대상 - 분류가 아닌 회귀가 있습니다. 나는 지금 회귀를 포기했다. 타겟의 수에 따라 2개의 신경망으로 훈련하는 것이 더 낫다고 생각하지만 reg로 실험합니다. 조금 보냈다 - 자신을 위해 실험하십시오. 열의 순서는 중요하지 않습니다. 가장 중요한 것은 해당 열이 대상 열이라는 NA를 나타내는 것입니다. 행 순서 - 마지막에 가장 최근 데이터가 있는 것이 더 나을 수 있지만(반드시 그렇지는 않음) 많은 패키지는 균일한 훈련을 위해 기본적으로 모든 행을 섞습니다. 그렇지 않으면 중간 어딘가에서 NN이 막다른 골목에 도달하여(로컬 최소값으로) 새로운 데이터에 도달하지 못할 수 있습니다. 최신 데이터(마지막 10-20%)는 네트워크가 최신 시장 동향을 더 잘 학습할 수 있도록 2-3번 제출할 수 있습니다. 또한 실제로 테스트하지 않은 의견입니다. topikstarter의 블로그를 보세요. 그는 그곳에서 회귀, 좋은 생각을 많이 가르쳤습니다. 그러나 결국 그는 코드에서 일부 오류를 발견했다고 썼습니다. 당신은 모든 것을 거부했습니다.
그래서 명쾌하고 명쾌한 답변이 없어서 다들 침묵)
대상을 분류로 변환하고 싶을 뿐입니다! 트리는 0과 1(즉, 2개의 boolean)만 먹는다는 것을 이해하고, 제 경우에는 매매 결과를 따로 분리해서 별도의 트리로 훈련(분류?)해야 합니다.
답변 해주셔서 감사합니다! 절대 지표가 고정적이지 않은 시스템에서 노이즈가 될 것이기 때문에 회귀를 버렸지만 회귀를 논리적 솔루션으로 사용할 것입니다. 예를 들어 채널에 상대적인 가격을 찾는 것입니다.
데이터 혼합에 대해서는 이해할 수 있지만 이상합니다. NN/Decision Tree에 과거 이벤트에 대해 알리려면 시프트가 있는 예측 변수의 복사본을 만들어 각 시프트의 깊이를 순서만큼 늘려야 한다는 것을 이해합니다. 규모?
기대되는 이익을 위해 신경망을 훈련시키는 것은 불가능합니다. 신경망이 분류하거나 근사해야 하는 것들을 훈련하는 것이 필요합니다. 특정 매수/매도 조치 또는 특정 시장 조건
더 나은 예측 변수와 그렇지 않은 예측 변수에 대해 아무도 답을 주지 않을 것입니다. 왜냐하면 예측 변수를 조사하고 TS가 어떻게 작동하는지 확인해야 하기 때문입니다.
신경망에 대해 100번 작성했습니다 - alglib 또는 R 또는 Python을 사용할 수 있습니다.
훈련 시퀀스에 대해 - 어떤 데이터가 더 최신이고 어떤 데이터가 더 오래된 데이터인지에 관계없이 신경망이 어떻게 작동하는지 파악해야 합니다 - 집계의 모든 경우에 대한 오류를 최소화합니다
youtube와 google에는 신경망에 대한 많은 기본 사항이 있지만 여기에서는 어떻게든 논의하지 않습니다. 아무 의미가 없다
나는 썼습니다 - 당신은 기본에서 모든 것을 배울 필요가 있습니다. 그러면 무엇을 어디에서 이해하게 될 것입니다. 그렇지 않으면 이것은 공과입니다.
6개월 전, 나 자신은 여전히 그들에 대해 아무것도 이해하지 못했는데, 지금은 어느 정도 뒤죽박죽이다. 수많은 문헌과 수백 시간의 비디오를 다시 읽은 후 일종의 지식 종합이 시작되었습니다. 그리고 예, 내 질문에 명확하게 답한 사람은 거의 없었습니다. 스스로 알아냈습니다. :)
그리고 귀하의 질문이 너무 모호합니다. 무언가가 작동하고 판을보고 모든 것을 이해하지 않으려면 엄청난 수의 세부 사항을 관찰해야하기 때문에 추측을 시작하려면 심령이되어야합니다. :))
나는 2개의 기사 형태로 리소스에 대한 MO 개발에 기여했는데 계속 쓸지 모르기 때문입니다. 성배의 영역은 이미 거기에서 시작되었다 (농담)
구매 또는 판매에 대해 최대 이익이 예상되는 진입점을 왜 가르칠 수 없습니까?
예측 변수가 충분합니다. 천천히 스크립트에 삽입합니다. 그러나 지금까지는 그들이 결국 좋은지 나쁜지 명확하지 않습니다 ...
신경망의 경우 분류의 형태로 대상과 더 잘 작동하는 신경망의 특정 이름에 관심이 있었습니다... 그래서 아직 일반 패키지를 설정할 수 없었습니다 :( 따라서 나는' "Deductor Studio Academic"에서 m 테스트 - 매우 명확한 인터페이스, 모든 것이 러시아어로 되어 있고, 나무와 뉴런이 있으며, 초보자에게는 좋아 보이지만 결과를 내보낼 수 없다는 단점이 있습니다.
이것이 나무에 좋은 결과인지 모르겠습니다. 샘플의 50%는 훈련되었고 50%는 테스트되었습니다.
여기에서 기초 공부도 하고, 기사도 다시 읽고, NS 강의도 보는데, 당장에 모든 게 명확해지는 건 아니지만, 물어볼 사람도 없고...
예측 변수가 충분합니다. 천천히 스크립트에 삽입합니다. 그러나 지금까지는 그들이 결국 좋은지 나쁜지 명확하지 않습니다 ...
신경망의 경우 분류의 형태로 대상과 더 잘 작동하는 신경망의 특정 이름에 관심이 있었습니다... 그래서 아직 일반 패키지를 설정할 수 없었습니다 :( 따라서 나는' "Deductor Studio Academic"에서 m 테스트 - 매우 명확한 인터페이스, 모든 것이 러시아어로 되어 있고, 나무와 뉴런이 있으며, 초보자에게는 좋아 보이지만 결과를 내보낼 수 없다는 단점이 있습니다.
이것이 나무에 좋은 결과인지 모르겠습니다. 샘플의 50%는 훈련되었고 50%는 테스트되었습니다.
여기에서 기초 공부도 하고, 기사도 다시 읽고, NS 강의도 보는데, 당장에 모든 게 명확해지는 건 아니지만, 물어볼 사람도 없고...
관심을 가져주셔서 감사합니다.
너무 좋음 - 10% 미만의 오류. 당신의 예측자는 미래를 엿보지 않습니까? 일반적으로 이러한 작은 오류가 발생합니다. 아니면 과거를 대상으로 합니까? 지그재그처럼? 또는 0 막대를 예측하고 닫기 0 막대가 있는 예측자가 빌드됩니다.
도서관 : 이것은 또한 지역 최소값 중 하나에 빠지는 것을 피하기 위해 의미를 위반합니다. 그러나 믹싱은 필요하지 않습니다. 믹싱 없이도 학습이 가능합니다. 데이터의 로컬 최소값의 존재 여부와 로컬을 건너뛰는 다른 방법의 존재 여부에 따라 다릅니다. 최소값(있는 경우).
나는 나무를 하지 않는다.
글쎄요, 하지만 데이터의 순서(연대)는 표시된 대로 파일에 표시되어야 합니다. 최신 항목(2018년) 또는 그 반대의 경우(2017년)?
나는 오늘을 위한 것이 아니라 일반적으로 합리적인 복잡성의 구성에서 MO 및 NS를 위한 유일한 것이라고 믿습니다. 먼저 NS와 MO의 범위를 제한하고 이미 이에 대해 NS와 MO를 적용합니다.
그리고 "일반적으로 모든 것을 한 번에"와 같은 문제를 해결하는 것은 이미 AI를 위한 것입니다.)
오히려 NN은 훈련 가능한 결정 논리입니다. 처음에는 작성에 대해 걱정하지 않도록 표준 전략에서 이를 대체하는 것으로 생각되었습니다.
글쎄요, "전혀 전혀"라는 표현이 너무 강합니다. 나는 여전히 다음 50년 안에 정상적인 양자 컴퓨터의 출현을 희망한다)) 그리고 실제 AI가 있을지도 모른다))
그리고 예, 현재 프로세서의 개발은 비행기에 배치하는 물리적 한계에 도달했습니다. 그리고 3차원에서는 모든 것을 담는 것이 훨씬 더 어렵습니다.
대상 - 분류가 아닌 회귀가 있습니다. 나는 지금 회귀를 포기했다. 타겟의 수에 따라 2개의 신경망으로 훈련하는 것이 더 낫다고 생각하지만 reg로 실험합니다. 조금 보냈다 - 자신을 위해 실험하십시오.
열의 순서는 중요하지 않습니다. 가장 중요한 것은 해당 열이 대상 열이라는 NA를 나타내는 것입니다. 행 순서 - 마지막에 가장 최근 데이터가 있는 것이 더 나을 수 있지만(반드시 그렇지는 않음) 많은 패키지는 균일한 훈련을 위해 기본적으로 모든 행을 섞습니다. 그렇지 않으면 중간 어딘가에서 NN이 막다른 골목에 도달하여(로컬 최소값으로) 새로운 데이터에 도달하지 못할 수 있습니다. 최신 데이터(마지막 10-20%)는 네트워크가 최신 시장 동향을 더 잘 학습할 수 있도록 2-3번 제출할 수 있습니다. 또한 실제로 테스트하지 않은 의견입니다.
topikstarter의 블로그를 보세요. 그는 그곳에서 회귀, 좋은 생각을 많이 가르쳤습니다. 그러나 결국 그는 코드에서 일부 오류를 발견했다고 썼습니다. 당신은 모든 것을 거부했습니다.
그래서 명쾌하고 명쾌한 답변이 없어서 다들 침묵)
대상을 분류로 변환하고 싶을 뿐입니다! 트리는 0과 1(즉, 2개의 boolean)만 먹는다는 것을 이해하고, 제 경우에는 매매 결과를 따로 분리해서 별도의 트리로 훈련(분류?)해야 합니다.
답변 해주셔서 감사합니다! 절대 지표가 고정적이지 않은 시스템에서 노이즈가 될 것이기 때문에 회귀를 버렸지만 회귀를 논리적 솔루션으로 사용할 것입니다. 예를 들어 채널에 상대적인 가격을 찾는 것입니다.
데이터 혼합에 대해서는 이해할 수 있지만 이상합니다. NN/Decision Tree에 과거 이벤트에 대해 알리려면 시프트가 있는 예측 변수의 복사본을 만들어 각 시프트의 깊이를 순서만큼 늘려야 한다는 것을 이해합니다. 규모?
데이터 혼합에 대해서는 이해할 수 있지만 이상합니다. NN/Decision Tree에 과거 이벤트에 대해 알리려면 시프트가 있는 예측 변수의 복사본을 만들어 각 시프트의 깊이를 순서만큼 늘려야 한다는 것을 이해합니다. 규모?
왜 다른 사본입니까? 과거로 이동하는 동일한 예측 변수인 테이블의 모든 행이 있습니다.
어떤 질문?
기대되는 이익을 위해 신경망을 훈련시키는 것은 불가능합니다. 신경망이 분류하거나 근사해야 하는 것들을 훈련하는 것이 필요합니다. 특정 매수/매도 조치 또는 특정 시장 조건
더 나은 예측 변수와 그렇지 않은 예측 변수에 대해 아무도 답을 주지 않을 것입니다. 왜냐하면 예측 변수를 조사하고 TS가 어떻게 작동하는지 확인해야 하기 때문입니다.
신경망에 대해 100번 작성했습니다 - alglib 또는 R 또는 Python을 사용할 수 있습니다.
훈련 시퀀스에 대해 - 어떤 데이터가 더 최신이고 어떤 데이터가 더 오래된 데이터인지에 관계없이 신경망이 어떻게 작동하는지 파악해야 합니다 - 집계의 모든 경우에 대한 오류를 최소화합니다
youtube와 google에는 신경망에 대한 많은 기본 사항이 있지만 여기에서는 어떻게든 논의하지 않습니다. 아무 의미가 없다
나는 썼습니다 - 당신은 기본에서 모든 것을 배울 필요가 있습니다. 그러면 무엇을 어디에서 이해하게 될 것입니다. 그렇지 않으면 이것은 공과입니다.
6개월 전, 나 자신은 여전히 그들에 대해 아무것도 이해하지 못했는데, 지금은 어느 정도 뒤죽박죽이다. 수많은 문헌과 수백 시간의 비디오를 다시 읽은 후 일종의 지식 종합이 시작되었습니다. 그리고 예, 내 질문에 명확하게 답한 사람은 거의 없었습니다. 스스로 알아냈습니다. :)
그리고 귀하의 질문이 너무 모호합니다. 무언가가 작동하고 판을보고 모든 것을 이해하지 않으려면 엄청난 수의 세부 사항을 관찰해야하기 때문에 추측을 시작하려면 심령이되어야합니다. :))
나는 2개의 기사 형태로 리소스에 대한 MO 개발에 기여했는데 계속 쓸지 모르기 때문입니다. 성배의 영역은 이미 거기에서 시작되었다 (농담)
구매 또는 판매에 대해 최대 이익이 예상되는 진입점을 왜 가르칠 수 없습니까?
예측 변수가 충분합니다. 천천히 스크립트에 삽입합니다. 그러나 지금까지는 그들이 결국 좋은지 나쁜지 명확하지 않습니다 ...
신경망의 경우 분류의 형태로 대상과 더 잘 작동하는 신경망의 특정 이름에 관심이 있었습니다... 그래서 아직 일반 패키지를 설정할 수 없었습니다 :( 따라서 나는' "Deductor Studio Academic"에서 m 테스트 - 매우 명확한 인터페이스, 모든 것이 러시아어로 되어 있고, 나무와 뉴런이 있으며, 초보자에게는 좋아 보이지만 결과를 내보낼 수 없다는 단점이 있습니다.
이것이 나무에 좋은 결과인지 모르겠습니다. 샘플의 50%는 훈련되었고 50%는 테스트되었습니다.
여기에서 기초 공부도 하고, 기사도 다시 읽고, NS 강의도 보는데, 당장에 모든 게 명확해지는 건 아니지만, 물어볼 사람도 없고...
관심을 가져주셔서 감사합니다.
왜 다른 사본입니까? 과거로 이동하는 동일한 예측 변수인 테이블의 모든 행이 있습니다.
그러면 그들이 어떻게 간섭할 수 있습니까? 결국, 그들의 순서는 위반됩니다 ...
트리는 시퀀스를 봅니까?
그러면 그들이 어떻게 간섭할 수 있습니까? 결국, 그들의 순서는 위반됩니다 ...
트리는 시퀀스를 봅니까?
나는 나무를 하지 않는다.
구매 또는 판매에 대해 최대 이익이 예상되는 진입점을 왜 가르칠 수 없습니까?
예측 변수가 충분합니다. 천천히 스크립트에 삽입합니다. 그러나 지금까지는 그들이 결국 좋은지 나쁜지 명확하지 않습니다 ...
신경망의 경우 분류의 형태로 대상과 더 잘 작동하는 신경망의 특정 이름에 관심이 있었습니다... 그래서 아직 일반 패키지를 설정할 수 없었습니다 :( 따라서 나는' "Deductor Studio Academic"에서 m 테스트 - 매우 명확한 인터페이스, 모든 것이 러시아어로 되어 있고, 나무와 뉴런이 있으며, 초보자에게는 좋아 보이지만 결과를 내보낼 수 없다는 단점이 있습니다.
이것이 나무에 좋은 결과인지 모르겠습니다. 샘플의 50%는 훈련되었고 50%는 테스트되었습니다.
여기에서 기초 공부도 하고, 기사도 다시 읽고, NS 강의도 보는데, 당장에 모든 게 명확해지는 건 아니지만, 물어볼 사람도 없고...
관심을 가져주셔서 감사합니다.
이것은 또한 지역 최소값 중 하나에 빠지는 것을 피하기 위해 의미를 위반합니다. 그러나 믹싱은 필요하지 않습니다. 믹싱 없이도 학습이 가능합니다. 데이터의 로컬 최소값의 존재 여부와 로컬을 건너뛰는 다른 방법의 존재 여부에 따라 다릅니다. 최소값(있는 경우).
나는 나무를 하지 않는다.
글쎄요, 하지만 데이터의 순서(연대)는 표시된 대로 파일에 표시되어야 합니다. 최신 항목(2018년) 또는 그 반대의 경우(2017년)?
글쎄요, 하지만 데이터의 순서(연대)는 표시된 대로 파일에 표시되어야 합니다. 최신 항목(2018년) 또는 그 반대의 경우(2017년)?
너무 좋음 - 10% 미만의 오류. 당신의 예측자는 미래를 엿보지 않습니까? 일반적으로 이러한 작은 오류가 발생합니다.
모름 - 어제 나는 1개의 막대를 바라보는 하나의 예측자를 찾았지만, 내 목표는 포지션이 열린 이후로 지나간 막대의 수에 의존하지 않습니다(즉, 의존성이 설정되지 않음), 나는 손절매로 빠져나갔습니다, 표시기에서 작동합니다.
모든 예측자는 바를 열 때 작동합니다. 지금은 엿보는 사람들을 식별하는 방법도 모릅니다. 아이디어에 따르면 그 중요성이 클 것입니다.
사진에는 안보이는데...