글쎄요, 그렇습니다. 이것들은 기성품 경제가 아닙니다. 모델이지만 모든 영역에 사용할 수 있는 범용 도구 세트일 뿐입니다.
비모수 경제학 은 MO와 퍼지 논리에 관한 것이지만 아직 이해할 수 있는 것은 보지 못했습니다. 아마도 일부 일반적인 접근 방식이 개발되지 않았기 때문일 것입니다. 글쎄, DNN에 더 많은 지표를 넣고 어떻게 작동하는지 명확하지 않은 것이 무엇인지 명확하지 않은 것을 제외하고는 :)
나는 삐걱 거리는 것이 두렵습니다, Maxim. 그러나 제 생각에는 신경망은 여기 기사에서 읽은 형식으로 적용 할 수 없습니다. 가격 자체로 작업하지만 정규화하지만 가격의 확률 밀도로 작업해야 합니다. 여기에 하이젠베르크의 불확정성 원리에 대한 환원 불가능한 모순이 있습니다. 그러나 나는 방해하지 않을 것입니다. 여전히 흥미 롭습니다.
알렉산더_K2 : 나는 삐걱 거리는 것이 두렵습니다, Maxim. 그러나 제 생각에는 신경망은 여기 기사에서 읽은 형식으로 적용 할 수 없습니다. 가격 자체로 작업하지만 정규화하지만 가격의 확률 밀도로 작업해야 합니다. 여기에 하이젠베르크의 불확정성 원리에 대한 환원 불가능한 모순이 있습니다. 그러나 나는 방해하지 않을 것입니다. 여전히 흥미 롭습니다.
당신은 방해하지 말고 당신이 원하는 것을 쓰십시오 - 이것은 공개입니다. 그리고 우리의 "설명할 수 없는" 아이디어가 많이 있는 동안 한 번에 모두가 아니라 귀하의 배포판에 도달할 것입니다.:D
일반적으로 파이썬이나 R을 통해 LR과 RF에 대한 기능의 중요성을 알아야하기 때문에 춤이 계속되었고, 나는 뭔가에 도취되어 더 공부하기 시작했습니다.
국회에는 변화하는 시장을 고려하여 기계에 주기적으로 "좋은 신호"를 표시해야 하는 봇이 있지만 그렇지 않으면 이렇게 작동합니다.
https://github.com/RandomKori/Py36MT5 다음은 MT5용 Python 라이브러리 소스입니다. 여기서만 배열의 문제가 있습니다. 배열을 전달하거나 배열을 수신하면 올바르게 작동하지 않습니다. Visual Studio에서 디버깅된 DLL 코드. 모든 것이 그 안에서 작동합니다. 문제는 이것이 터미널 버그일 수 있다는 것입니다. 라이브러리 작업 방법을 작성하지 않았습니다. 아무 소용이 없습니다. 아무도 배열 없이 이것을 필요로 하지 않습니다. pythom.mqh 파일에서 엉망이 될 수 있지만 알아낼 수 있도록 도와주세요. 모두가 혜택을 볼 것입니다.
신경망 분류기의 경우 : 클래스 밸런싱이 필요하며, 2개 이상의 클래스에 대한 예제의 수는 밸런싱되어야 합니다. 모델이 추세 영역에서 훈련된 경우 신호를 미러링하고 반례를 추가할 수 있습니다. 동시에 표지판이 반드시 목표와 상관관계가 있는 것은 아니므로 이해할 수 있습니다.
신경망 회귀 자의 경우: 특히 모델이 출력 가격에 대해 훈련된 경우 적어도 하나의 기능은 반드시 대상과 강하게 상관되어야 합니다. 이것이 완료되지 않으면 회귀자는 3개의 소나무에서 혼동을 일으키고 샘플에 반복되거나 유사한 예가 있지만 출력 가격이 다른 경우 가격을 올바르게 예측할 수 없습니다. 이렇게 하려면 다른 기능과 함께 큰 지연(50 이상)과 더 많은 훈련이 있는 정규화된 증분을 제출할 수 있습니다. 샘플링을 할수록 반복되는 옵션을 제외하는 데 더 많은 지연이 필요합니다. 또한 서로에 대해 이동하면서 증분하는 여러 시리즈를 제출하는 것이 바람직합니다. 그러면 각 개별 사례가 거의 명확하게 해석됩니다.
신경망 분류기의 경우 : 클래스 밸런싱이 필요하며, 2개 이상의 클래스에 대한 예제의 수는 밸런싱되어야 합니다. 모델이 추세 영역에서 훈련된 경우 신호를 미러링하고 카운터 예제를 추가할 수 있습니다. 동시에 기호가 대상과 반드시 상관 관계가 있어야 하는 것은 아니므로 이해할 수 있습니다.
반대 의견일 뿐입니다. 실생활에서 일할 증거가 있습니다. 한 가지 분명한 것은 커피 찌꺼기와 토성의 고리에 대한 분류를 만드는 것은 불가능하다는 것입니다. 절대 그렇지 않습니다. 이것은 샤머니즘입니다. 표본 외 모델은 예측 변수의 입력 집합이 제거되고 목표와 관련된 것만 남아 있는 경우에만 표본 내와 거의 동일한 결과를 제공합니다. 더욱이, 나는 잡음 제거 알고리즘을 가지고 있으며 나머지 예측 변수에 대한 계산 결과는 이 예측 변수 집합에 대한 분류의 한계 오차를 제공합니다.
반대 의견일 뿐입니다. 실생활에서 일할 증거가 있습니다. 한 가지 분명한 것은 커피 찌꺼기와 토성의 고리에 대한 분류를 만드는 것은 불가능하다는 것입니다. 절대 그렇지 않습니다. 이것은 샤머니즘입니다. 표본 외 모델은 예측 변수의 입력 집합이 제거되고 목표와 관련된 것만 남아 있는 경우에만 표본 내와 거의 동일한 결과를 제공합니다. 더욱이, 나는 잡음 제거 알고리즘을 가지고 있으며 나머지 예측 변수에 대한 계산 결과는 이 예측 변수 집합에 대한 분류의 한계 오차를 제공합니다.
저에게 이 질문은 비선형 분류기를 얻은 경우 전혀 명확하지 않습니다. .. 무엇과 무엇을 연관시켜야 합니까? ) 범주형 기능이 있으면 회귀가 전혀 작동하지 않지만 분류 - 예
글쎄요, 그렇습니다. 이것들은 기성품 경제가 아닙니다. 모델이지만 모든 영역에 사용할 수 있는 범용 도구 세트일 뿐입니다.
비모수 경제학 은 MO와 퍼지 논리에 관한 것이지만 아직 이해할 수 있는 것은 보지 못했습니다. 아마도 일부 일반적인 접근 방식이 개발되지 않았기 때문일 것입니다. 글쎄, DNN에 더 많은 지표를 넣고 어떻게 작동하는지 명확하지 않은 것이 무엇인지 명확하지 않은 것을 제외하고는 :)
나는 삐걱 거리는 것이 두렵습니다, Maxim. 그러나 제 생각에는 신경망은 여기 기사에서 읽은 형식으로 적용 할 수 없습니다. 가격 자체로 작업하지만 정규화하지만 가격의 확률 밀도로 작업해야 합니다. 여기에 하이젠베르크의 불확정성 원리에 대한 환원 불가능한 모순이 있습니다. 그러나 나는 방해하지 않을 것입니다. 여전히 흥미 롭습니다.
당신은 방해하지 말고 당신이 원하는 것을 쓰십시오 - 이것은 공개입니다. 그리고 우리의 "설명할 수 없는" 아이디어가 많이 있는 동안 한 번에 모두가 아니라 귀하의 배포판에 도달할 것입니다.:D
일반적으로 파이썬이나 R을 통해 LR과 RF에 대한 기능의 중요성을 알아야하기 때문에 춤이 계속되었고, 나는 뭔가에 도취되어 더 공부하기 시작했습니다.
국회에는 변화하는 시장을 고려하여 기계에 주기적으로 "좋은 신호"를 표시해야 하는 봇이 있지만 그렇지 않으면 이렇게 작동합니다.
당신은 방해하지 않습니다, 당신이 원하는 것을 작성하십시오 - 그것은 공개입니다. 그리고 우리의 "설명할 수 없는" 아이디어가 많이 있는 동안 한 번에 모두가 아니라 귀하의 배포판에 도달할 것입니다.:D
일반적으로 파이썬이나 R을 통해 LR과 RF에 대한 기능의 중요성을 알아야하기 때문에 춤이 계속되었고, 나는 뭔가에 도취되어 더 공부하기 시작했습니다.
국회에는 변화하는 시장을 고려하여 기계에 주기적으로 "좋은 신호"를 표시해야 하는 봇이 있지만 그렇지 않으면 이렇게 작동합니다.
Maksim, 당신의 고문에게 무슨 문제가 있습니까? 테스트를 어디에서 볼 수 있습니까? 아니면 모든 것이 분류되어 있습니까?
https://github.com/RandomKori/Py36MT5 다음은 MT5용 Python 라이브러리 소스입니다. 여기서만 배열의 문제가 있습니다. 배열을 전달하거나 배열을 수신하면 올바르게 작동하지 않습니다. Visual Studio에서 디버깅된 DLL 코드. 모든 것이 그 안에서 작동합니다. 문제는 이것이 터미널 버그일 수 있다는 것입니다. 라이브러리 작업 방법을 작성하지 않았습니다. 아무 소용이 없습니다. 아무도 배열 없이 이것을 필요로 하지 않습니다. pythom.mqh 파일에서 엉망이 될 수 있지만 알아낼 수 있도록 도와주세요. 모두가 혜택을 볼 것입니다.
실제 배열은 제대로 작동합니다. 긴 배열은 작동하지 않습니다.
long을 int로 대체했습니다. 이제 모든 것이 작동합니다. 라이브러리를 사용할 수 있습니다. 사용후기만 쓰겠습니다.
Maksim, 당신의 고문에게 무슨 문제가 있습니까? 테스트를 어디에서 볼 수 있습니까? 아니면 모든 것이 분류되어 있습니까?
점점 더 잘하고 있지만 .. 주제의 복잡성으로 인해 천천히
시장을 위한 모델을 적절하게 구축하는 방법에 대한 몇 가지 관찰/생각(경험에서):
신경망 분류기의 경우 : 클래스 밸런싱이 필요하며, 2개 이상의 클래스에 대한 예제의 수는 밸런싱되어야 합니다. 모델이 추세 영역에서 훈련된 경우 신호를 미러링하고 반례를 추가할 수 있습니다. 동시에 표지판이 반드시 목표와 상관관계가 있는 것은 아니므로 이해할 수 있습니다.
신경망 회귀 자의 경우: 특히 모델이 출력 가격에 대해 훈련된 경우 적어도 하나의 기능은 반드시 대상과 강하게 상관되어야 합니다. 이것이 완료되지 않으면 회귀자는 3개의 소나무에서 혼동을 일으키고 샘플에 반복되거나 유사한 예가 있지만 출력 가격이 다른 경우 가격을 올바르게 예측할 수 없습니다. 이렇게 하려면 다른 기능과 함께 큰 지연(50 이상)과 더 많은 훈련이 있는 정규화된 증분을 제출할 수 있습니다. 샘플링을 할수록 반복되는 옵션을 제외하는 데 더 많은 지연이 필요합니다. 또한 서로에 대해 이동하면서 증분하는 여러 시리즈를 제출하는 것이 바람직합니다. 그러면 각 개별 사례가 거의 명확하게 해석됩니다.
분류기로서의 랜덤 포레스트 의 경우: NN의 경우와 동일합니다.
임의의 숲을 회귀자로 사용하는 경우: NN과 동일하지만 출구에 대한 가격을 제공하는 것은 불가능하며(숲이 외삽되지 않기 때문에) 이러한 목적을 위해 증분을 제공하면 숲은 다음과 같이 됩니다. 3 소나무에 얽혀, 즉. 많은 교차 사례가 있을 것입니다.
시장을 위한 모델을 적절하게 구축하는 방법에 대한 몇 가지 관찰/생각(경험에서):
신경망 분류기의 경우 : 클래스 밸런싱이 필요하며, 2개 이상의 클래스에 대한 예제의 수는 밸런싱되어야 합니다. 모델이 추세 영역에서 훈련된 경우 신호를 미러링하고 카운터 예제를 추가할 수 있습니다. 동시에 기호가 대상과 반드시 상관 관계가 있어야 하는 것은 아니므로 이해할 수 있습니다.
반대 의견일 뿐입니다. 실생활에서 일할 증거가 있습니다. 한 가지 분명한 것은 커피 찌꺼기와 토성의 고리에 대한 분류를 만드는 것은 불가능하다는 것입니다. 절대 그렇지 않습니다. 이것은 샤머니즘입니다. 표본 외 모델은 예측 변수의 입력 집합이 제거되고 목표와 관련된 것만 남아 있는 경우에만 표본 내와 거의 동일한 결과를 제공합니다. 더욱이, 나는 잡음 제거 알고리즘을 가지고 있으며 나머지 예측 변수에 대한 계산 결과는 이 예측 변수 집합에 대한 분류의 한계 오차를 제공합니다.
반대 의견일 뿐입니다. 실생활에서 일할 증거가 있습니다. 한 가지 분명한 것은 커피 찌꺼기와 토성의 고리에 대한 분류를 만드는 것은 불가능하다는 것입니다. 절대 그렇지 않습니다. 이것은 샤머니즘입니다. 표본 외 모델은 예측 변수의 입력 집합이 제거되고 목표와 관련된 것만 남아 있는 경우에만 표본 내와 거의 동일한 결과를 제공합니다. 더욱이, 나는 잡음 제거 알고리즘을 가지고 있으며 나머지 예측 변수에 대한 계산 결과는 이 예측 변수 집합에 대한 분류의 한계 오차를 제공합니다.
저에게 이 질문은 비선형 분류기를 얻은 경우 전혀 명확하지 않습니다. .. 무엇과 무엇을 연관시켜야 합니까? ) 범주형 기능이 있으면 회귀가 전혀 작동하지 않지만 분류 - 예
그러나 회귀의 경우 정당화됩니다.