트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 929

새 코멘트
 
마이클 마르쿠카이테스 :
기본 전략은 분석을 위한 순간(시간)을 선택하기 위해서만 필요합니다. 정적일 수 있으며 최적화 매개변수가 없습니다. 기본 전략도 최적화하면 많은 모델을 얻을 수 있습니다. 기본 전략을 최적화하는 것은 의미가 없습니다. 모든 부담은 국회가 진다. 하루 트랜잭션 수 측면에서 기본 전략에서 편리한 매개 변수 집합을 설정하고 이미 NS를 훈련하는 것으로 충분합니다....

예, 기본 전략은 매우 간단해야 합니다.

 
막심 드미트리예프스키 :

그녀는 내가 똑똑하고 그녀를 호주로 데려가기만 하면 된다고 말합니다. 그녀는 그곳에 친구가 있습니다

이를 위해 우리는 가상의 결혼이 필요합니다

너무 똑똑한 건가... 나도 가상의 결혼에서 그런 미인이라면 한 번 성공했을 텐데... 잘했어!!!! 태클이 무엇인지 확인하십시오 ........ 여기이 문제에서 Maksimka, 성공했습니다 :-)))))

 
박사 상인 :

타원에서는 예측값을 반올림해야 합니다(>=0.5 -> 1; <0.5 -> 0). mnogovhodov를 시도하겠습니다. 더 좋을 것입니다. 클래스 0과 1의 수가 더 같을 것입니다.

나는 뭔가를 이해하지 못했지만 두 값이 0.5보다 큰 경우 무엇입니까?

 
마이클 마르쿠카이테스 :

너무 똑똑한 건가... 나도 가상의 결혼에서 그런 미인이라면 한 번 성공했을 텐데... 잘했어!!!! 태클이 무엇인지 확인하십시오 ........ 여기이 문제에서 Maksimka, 성공했습니다 :-)))))

재미는 기분과 자존감을 망치고 싶다면 증권 거래소에 가서

따라서 사용하지 않는 것이 좋습니다. 취미로. 신경망은 흥미롭지만 더 이상은 아닙니다.. 복잡할수록 혼란스러워집니다.

 

그런 다음 반올림하면 둘 다 1이 됩니다.

확률이 중요하지 않은 경우 일반적으로 반올림 후 동일한 클래스로 끝나는 전체 분기를 버릴 수 있습니다.

 
박사 상인 :

mnogovhodov_02 2016 arr_Buy는 다음과 같이 밝혀졌습니다.


y_pred
y_true 0 하나
0 101797 52445
하나 24310 24208

나는 결과를 평가하는 방법조차 모릅니다 ... 여전히 예측자가 전체 캐리지가 남아 있기 때문에 트리가 여전히 분기 될 수 있다고 생각합니다. 왜 안 돼?

표에는 강화군에 대한 정보가 부족합니다. 샘플에 그러한 옵션이 몇 퍼센트인지, 예를 들어 가장 오른쪽 분기가 77%의 올바른 입력을 제공하는 것은 분명하며 이는 매우 좋은 것이지만 이것이 몇 번이나 발생했는지는 분명하지 않습니다.


박사 상인 :

대안. 결과는 확률 없이 클래스에 즉시 표시됩니다. 그것은 나에게 훨씬 더 나쁜 것 같습니다.


y_pred
y_true 0 하나
0 81744 72498
하나 18618 29900

그래서 계획은 완료되면 더 명확하지만 기회가 49에서 51 일 때 어떻게 든 아무 것도 없습니다.

 
막심 드미트리예프스키 :

재미는 기분과 자존감을 망치고 싶다면 증권 거래소에 가서

따라서 사용하지 않는 것이 좋습니다. 취미로. 신경망은 흥미롭지만 더 이상은 아닙니다.. 복잡할수록 혼란스러워집니다.

나는 당신을 인식하지 못합니다. 참으로 그녀는 당신이 단순한 진리를 이해했다는 데에 좋은 영향을 미쳤습니다. 기계 학습 분야에서도 "모든 독창적인 것은 간단합니다." 네트워크가 단순할수록 더 잘 작동합니다 .....

 
박사 상인 :

그런 다음 반올림하면 둘 다 1이 됩니다.

확률이 중요하지 않은 경우 일반적으로 반올림 후 동일한 클래스로 끝나는 전체 분기를 버릴 수 있습니다.

그리고 좋은 확률로 가지를 찾아 하나의 예측자로 인코딩한 다음 다시 한 번 나무에 갈기를 주면 나무는 발견된 결과를 어떻게 개선할지 생각할 것입니다(예측자와 같아야 하기 때문에 올바른 솔루션의 비율이 높습니까?) , 어떻게 생각하십니까?

 
알렉세이 비아즈미킨 :

예측 변수가 아직 남아 있기 때문에 나무가 여전히 분기될 수 있는 것 같습니다. 왜 안 돼?

더 분기하면 이러한 데이터의 정확도가 확실히 높아집니다. 그러나 대부분의 경우 새로운 데이터에 해당합니다.

트리가 이미 무언가를 학습했지만 아직 과적합이 없고 새로운 데이터에서 유사한 결과를 기대할 수 있는 특정 최적값에 도달했습니다.

 
마이클 마르쿠카이테스 :

나는 당신을 인식하지 못합니다. 참으로 그녀는 당신이 단순한 진리를 이해했다는 데에 좋은 영향을 미쳤습니다. 기계 학습 분야에서도 "모든 독창적인 것은 간단합니다." 네트워크가 단순할수록 더 잘 작동합니다 .....

글쎄, 내 욕망처럼.. 모두가 시장이 이겼다는 것을 보여줍니다. 그리고 나머지는 당연히 헛소리..)

1...922923924925926927928929930931932933934935936...3399
새 코멘트
사유: