인위적으로 다른 분포와 모드 사이의 임의 전환을 가진 여러 샘플링 모드를 만드는 것이 가능합니다. 이것은 단순한 무작위 샘플링보다 더 흥미로운 패턴을 포착합니다.
등.
우리는 어떤 패턴 사이에서 찾고 있습니까? 계절적이거나 일시적인 것은 논리적으로 맞지 않습니다. 상관 관계에 대한 무작위 검색도 그다지 좋지 않습니다. 또한, 우리의 목표는 우리 자신보다 앞서 나가는 것입니다. 패턴이 있는 경우에도 의미가 있지만 리드가 대체적이고 무작위인 경우 작동하지 않을 것입니다. 예측이나 백로그가 있을 것입니다.
우리는 어떤 패턴 사이에서 찾고 있습니까? 계절적이거나 일시적인 것은 논리적으로 맞지 않습니다. 상관 관계에 대한 무작위 검색도 그다지 좋지 않습니다. 또한, 우리의 목표는 우리 자신보다 앞서 나가는 것입니다. 패턴이 있는 경우에도 의미가 있지만 리드가 대체적이고 무작위인 경우 작동하지 않을 것입니다. 예측이나 백로그가 있을 것입니다.
인위적으로 다른 분포와 모드 사이의 임의 전환을 가진 여러 샘플링 모드를 만드는 것이 가능합니다. 이것은 단순한 무작위 샘플링보다 더 흥미로운 패턴을 포착합니다.
등.
예, 동일한 주제, 예측자-타겟 간의 종속성에 대한 무작위 검색
거래는 무작위로 열린 다음 신경망으로 열립니다. 많은 것은 유능한 샘플링에 달려 있습니다.
예를 들어, 이것의 도움으로 제안한 대로 TF 간의 종속성을 찾았습니다.
감사합니다 한번 볼게요
거래는 얼마나 많은 바에 의해 앞뒤로 뒤처졌습니까? 아니면 다른 방법으로?
거래는 얼마나 많은 바에 의해 앞뒤로 뒤처졌습니까? 아니면 다른 방법으로?
간단한 예:
0.5의 확률로 새로운 바 에서 판매 또는 구매(또는 거래하지 않음)
0.5 버전으로 다음 막대에서. 포지션을 닫거나 유지하다
닫혀 있으면 1단계로 이동하고 닫히지 않은 경우 다음 단계를 기다립니다. 막대를 표시하고 위치를 닫을 때까지 확률을 봅니다.
이것은 가장 간단한 예입니다.인위적으로 다른 분포와 모드 사이의 임의 전환을 가진 여러 샘플링 모드를 만드는 것이 가능합니다. 이것은 단순한 무작위 샘플링보다 더 흥미로운 패턴을 포착합니다.
등.
우리는 어떤 패턴 사이에서 찾고 있습니까? 계절적이거나 일시적인 것은 논리적으로 맞지 않습니다. 상관 관계에 대한 무작위 검색도 그다지 좋지 않습니다. 또한, 우리의 목표는 우리 자신보다 앞서 나가는 것입니다. 패턴이 있는 경우에도 의미가 있지만 리드가 대체적이고 무작위인 경우 작동하지 않을 것입니다. 예측이나 백로그가 있을 것입니다.
존재하더라도 선택할 것이 있을 것입니다))))
간단한 예:
0.5의 확률로 새로운 바 에서 판매 또는 구매(또는 거래하지 않음)
0.5 버전으로 다음 막대에서. 포지션을 닫거나 유지하다
닫혀 있으면 1단계로 이동하고 닫히지 않은 경우 다음 단계를 기다립니다. 막대를 표시하고 위치를 닫을 때까지 확률을 봅니다.
이것은 가장 간단한 예입니다.아니요, 국회에서의 문제가 아닙니다. 거래 시간과 가격만 아니면 근처 술집도 닫나요?
우리는 어떤 패턴 사이에서 찾고 있습니까? 계절적이거나 일시적인 것은 논리적으로 맞지 않습니다. 상관 관계에 대한 무작위 검색도 그다지 좋지 않습니다. 또한, 우리의 목표는 우리 자신보다 앞서 나가는 것입니다. 패턴이 있는 경우에도 의미가 있지만 리드가 대체적이고 무작위인 경우 작동하지 않을 것입니다. 예측이나 백로그가 있을 것입니다.
존재하더라도 선택할 것이 있을 것입니다))))
예측 변수와 거래 방향 사이. 예측 변수는 예를 들어 가격 증가분일 수 있습니다.
아니요, 국회에서의 문제가 아닙니다. 거래 시간과 가격만 아니면 근처 술집도 닫나요?
증분, 표시기, 입력을 위한 모든 것. 출구에서 거래 방향.
예측 변수와 거래 방향 사이. 예측 변수는 예를 들어 가격 증가분일 수 있습니다.
모든 것은 너무 많습니다.))) 증분 외에 평균화만 있습니다.))) 최적으로 배치하기 위해 뒤로 얼마나 많은 막대가 있는지 이해하는 것이 논리적일 것입니다.
Any is too much))) 증분 외에 평균화만 가능합니다.))) 최적으로 배치하기 위해 얼마나 많은 막대가 전에 이해되었는지 이해하는 것이 논리적일 것입니다.
예, 하지만 여전히 볼륨을 놓치고 있습니다.
모든 것은 너무 많습니다.))) 증분 외에 평균화만 있습니다.))) 최적으로 배치하기 위해 뒤로 얼마나 많은 막대가 있는지 이해하는 것이 논리적일 것입니다.
이것은 샘플링과 관련이 없는 또 다른 선택 블록입니다. 바의 최대 수를 가져온 다음 최상의 조합이 선택됩니다. 이것은 이미 샘플링이 아닌 정성적 근사의 문제입니다.
결과적으로 적절한 샘플링을 통해 트랜잭션의 방향을 최대한 설명하는 최적의 지연 예측자가 선택됩니다.
그런 다음 여전히 Monte Carlita이며 최상의 옵션이 선택됩니다. 여기 누가 했다고는 생각하지 않지만 오래 해서) ra-two에 대한 패턴을 찾고 있어요. 존재한다면.. 하지만 완벽에는 한계가 없어요 :)
나는 지금 더 흥미로운 샘플링을 원한다