마이클 마르쿠카이테스 : 예측 및 분류는 아직 거래되지 않습니다. 만족스러운 교육 데이터를 받았다고 해도 이 모든 것을 거래에 적용하는 것은 쉽지 않을 것입니다. 이것이 이론과 실제의 차이다...
나와 몇 명의 다른 참가자는 이것을 두 번 이상 반복했지만 모든 사람들의 관심은 이전과 마찬가지로 다음 Grail 라이브러리(패키지, 매개변수 구성), 다음 JMA 스타일의 기적 칠면조 등으로 향합니다.
... 때문에 손이 자라지 않는 사람들은 1 분에서 양초에 대한 정확도를 예측하는 것이 불가능하다는 것을 오랫동안 이해하여 55 % 이상을 얻습니다. 일반적으로 52-53 %이며 (Close-Open) 다음 양초의 값은 약 0.05(R ^ 2 = 0.0025)이고 이 예측은 매우 시끄럽고 평균화하면 모든 이점이 파괴되지만 이것이 실제로 어떤 방식으로든 적응해야 하는 진실입니다. 저는 개인적으로 아직 방법을 모릅니다(((좋은 전략이 없습니다.
~ 할 것이다
이 MA-shku를 분석을 위해 신경망으로 밀어넣을 수 있습니까? 아니면 아무 의미가 없습니까?
다시 한 번 말씀드리지만 모든 사람에게는 자신의 성배 가 있고, 고통받고 원했습니다. 찾으면 사용하십시오. 왜 필요하지 않은 곳에 두는가?
여기에는 성배 디스펜서가 하나 있습니다 - 나.
다시 한 번 말씀드립니다. 모든 사람은 자신의 성배를 가지고 있고, 고통받고 원했습니다. 찾으면 사용하십시오. 필요하지 않은 곳에 왜 붙이나요?
여기에는 성배 디스펜서가 하나 있습니다 - 나.
Alexander, 모두는 이미 터미널에 성배 가 있고 나는 그것을 보여주었습니다.
유일한 질문은 누가, 얼마나 그를 짜낼 수 있느냐는 것입니다.
AUDCAD 쌍에 대한 틱 인용 강도(오른쪽 차트)
관찰 창 = 8시간, 판독 빈도 = 2초.
강렬하게 작업하는 방법을 아는 사람을 찾을 때까지 단일 신경망은 예측할 수 없습니다.
분기의 저자는 자신의 블로그에서 18포인트 앞서 예측한 실험에 대해 설명했습니다. 그리고 각각에 대해 별도의 MO 시스템(gbm의 숲)으로 별도의 예측을 했습니다.
하나의 시스템(forest/NS)으로 한번에 모든 출력을 예측하는 것이 좋지 않을까요?
그건 그렇고, 그는 어디로 사라졌습니까?18개의 출력이 있으면 숨겨진 레이어에 많은 뉴런이 있어야 하고 계산이 오래 걸린다는 것을 이해합니다. 그러나 18개의 개별 시스템을 세는 것이 더 길까요?
분기의 저자는 자신의 블로그에서 18포인트 앞서 예측한 실험에 대해 설명했습니다. 그리고 각각에 대해 별도의 MO 시스템(gbm의 숲)으로 별도의 예측을 했습니다.
하나의 시스템(forest/NS)으로 한번에 모든 출력을 예측하는 것이 좋지 않을까요?
그건 그렇고, 그는 어디로 사라졌습니까?18개의 출력이 있으면 숨겨진 레이어에 많은 뉴런이 있어야 하고 계산이 오래 걸린다는 것을 이해합니다. 그러나 18개의 개별 시스템을 세는 것이 더 길까요?
어디선가 라이브 모니터링을 하고 있는데 수익성이 낮은 것을 보았지만 쟁기질을 하는 것 같다
일반적으로 매우 흥미로운 것은 없습니다.
어디선가 라이브 모니터링을 하고 있는데 수익성이 낮은 것을 보았지만 쟁기질을 하는 것 같다
일반적으로 매우 흥미로운 것은 없습니다.
질문은 "하나의 시스템(forest/NS)으로 한번에 모든 출력을 예측하는 것이 좋지 않을까요?"였다.
그리고 일반적으로 하나의 시스템으로 N개의 출력을 계산하고 각각 1개의 출력을 갖는 N개의 시스템으로 계산하는 장단점은 무엇입니까?
예측 및 분류는 아직 거래되지 않습니다. 만족스러운 교육 데이터를 받았다고 해도 이 모든 것을 거래에 적용하는 것은 쉽지 않을 것입니다. 이것이 이론과 실제의 차이다...
나와 몇 명의 다른 참가자는 이것을 두 번 이상 반복했지만 모든 사람들의 관심은 이전과 마찬가지로 다음 Grail 라이브러리(패키지, 매개변수 구성), 다음 JMA 스타일의 기적 칠면조 등으로 향합니다.
... 때문에 손이 자라지 않는 사람들은 1 분에서 양초에 대한 정확도를 예측하는 것이 불가능하다는 것을 오랫동안 이해하여 55 % 이상을 얻습니다. 일반적으로 52-53 %이며 (Close-Open) 다음 양초의 값은 약 0.05(R ^ 2 = 0.0025)이고 이 예측은 매우 시끄럽고 평균화하면 모든 이점이 파괴되지만 이것이 실제로 어떤 방식으로든 적응해야 하는 진실입니다. 저는 개인적으로 아직 방법을 모릅니다(((좋은 전략이 없습니다.
글쎄, 블로그는 매우 흥미로운 것으로 판명되었습니다 ...
질문은 "하나의 시스템(forest/NS)으로 한번에 모든 출력을 예측하는 것이 좋지 않을까요?"였다.
그리고 일반적으로 하나의 시스템으로 N개의 출력을 계산하고 각각 1개의 출력을 갖는 N개의 시스템으로 계산하는 장단점은 무엇입니까?
글쎄요, 이론상으로는 말이 안 됩니다. 왜냐하면. NN은 다차원 공간에서 잘 작동하고 여러 클래스로 나누어야 합니다.
어떤 것도 클래스로 나누지 않고 레이블을 붙이지 않는 것이 좋습니다.
따라서 교육은 더 정확하지만 구현하기가 더 어렵습니다.
q-학습 바위
https://www.youtube.com/watch?time_continue=1685&v=ZkZQwKizgLM
관심 있는 사람은 Python에서 더 많은 교육 비디오와 예제를 버릴 수 있습니다.