There are two versions of Weka: Weka 3.8 is the latest stable version, and Weka 3.9 is the development version. For the bleeding edge, it is also possible to download nightly snapshots. Stable versions receive only bug fixes, while the development version...
이해했습니다. 감사합니다. 그러면 나는 나무와 숲을 다룰 것입니다. 나는 그들을 많이 좋아하고 이념적으로 좋아합니다.
산산이치 포멘코 :
모든 것이 이미 두 개의 파일로 분할된 경우 파일을 분할하는 이유는 무엇입니까? 나는 R에서 이것을 하는 방법을 모릅니다. 아무도 설명할 수 없습니다. 분명히 어리석은 것입니다.
나누기 - 절대 침을 뱉지 마세요. 문제는 R에 대한 편견입니다.
네트워크가 역사상 최적화된 Expert Advisor를 능가할 수 있기를 진심으로 바랍니다. :)
왜 네트워크인가?
예, 편견이없고 언어에 대한 지식이 부족하고 러시아어에 대한 도움이 없습니다 (이미 한 권의 책이 있지만 도움말과 달리 전체 책을 읽어야하며 그것이 밝혀 질 것이라는 사실은 아닙니다. 필요한 것) 일반적으로 학습에 어려움이 있습니다. 글쎄, 사람들이 GUI를 그다지 좋아하지 않는 이유는 분명하지 않습니다. 시간이 절약됩니다...
나는 수동 거래의 쓰라린 경험에서 예측 변수를 얻었습니다. 유출이 발생하고 입력이 잘못된 이유를 고수하지 않을 때입니다. 문제가 있습니다. 저는 돈을 잃는 것을 좋아하지 않기 때문에 포지션 을 거의 청산하지 않습니다. 이 때문에 핸드를 교환할 때 큰 문제가 발생합니다. 그러한 사건 후에는 단순히 마모, 테스트, 분석을 위해 작업하고, 유출을 피할 수 있는 방법에 대한 솔루션을 찾고 있습니다. 아이디어를 생성하고, 기록에서 테스트하고, 일부는 버리고 나머지는 버리지 않습니다. 프로그래밍의 어려움으로 인해 많은 아이디어가 실현되지 않은 채로 남아 있지만, 종이에 남아 있고, 종이가 테이블을 채우고 있습니다...
이 모든 것은 ***, 일반적으로 2015년 Rattle에서 기본 설정인 숲을 훈련하여 다음과 같은 결과를 주었습니다.
Summary of the Random Forest Model
==================================
Number of observations used to build the model: 98573
Missing value imputation is active.
Call:
randomForest(formula = as.factor(arr_Buy) ~ .,
data = crs$dataset[crs$sample, c(crs$input, crs$target)],
ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix)
Type of random forest: classification
Number of trees: 500
No. of variables tried at each split: 8
OOB estimate of error rate: 6.89%
Confusion matrix:
-1 0 1 class.error
-1 24452 2147 27 0.08164952
0 1138 42398 1180 0.05183827
1 36 2265 24930 0.08449928
다른 데이터에서 모델을 테스트하기 위해 csv 파일을 로드하는 방법을 배웠습니다. - 2016년에 업로드되었습니다.
그런 썩은 결과를 얻었다
Error matrix for the Random Forest model on Pred_027_2015_H2_T_sample.csv (counts):
Predicted
Actual - 101 Error
- 1464030809430388.30521054059609017.31323728118546685.2
Error matrix for the Random Forest model on Pred_027_2015_H2_T_sample.csv (proportions):
Predicted
Actual - 101 Error
- 13.321.73.088.303.738.14.317.312.319.83.985.2
Overall error: 54.7 %, Averaged class error: 63.6 %
이 재교육, 잘못된 설정, 근본적으로 다른 시장은 무엇입니까?
그렇다면 동일한 데이터에 대해 Deductor Studio의 트리에서 더 나은 결과를 얻을 수 있습니까?
모든 것이 이미 두 개의 파일로 분할된 경우 파일을 분할하는 이유는 무엇입니까? 나는 R에서 이것을 하는 방법을 모릅니다. 아무도 설명할 수 없습니다. 분명히 어리석은 것입니다.
아니면 스크랩으로 프로그래밍을 공부한다면 https://www.cs.waikato.ac.nz/ml/weka/downloading.html 을 가져가는 것이 더 쉬울까요?
여기 또 다른 모델이 있습니다.
결과는 질적으로 다르지만 모델은 질적으로 다르지만 데이터에서 제대로 작동하지 않습니다.
randomForest를 염두에 둘 필요가 있습니다.
이해했습니다. 감사합니다. 그러면 나는 나무와 숲을 다룰 것입니다. 나는 그들을 많이 좋아하고 이념적으로 좋아합니다.
모든 것이 이미 두 개의 파일로 분할된 경우 파일을 분할하는 이유는 무엇입니까? 나는 R에서 이것을 하는 방법을 모릅니다. 아무도 설명할 수 없습니다. 분명히 어리석은 것입니다.
나누기 - 절대 침을 뱉지 마세요. 문제는 R에 대한 편견입니다.
네트워크가 역사상 최적화된 Expert Advisor를 능가할 수 있기를 진심으로 바랍니다. :)
왜 네트워크인가?
예, 편견이없고 언어에 대한 지식이 부족하고 러시아어에 대한 도움이 없습니다 (이미 한 권의 책이 있지만 도움말과 달리 전체 책을 읽어야하며 그것이 밝혀 질 것이라는 사실은 아닙니다. 필요한 것) 일반적으로 학습에 어려움이 있습니다. 글쎄, 사람들이 GUI를 그다지 좋아하지 않는 이유는 분명하지 않습니다. 시간이 절약됩니다...
그리고 네트워크에 관해서는 예약을 했습니다. 전체적으로 MO 정도입니다.
어디서 그렇게 많은 평가자를 얻었습니까? 전략에 대해 수동으로 선택했습니까? 우와 :)
스캐폴딩의 논리는 +-가 같아야 합니다.
나는 수동 거래의 쓰라린 경험에서 예측 변수를 얻었습니다. 유출이 발생하고 입력이 잘못된 이유를 고수하지 않을 때입니다. 문제가 있습니다. 저는 돈을 잃는 것을 좋아하지 않기 때문에 포지션 을 거의 청산하지 않습니다. 이 때문에 핸드를 교환할 때 큰 문제가 발생합니다. 그러한 사건 후에는 단순히 마모, 테스트, 분석을 위해 작업하고, 유출을 피할 수 있는 방법에 대한 솔루션을 찾고 있습니다. 아이디어를 생성하고, 기록에서 테스트하고, 일부는 버리고 나머지는 버리지 않습니다. 프로그래밍의 어려움으로 인해 많은 아이디어가 실현되지 않은 채로 남아 있지만, 종이에 남아 있고, 종이가 테이블을 채우고 있습니다...
숲에 대한 든든한 답변 감사합니다!
아니면 스크랩으로 프로그래밍을 공부한다면 https://www.cs.waikato.ac.nz/ml/weka/downloading.html 을 가져가는 것이 더 쉬울까요?
예, 나는 금세기를 가지고 있습니다. 지옥 만이 그것을 사용하는 방법을 이해하게 될 것입니다!
그렇다면 MT5와 친구가 되는 방법은 무엇일까요?
이 모든 것은 ***, 일반적으로 2015년 Rattle에서 기본 설정인 숲을 훈련하여 다음과 같은 결과를 주었습니다.
Summary of the Random Forest Model ================================== Number of observations used to build the model: 98573 Missing value imputation is active. Call: randomForest(formula = as.factor(arr_Buy) ~ ., data = crs$dataset[crs$sample, c(crs$input, crs$target)], ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix) Type of random forest: classification Number of trees: 500 No. of variables tried at each split: 8 OOB estimate of error rate: 6.89% Confusion matrix: -1 0 1 class.error -1 24452 2147 27 0.08164952 0 1138 42398 1180 0.05183827 1 36 2265 24930 0.08449928다른 데이터에서 모델을 테스트하기 위해 csv 파일을 로드하는 방법을 배웠습니다. - 2016년에 업로드되었습니다.
그런 썩은 결과를 얻었다
이 재교육, 잘못된 설정, 근본적으로 다른 시장은 무엇입니까?
그렇다면 동일한 데이터에 대해 Deductor Studio의 트리에서 더 나은 결과를 얻을 수 있습니까?
커브피팅의 세계에 오신 것을 환영합니다
그건 그렇고, 나는 EMD로 땜질을했습니다. 분해 는 각각의 새로운 막대에서 수행되어야하기 때문에 F-I는 시끄럽습니다. 새로운 데이터가 추가되면 모든 모드가 앞뒤로 이동합니다. 넌센스, 1번의 경우에만 적합
헛소리 헛소리야. 그러나 위치를 관리하는 새로운 방법을 열었습니다.커브피팅의 세계에 오신 것을 환영합니다
그건 그렇고, 나는 EMD로 땜질을했습니다. 분해 는 각각의 새로운 막대에서 수행되어야하기 때문에 F-I는 시끄럽습니다. 새로운 데이터가 추가되면 모든 모드가 앞뒤로 이동합니다. 넌센스, 1번의 경우에만 적합
헛소리 헛소리. 그러나 위치를 관리하는 새로운 방법을 열었습니다.처음부터 나는 생각했다. 글쎄, 그게 다야, 그들은 나를 여기에서 꾸짖었다. 그것은 합성어가 다른 의미를 가지고 있음이 밝혀졌습니다 ...
패턴이 아닌 스톱로스에 따라 포지션을 빠져나갔고, 이것이 결과를 크게 왜곡한 것이 포인트라고 생각하는가?
EMD와 관련하여 이 접근 방식을 사용하여 반대 추세 채널을 만들려는 아이디어가 있었습니다...
포지션 관리 방법은 무엇인가요?처음부터 나는 생각했다. 글쎄, 그게 다야, 그들은 나를 여기에서 꾸짖었다. 그것은 합성어가 다른 의미를 가지고 있음이 밝혀졌습니다 ...
패턴이 아닌 스톱로스에 따라 포지션을 빠져나갔고, 이것이 결과를 크게 왜곡한 것이 포인트라고 생각하는가?
EMD와 관련하여 이 접근 방식을 사용하여 반대 추세 채널을 만들려는 아이디어가 있었습니다...
포지션 관리 방법은 무엇인가요?위에서 설명한 이유로 인해 일반적으로 EMD를 역학에 적용하는 것은 불가능합니다.
길게 설명하는 방법에 대해 모든 것이 RL과 얽혀
귀하의 경우 - 결과는 새 데이터에서 예상됩니다. 거의 항상 그렇습니다. 독립 모델의 앙상블로 부분적으로 해결됨그런 썩은 결과를 얻었다
이 재교육, 잘못된 설정, 근본적으로 다른 시장은 무엇입니까?
그렇다면 동일한 데이터에 대해 Deductor Studio의 트리에서 더 나은 결과를 얻을 수 있습니까?
과적합의 주요 증거: 나는 NON 노이즈 예측자를 찾지 못했습니다. 솔리드 노이즈, 그래서 좋은 훈련 결과를 얻을 수 있습니다.
위에서 설명한 이유로 인해 일반적으로 EMD를 역학에 적용하는 것은 불가능합니다.
길게 설명하는 방법에 대해 모든 것이 RL과 얽혀
귀하의 경우 - 결과는 새 데이터에서 예상됩니다. 거의 항상 그렇습니다. 독립 모델의 앙상블로 부분적으로 해결됨여기에 몇 가지 예측 변수를 더 추가하고 앙상블로 이동합니다.... 그런 다음 탬버린이 춤으로 시작됩니다.