, 2) 표시기는 내 서버의 소켓을 통해 정보를 요청해야 합니다. 클라이언트에서 tensorflow를 실행하는 것은 비현실적입니다. 3) 이제 각 양초의 모든 모델을 계산하는 데 12-13초가 걸리고 더 많은 시간이 소요됩니다. 곧 모든 것이 장비에 달려 있을 것입니다...
두 번째 옵션은 트레이딩뷰에서 인디케이터를 만드는 것인데, pine이 웹 소켓을 지원한다는 것은 사실이 아닙니다. 뒤늦게 그래프를 그릴 수 있는 옵션은 더 이상 없습니다. 아무도 믿지 않을 것입니다.
알고리즘 및 기타 사항에 대해 교육용 입력 데이터를 선택하는 논리를 제외한 모든 질문에 답변할 준비가 되어 있습니다.
예브게니 듀카 : 예, 시각화가 필요합니다. 신호가 비뚤어집니다. AO 유형의 지표를 만드는 아이디어가 있습니다. 각 촛대 아래에는 예측력이 0보다 높거나 낮은 열이 있습니다. 그러나 여기에 문제가 있습니다. 1) 예측이 시간 프레임에 연결되지 않기 때문에 TF M1만, 2) 표시기는 내 서버의 소켓을 통해 정보를 요청해야 합니다. 클라이언트에서 tensorflow를 실행하는 것은 비현실적입니다. 3) 이제 각 양초의 모든 모델을 계산하는 데 12-13초가 걸리고 더 많은 시간이 소요됩니다. 곧 모든 것이 장비에 달려 있을 것입니다...
두 번째 옵션은 트레이딩뷰에서 인디케이터를 만드는 것인데, pine이 웹 소켓을 지원한다는 것은 사실이 아닙니다. 뒤늦게 그래프를 그릴 수 있는 옵션은 더 이상 없습니다. 아무도 믿지 않을 것입니다.
알고리즘 및 기타 사항에 대해 교육용 입력 데이터를 선택하는 논리를 제외한 모든 질문에 답변할 준비가 되어 있습니다.
글쎄, 여기에서 무언가를 묻는 것은 어렵습니다. 모든 것은 데이터 전처리로 시작되며 그것에 대해 이야기하고 싶지 않습니다 .. (
우선, 다른 실패 회귀자는 무엇입니까? 허허허허허허 그럼 작업이 복잡해지면 MGUA도 나가나요??
둘째, 내 예에서는 MGUA와 부스트에 대해 동일한 데이터가 있습니다.
셋째, 아무데나 쑤셔 넣을 필요가 없습니다. 파이썬에서 4개의 임의 값으로 행렬을 만든 다음 누적 합을 만들 수 없는 이유는 무엇입니까? 집에서 부스트를 확인하려면?
2줄의 코드))
도대체 뭐가 들어있는지 궁금하다
mgua는 원래 변수에서 가짜 변수를 생성합니다. (사용된 커널에 따라 다름) 다시 반복합니다.
mgua는 가짜 변수를 생성합니다. (사용된 커널에 따라 다름) 다시 반복합니다.
MGUA는 잊어버리세요. 나와 비슷한 데이터 세트를 생성하고 이에 대해 부스팅을 실행하고 MGUA 없이 포리스트 또는 원하는 것이 무엇이든 어떤 일이 발생하는지 확인하십시오. 아니면 내 데이터로 교과서를 던지시겠습니까?
MGUA는 잊어버리세요. 나와 비슷한 데이터 세트를 생성하고 이에 대해 부스팅을 실행하고 MGUA 없이 포리스트 또는 원하는 것이 무엇이든 어떤 일이 발생하는지 확인하십시오. 아니면 내 데이터로 교과서를 던지시겠습니까?
예, 왜 부스팅이 당신에게서 제대로 배우지 못했지만 Mgua가 좋은지에 대해 이야기하고 있습니다. 가짜 회귀자로 인해 다항식, 예를 들어
x x y 선형 회귀 를 취하고 x^2, x^3을 가짜 회귀로 추가하면 곡선에 맞는 다항식 회귀를 얻습니다.
그리고 숲은 더 이상 하나의 x에 너무 명확하게 맞지 않을 것입니다. 그리고 mgua는 산업적 규모로 가짜 변수를 대량으로 생성합니다.
나는 질문의 기술적인 부분에 대해 이야기하고 있습니다. 그래서 Mgua는 훌륭하다고 생각하지만 부스팅은 멍청합니다. 사용법을 모르기 때문에Evgeny 좋은 오후입니다. 95%가 .... 당신이 하고 있는 일( "세 번째" 샘플에 대한 테스트 ) 측면에서 GMDH (GMDH)(논증의 그룹 회계 방법) 는 "예측 능력의 기준"이라고 합니다 http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1. 82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune
MGUA에 대한 첫 번째 출판물이 1960년대 어딘가에서 시작되었음을 상기시켜 드리겠습니다. " 당신의 노하우))" "세 번째" 샘플에 대한 테스트를 통한 아이디어 는 이미 60년))
그러나 접근 방식 자체는 오래되지 않았으므로 A.G. Ivakhnenko의 작품에 익숙해지는 것이 좋습니다.
예를 들어, MGUA 회귀는 현대 랜덤 포레스트 알고리즘의 회귀와 모든 종류의 부스팅을 조롱하는 것입니다.
이제 전보의 링크를 희생하여 .. 신호 외에는 아무 것도 찾지 못했지만 접근 방식과 사고 방식을 읽는 것이 흥미 롭습니다. Dmitry 는 공개적으로 촌스러운 형식이지만 여기에 게시해야한다고 올바르게 말합니다. .
나는 단순히 신경망을 훈련할 수 있었다고 주장하고 실제 시장에서 신경망의 신호는 적절하게 훈련되었음을 확인합니다.
이 주제의 일반적인 실패와 신뢰할 수 있는 결과의 부족을 배경으로 작동하는 네트워크의 첫 번째 공개 데모입니다.
신호를 본 적이 있다면 네트워크가 시장에 올바르게 응답하고 있음을 눈치챘을 것입니다. 게다가, 그 행동은 우리의 일반적인 거래 전략이나 지표에 연결하여 설명할 수 없으며, 반대로 행동은 종종 비논리적입니다.
이 단계의 성능은 중요하지 않습니다. 여기서 가장 중요한 것은 이것이 일반적으로 가능하고 예측 품질이 무한정 향상될 수 있다는 사실입니다. 이것은 시간과 장비의 문제입니다.
예, 왜 부스팅이 당신에게서 제대로 배우지 못했지만 Mgua가 좋은지에 대해 이야기하고 있습니다. 가짜 회귀자로 인해 다항식, 예를 들어
x x y 선형 회귀 를 취하고 x^2, x^3을 가짜 회귀로 추가하면 곡선에 맞는 다항식 회귀를 얻습니다.
그리고 숲은 더 이상 하나의 x에 너무 명확하게 맞지 않을 것입니다. 그리고 mgua는 산업적 규모로 가짜 변수를 대량으로 생성합니다.
나는 질문의 기술적인 부분에 대해 이야기하고 있습니다. 그래서 Mgua는 훌륭하다고 생각하지만 부스팅은 멍청합니다. 사용법을 모르기 때문에네 .. 알았어요))
그러나 여전히 가짜 MGUA 회귀자를 번식시키는 것으로 나타났습니다.
그리고 숲이 생산하지 않는다는 사실이 나쁘다.
동일한 MGUA 데이터를 즉시 처리할 수 있고 부스팅은 이러한 회귀자를 수동으로 생성해야 하기 때문에 ... 그리고 xs를 생성할 것은 모두 데이터에 따라 다릅니다.
나는 이 미묘한 아이러니를 이해하지 못했다. GMDH가 그것과 무슨 관련이 있는 걸까? 이것이 제 노하우라고 주장한 것이 아니라 결과를 간단히 확인하는 것입니다.
나는 단순히 신경망을 훈련할 수 있었다고 주장하고 실제 시장에서 신경망의 신호는 적절하게 훈련되었음을 확인합니다.
이 주제의 일반적인 실패와 신뢰할 수 있는 결과의 부족을 배경으로 작동하는 네트워크의 첫 번째 공개 데모입니다.
신호를 본 적이 있다면 네트워크가 시장에 올바르게 응답하고 있음을 눈치챘을 것입니다. 게다가, 그 행동은 우리의 일반적인 거래 전략이나 지표에 연결하여 설명할 수 없으며, 반대로 행동은 종종 비논리적입니다.
이 단계에서 효율성은 중요하지 않습니다. 여기서 가장 중요한 것은 일반적으로 가능하고 예측의 품질을 무한정 높일 수 있다는 사실입니다. 이것은 시간과 장비의 문제입니다.
아이러니는 잊어 버려))
문자 메시지 신호는 시장 성과와 비교하기 어렵습니다. 나는 더 시각적인 형태로 거래를 보게 되어 기쁩니다. 그리고 다시, 거래 알고리즘 을 생성하기 위한 행동 알고리즘, 어떤 기능, 대상이 무엇인지, 데이터가 어떻게 전처리되었는지 등에 대한 단어가 아닙니다.
맥스! 그리고 당신은 선험적 알고리즘 등과 같은 패턴을 찾기 위해 연관 규칙을 사용하려고 시도하지 않았습니다.
아이러니는 잊어 버려))
문자 메시지 신호는 시장 성과와 비교하기 어렵습니다. 나는 더 시각적인 형태로 거래를 보게 되어 기쁩니다. 그리고 다시, 거래 알고리즘을 만들기 위한 작업 알고리즘, 어떤 기능, 대상이 무엇인지, 데이터가 어떻게 사전 처리되었는지 등에 대한 단어는 없습니다.
1) 예측이 시간 프레임에 연결되지 않기 때문에 TF M1만,
2) 표시기는 내 서버의 소켓을 통해 정보를 요청해야 합니다. 클라이언트에서 tensorflow를 실행하는 것은 비현실적입니다.
3) 이제 각 양초의 모든 모델을 계산하는 데 12-13초가 걸리고 더 많은 시간이 소요됩니다. 곧 모든 것이 장비에 달려 있을 것입니다...
두 번째 옵션은 트레이딩뷰에서 인디케이터를 만드는 것인데, pine이 웹 소켓을 지원한다는 것은 사실이 아닙니다. 뒤늦게 그래프를 그릴 수 있는 옵션은 더 이상 없습니다. 아무도 믿지 않을 것입니다.
알고리즘 및 기타 사항에 대해 교육용 입력 데이터를 선택하는 논리를 제외한 모든 질문에 답변할 준비가 되어 있습니다.
예, 시각화가 필요합니다. 신호가 비뚤어집니다. AO 유형의 지표를 만드는 아이디어가 있습니다. 각 촛대 아래에는 예측력이 0보다 높거나 낮은 열이 있습니다. 그러나 여기에 문제가 있습니다.
1) 예측이 시간 프레임에 연결되지 않기 때문에 TF M1만,
2) 표시기는 내 서버의 소켓을 통해 정보를 요청해야 합니다. 클라이언트에서 tensorflow를 실행하는 것은 비현실적입니다.
3) 이제 각 양초의 모든 모델을 계산하는 데 12-13초가 걸리고 더 많은 시간이 소요됩니다. 곧 모든 것이 장비에 달려 있을 것입니다...
두 번째 옵션은 트레이딩뷰에서 인디케이터를 만드는 것인데, pine이 웹 소켓을 지원한다는 것은 사실이 아닙니다. 뒤늦게 그래프를 그릴 수 있는 옵션은 더 이상 없습니다. 아무도 믿지 않을 것입니다.
알고리즘 및 기타 사항에 대해 교육용 입력 데이터를 선택하는 논리를 제외한 모든 질문에 답변할 준비가 되어 있습니다.
글쎄, 여기에서 무언가를 묻는 것은 어렵습니다. 모든 것은 데이터 전처리로 시작되며 그것에 대해 이야기하고 싶지 않습니다 .. (
알았어.. 관심있어
1. 알고리즘이 통화에서 작동합니까?
2. 예측은 앞으로 n개의 양초의 고정된 길이를 기반으로 하거나 네트워크 자체에서
3. 캔들당 신호를 처리하는 데 12-13초가 걸리는 이유
4. 공개방송에 바로 노리는 이유
5. 예측을 위해 데이터는 함수(가격, 지표) 또는 좀 더 까다로운 형태로 사용됩니다.
pysy 가장 확실한 시각화 유형은 트랜잭션입니다.
네 .. 알았어요))
그러나 여전히 가짜 MGUA 회귀자를 번식시키는 것으로 나타났습니다.
그리고 숲이 생산하지 않는다는 사실이 나쁘다.
동일한 MGUA 데이터를 즉시 처리할 수 있고 부스팅은 이러한 회귀자를 수동으로 생성해야 하기 때문에 ... 그리고 xs를 생성할 것은 모두 데이터에 따라 다릅니다.
가상의 기능을 생성하는 별도의 특수 기능이 있으며 부스팅에서도 동일합니다.
mgua 자체는 일반 회귀가 사용된다는 점에서 약한 알고리즘이므로 즉시 사용 가능한 기능을 생성합니다.