트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1958

 
막심 드미트리예프스키 :

그래서 당신은 계절성으로 무엇을 하고 있습니까?

 

거짓말은 하지 않겠지만 매우 중요한 효과를 보여주는 복잡한 지표에 대해 반나절을 보냈습니다. 훈련 및 시험 점수의 향상은 통제 영역의 성능 향상으로 이어질 것을 보장합니다. 기존에는 학습성과와 상관없이 대조군의 일반화 능력이 위아래로 껑충 뛰었다. 이제 훈련 테스트 섹션과 제어 섹션 모두에서 일반화 능력이 동기적으로 증가합니다.

관심 있는 사람이 있다면 복잡한 메트릭 공식.

일반 일반화 능력 - KKM + Fscore 고마워 하지마!!!!

Лучшая метрика для оценки точности классификационных моделей | DataReview.info
Лучшая метрика для оценки точности классификационных моделей | DataReview.info
  • datareview.info
Оценка качества классификационных моделей — сложная и трудоемкая задача. Сперва аналитик оценивает робастность классификационной модели с помощью таких средств, как AIC-BIC, площадь под ROC-кривой, критерий согласия Колмогорова-Смирнова и др. Следующим логическим шагом является оценка точности модели. Чтобы понять, почему эта задача является...
 
mytarmailS :

그래서 당신은 계절성으로 무엇을 하고 있습니까?

조건부 이분산 계절성

 
막심 드미트리예프스키 :

조건부 이분산 계절성

그러나 노동자-농민적인 방식으로?

 
막심 드미트리예프스키 :

조건부 이분산 계절성

그들은 규칙없이 여기 저기에 있으며 조건부이기도합니다))))

 
mytarmailS :

그러나 노동자-농민적인 방식으로?

필터와 같은 이전 시간의 통계에 의존

사진으로 보면 괜찮아보이는데 아직 못봤네요

 
막심 드미트리예프스키 :

필터와 같은 이전 시간의 통계에 의존

사진으로 보면 괜찮아보이는데 아직 못봤네요

같은 날의 이전 시간에서, 아니면 지난 날의 같은 시간에서?

 
막심 드미트리예프스키 :

필터와 같은 이전 시간의 통계에 의존

사진으로 보기엔 괜찮은데 실제로는 본적이 없음

나는 아무것도 이해하지 못했지만 시간이 실제로 매우 큰 영향을 미친다고 말할 것입니다. 여기에서도 시간을 실험하고 있습니다 ...

 
mytarmailS :

나는 아무것도 이해하지 못했지만 시간이 실제로 매우 큰 영향을 미친다고 말할 것입니다. 여기에서도 시간을 실험하고 있습니다 ...

아침기도 대신 이것을 반복하십시오

AI가 아무리 강력해도 '전혀 무엇을 해야할지'에 대한 무력감과 이해 부족은 벼락치기로만 처리))

 
발레리 야스트렘스키 :

같은 날의 이전 시간에서, 아니면 지난 날의 같은 시간에서?

똑같다

계절을 거래하는 시장에서 한 봇의 신호를 보면 5개월 동안 한 번도 잃는 거래가 없습니다.

또한 봇은 내 기사의 정보 (글쎄, 또는 유추하여 오만하지 않도록)의 도움으로 명시 적으로 만들어졌으며 개선되었습니다 .. 세 번째는 없으며 접근 방식은 하나뿐입니다.

사유: