Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1994
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No hay capas ahí, es un reforzador de árboles
hombre, la función no es lineal y compleja entre la fuente y la previsión. Pero inicialmente, los objetivos son la coherencia y la predicción correcta. por eso la correlación suele ser positiva. No es lineal. Y no hay diferencia en el algoritmo de predicción. Los datos se preparan con el fin de realizar una predicción correcta. Pero todo esto aún no es suficiente para una previsión fiable.))))
heck, la función no es lineal y compleja entre la fuente y la previsión. Pero, en un principio, los objetivos son acertar y predecir correctamente, por lo que la correlación suele ser positiva. No es lineal. Y no hace ninguna diferencia en el algoritmo de predicción. Los datos se preparan con el fin de realizar una predicción correcta. Pero todo esto aún no es suficiente para una previsión fiable. ))))
F-cuadrado es un simple error lineal, p-cuadrado
Bueno, estamos hablando de cosas diferentes. el error p-cuadrado es una estimación de la previsión. no una dependencia - una función de los datos brutos a la previsión. en la estimación es simple, los datos son reales y la previsión, pero la dependencia de los datos brutos de la previsión es compleja. Y normalmente no lo es. Es complicado. Es más fácil estimar el resultado.
Bueno, estamos hablando de cosas diferentes. los errores p al cuadrado son una estimación de la previsión. no una dependencia - una función de los datos brutos a la previsión. en la estimación es simple, los datos son reales y la previsión, pero la dependencia de los datos brutos de la previsión es compleja. Y normalmente no lo es. Es complicado. Es más fácil estimar el resultado.
Bueno, él pidió un resultado, si el modelo muestra dependencia o no. El clásico no lo hace. Tal vez lo haga alguno de los elegantes.
Hombre, me estoy poniendo un poco incómodo... No me pareció que te diera un sermón en absoluto.)))) Déjame hacerte una pregunta. Entendido correctamente el tutorial de python. La localidad global de los nombres está determinada por la ubicación del nombre, pero las acciones con ellos si están en el espacio de nombres de otra persona están determinadas por los prefijos de la localidad global. y si no hay prefijos, el nombre del espacio de nombres tiene prioridad. Interesante lógica de espacio de nombres, especialmente después de BASIC))))
sobre los cinco valores anteriores:
60% de precisión
sobre 10 valores anteriores se deteriora, precisión 50
en la tercera la precisión es de 57
Línea de base azul, predicción naranja. Últimos 300 valores
¡Gracias Maxim!
En realidad, me olvidé de decir, es suficiente que el modelo predice el siguiente signo (+-) de la serie, objetivo + valor más. La precisión exacta no es importante.
Longitud de la muestra n = 54 , cubre todos los valores posibles.
Hombre, estoy empezando a sentirme un poco incómodo... Como que no tenía que sermonearte. )))) Déjame hacerte una pregunta. Entendido correctamente el tutorial de python. La localidad global de los nombres está determinada por la ubicación del nombre, pero las acciones con ellos si están en el espacio de nombres de otra persona están determinadas por los prefijos de la localidad global. y si no hay prefijos, el nombre del espacio de nombres tiene prioridad. Interesante lógica de espacio de nombres, especialmente después de BASIC))))
¡Gracias Maxim!
En realidad, me olvidé de decir, es suficiente que el modelo predice el siguiente signo (+-) de la serie, objetivo + valor más. Y la precisión específica no es importante.
La longitud de la muestra n = 54 , cubre todos los valores posibles.
Lo haré más tarde hoy, si tengo tiempo.
Sí
cp. todo vale algo. la libertad explícita en los tipos de variables resulta ser una indicación de tipo explícita. Aunque, si no hay nombres idénticos, debería funcionar sin prefijos.
cp. todo vale algo. la aparente libertad en los tipos de variables resulta ser una indicación explícita del tipo. Aunque, si no hay nombres idénticos, debería funcionar sin prefijos.