Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1921
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 entiendo, ¿quieres que las proformas resultantes en las reglas se transfieran a mcule?
Por supuesto, si no, ¿cómo aplicaría el modelo después? :)
Por supuesto, si no, ¿cómo aplicaría el modelo después? :)
)))))) pues reescribir todos los algoritmos con R en µl y luego obtener todas las transformaciones en reglas en µl ))
)))))) pues reescribir todos los algoritmos con R en µl y luego obtener todas las transformaciones en reglas en µl ))
Se ha comprobado que este tipo de agrupación no crea reglas que puedan reproducir el resultado sin repetir la agrupación. Y la agrupación es demasiado lenta. Por lo tanto, necesitamos crear reglas mediante la construcción de un árbol, que dividirá los resultados de la agrupación en clases apropiadas según algunos atributos.
Así que la pregunta sigue siendo - ¿cómo guardar en csv cadena de pertenencia a cada clase?
Aunque es extraño, ¿por qué no seguir agrupando con los datos ya existentes y definir la nueva cadena en una de las clases, o es posible?
k = kmeans(data, centers = 7) data = k$clusterdata(mtcars) mt.k <- kmeans(mtcars, centers = 4) mt.k$centers¿Y no entiendo cómo hacer rodar los resultados en una columna particular?
Esta imagen muestra los mismos predictores que antes, pero el tamaño de la muestra es diferente y, lo que es más importante, se han añadido nuevos predictores.
¿Y así se interpreta la propensión al sobreentrenamiento?
Ajustaré con elegancia las curvas utilizando la agrupación. Contacte con
No entiendo por qué un algoritmo tan burdo empieza a verter nuevos datos casi inmediatamente
La culpa la tiene el árbol de la reconversión. Quiero usar boosta, pero no puedo transferirlo a mql rápidamente.
Uf... aquí está la respuesta
si se entrena un modelo para un periodo de tiempo y luego se buscan acuras en los datos para otro (recién agrupado), entonces para el árbol será:
trane es el conjunto de datos de entrenamiento + el conjunto de datos de validación
un nuevo conjunto de datos es generalmente nuevos datos en nuevos clusters. Aunque el árbol funcionaba bien en la validación, pero en las nuevas es un fiasco.
Ver catbust en los mismos datos:
TRAIN DATA: 0.9304589707927677 0.8916666666666667 NEW DATA: 0.8528265107212476¿Cuál es la diferencia?
no sabes lo que pasa hasta que lo compruebas paso a paso.
Tenía razón al culpar al árbol. Pensaba que podría encargarse de una tarea tan sencilla, pero no.
analizando el catbusto...
Uf... aquí está la respuesta
si se entrena un modelo para un periodo de tiempo y luego se buscan acuras en los datos para otro (recién agrupado), entonces para el árbol será:
trane es el conjunto de datos de entrenamiento + el conjunto de datos de validación
un nuevo conjunto de datos es generalmente nuevos datos en nuevos clusters. Aunque el árbol funcionaba bien en la validación, pero en las nuevas falla.
Ver catbust en los mismos datos:
¿Cuál es la diferencia? Parsing the catbust...
Se necesita algún tiempo para entender lo que está pasando, hasta que se comprueba todo paso a paso
Tenía razón al culpar al árbol.Ahora dame fotos de las montañas. Por cierto, ¿qué tal fue allí arriba en las montañas? ¿Dónde has estado?
Altai... No fui en el último momento, no quería ir).
por cierto, ¿sabes algo de los pluses?