신기하게도 이 PRIM에는 제가 실현하고자 하는 것과 동일한 아이디어가 포함되어 있습니다.
기사를 읽었지만 몇 가지 혼란스러운 점이 있습니다:
1. 경계로 분할하는 양자화 프로세스는 무엇인가요? 특정 단계로 균일하게 분할하는 건가요?
2. 경계가 명확합니다 - 제가 직접 수행하지만 사진에 추가 클리핑이 있습니다 - 두 번째 클리핑은 샘플링을 제외하는 것입니까?
3. 내가 올바르게 이해했다면 그들은 저처럼 각 예측자를 개별적으로 고려하여 소위 "상자"를 찾았지만 설명에서 이러한 서로 다른 예측자가 어떻게 결합되는지 이해하지 못했습니다.
이 방법의 단점은 부트 스트랩 샘플링 (전체 샘플에서 주어진 비율의 샘플을 무작위로 가져옴)을 통해 지표의 안정성을 평가하는데, 이는 패턴이 샘플 시작시에는 존재하지만 끝날 때까지 완전히 사라질 수 있기 때문에 거래에 중요한 지표의 안정성 역학에 대한 이해를 제공하지 못한다는 것입니다.
이 방법에 개선할 점이 있나요?
제가 알기로는 의사 결정 트리를 만들 때 일반적으로 수행되는 작업을 수정한 것입니다. 각 단계에서 변수를 검색하고 그 변수에서 물릴 수 있는 조각을 찾아내는데, 이를 필링이라고 합니다. 이러한 모든 가능한 단계 중에서 "최적의 궤적", 즉 남은 점의 수에 대한 평균 목표의 의존성을 구축하는 단계를 선택합니다. 궤적은 알고리즘이 중지되는 순간을 결정하는 데에도 사용됩니다 (상자를 줄였을 때 눈에 띄는 개선이없는 경우).
이 접근 방식은 무엇보다도 트리 구축 알고리즘을 수정할 수 있고 수정해야 한다는 것을 보여주기 때문에 흥미롭습니다.
제가 알기로는 의사 결정 트리를 구축할 때 일반적으로 수행되는 작업을 수정한 것입니다. 각 단계에서 변수를 검색하고 그 변수에서 물릴 수있는 조각을 필링이라고합니다. 이러한 모든 가능한 단계 중에서 '최적 궤적', 즉 평균 목표가 남은 점의 수에 의존하는 궤적을 구축하는 단계를 선택합니다. 궤적은 알고리즘이 중지되는 순간(상자를 줄였을 때 눈에 띄는 개선이 없을 때)을 결정하는 데도 사용됩니다.
이 접근 방식은 무엇보다도 트리 구축 알고리즘을 수정할 수 있고 수정해야 한다는 것을 보여주기 때문에 흥미롭습니다.
데이터 정리는 보이지만 트리 구성 방법에 대한 언급이 없는데, 이를 수정한다고 가정해 보겠습니다. 그렇다면 데이터 정리 후 트리가 단순히 구축된다고 가정하는 건가요? 상자에서 분할하여 만들어지나요, 아니면 상자에 포함되지 않은 것은 0(또는 그러한 상태를 집계하는 다른 변수)으로 대체되나요?
데이터 정리는 보이지만 수정된 트리를 만드는 방법에 대한 언급이 없습니다. 따라서 데이터 정리 후 트리가 단순히 작성된다고 가정합니다. 상자에서 분할하여 만들거나 상자에 포함되지 않은 것은 0(또는 그러한 상태를 집계하는 다른 변수)으로 대체하여 만들 수 있나요?
간단한 알고리즘이 예측 변수 집합의 제한된 부분에서만 작동하는 것은 매우 정상적으로 보입니다.
샘플에서 '양호' 상자에 해당하는 항목을 단계적으로 제거하고 나머지 항목에 알고리즘을 적용할 수 있습니다. 본질적으로는 부스팅과 비슷할 것입니다. 아마도 랜덤 포레스트와 비슷하게 할 수 있을 것입니다. 큰 예측자 집합을 가져와 각 하위 집합에 대해 여러 개의 상자를 찾는 것입니다.
UPDATE Новая версия, изменения: 1. Теперь ЛЮБЫЕ торговые пары (обучены универсальные модели). 2. Скорость работы ServerNN.exe увеличена в 3 раза. Есть облегченная версия этого индикатора (проще
신기하게도 이 PRIM에는 제가 실현하고자 하는 것과 동일한 아이디어가 포함되어 있습니다.
기사를 읽었지만 몇 가지 혼란스러운 점이 있습니다:
1. 경계로 분할하는 양자화 프로세스는 무엇인가요? 특정 단계로 균일하게 분할하는 건가요?
2. 경계가 명확합니다 - 제가 직접 수행하지만 사진에 추가 클리핑이 있습니다 - 두 번째 클리핑은 샘플링을 제외하는 것입니까?
3. 내가 올바르게 이해했다면 그들은 저처럼 각 예측자를 개별적으로 고려하여 소위 "상자"를 찾았지만 설명에서 이러한 서로 다른 예측자가 어떻게 결합되는지 이해하지 못했습니다.
이 방법의 단점은 부트 스트랩 샘플링 (전체 샘플에서 주어진 비율의 샘플을 무작위로 가져옴)을 통해 지표의 안정성을 평가하는데, 이는 패턴이 샘플 시작시에는 존재하지만 끝날 때까지 완전히 사라질 수 있기 때문에 거래에 중요한 지표의 안정성 역학에 대한 이해를 제공하지 못한다는 것입니다.
이 방법에 개선할 점이 있나요?
제가 알기로는 의사 결정 트리를 만들 때 일반적으로 수행되는 작업을 수정한 것입니다. 각 단계에서 변수를 검색하고 그 변수에서 물릴 수 있는 조각을 찾아내는데, 이를 필링이라고 합니다. 이러한 모든 가능한 단계 중에서 "최적의 궤적", 즉 남은 점의 수에 대한 평균 목표의 의존성을 구축하는 단계를 선택합니다. 궤적은 알고리즘이 중지되는 순간을 결정하는 데에도 사용됩니다 (상자를 줄였을 때 눈에 띄는 개선이없는 경우).
이 접근 방식은 무엇보다도 트리 구축 알고리즘을 수정할 수 있고 수정해야 한다는 것을 보여주기 때문에 흥미롭습니다.
제가 알기로는 의사 결정 트리를 구축할 때 일반적으로 수행되는 작업을 수정한 것입니다. 각 단계에서 변수를 검색하고 그 변수에서 물릴 수있는 조각을 필링이라고합니다. 이러한 모든 가능한 단계 중에서 '최적 궤적', 즉 평균 목표가 남은 점의 수에 의존하는 궤적을 구축하는 단계를 선택합니다. 궤적은 알고리즘이 중지되는 순간(상자를 줄였을 때 눈에 띄는 개선이 없을 때)을 결정하는 데도 사용됩니다.
이 접근 방식은 무엇보다도 트리 구축 알고리즘을 수정할 수 있고 수정해야 한다는 것을 보여주기 때문에 흥미롭습니다.
데이터 정리는 보이지만 트리 구성 방법에 대한 언급이 없는데, 이를 수정한다고 가정해 보겠습니다. 그렇다면 데이터 정리 후 트리가 단순히 구축된다고 가정하는 건가요? 상자에서 분할하여 만들어지나요, 아니면 상자에 포함되지 않은 것은 0(또는 그러한 상태를 집계하는 다른 변수)으로 대체되나요?
2645 (이천육백오십오번째 !!!) 페이지. 적극적인 참여자들은 앞으로도 테스터가 아닌 50/50과는 다른 가능성을 보여주기 위해 무언가를 시작하기 위해 모일 계획입니다 :-)
사실 코드 측면에서 할 일이 많습니다. 모든 아이디어에 대한 에너지가 충분하지 않기 때문에 모든 것이 느린 이유입니다.
데이터 정리는 보이지만 수정된 트리를 만드는 방법에 대한 언급이 없습니다. 따라서 데이터 정리 후 트리가 단순히 작성된다고 가정합니다. 상자에서 분할하여 만들거나 상자에 포함되지 않은 것은 0(또는 그러한 상태를 집계하는 다른 변수)으로 대체하여 만들 수 있나요?
간단한 알고리즘이 예측 변수 집합의 제한된 부분에서만 작동하는 것은 매우 정상적으로 보입니다.
샘플에서 '양호' 상자에 해당하는 항목을 단계적으로 제거하고 나머지 항목에 알고리즘을 적용할 수 있습니다. 본질적으로는 부스팅과 비슷할 것입니다. 아마도 랜덤 포레스트와 비슷하게 할 수 있을 것입니다. 큰 예측자 집합을 가져와 각 하위 집합에 대해 여러 개의 상자를 찾는 것입니다.
자신에게 흥미로운 책을 찾지 못해 작가가 된 한 작가의 방법을 사용하여 책을 썼습니다).
https://www.mql5.com/ru/blogs/post/746398
여기에 쓸 수 있는 것만 쓸 수 있습니다.
와이!
나는 당신을 이해합니다, 당신은 "활동가"와 달리 특별한 교육과 경험이 있습니다... (경제학도 있고 이혼 센터에서 일한 경험도 있잖아요?)
하지만 몇 번이나 그들을 놀리실 수 있습니까?
와이!
"활동가"와는 달리 특별한 교육과 경험이 있다는 것을 이해합니다 .... (이혼 센터에서 경제학 및 전문 경험이 있습니까?).
하지만 몇 번이나 놀리실 수 있나요?
그리고 왜 그렇게 공격적인가요? 아무도 당신에게 빚진 것이 없으며 사람들은 주제에 대해 의사 소통하고 있으며 아마도 2000 페이지를 더 쓸 것입니다.