Discusión sobre el artículo "Evaluación y selección de variables en modelos de aprendizaje de máquinas" - página 5
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
Realización de un dibujo sencillo que ilustre los números (-1, 1 (0) ????
Lee atentamente el artículo... ¿Y al lado? ¿Y no sabe cómo utilizar ZZ?
Tal vez la traducción no es buena?
Especifique con mayor precisión sus comentarios, por favor puede mejorar Inglés?
ZigZag Esta secuencia no necesita predecirse en absoluto, si sabes que el lag(ZigZag)=-1 ,entonces el ZigZag debe ser 1;el lag(ZigZag)=1 ,entonces el zigzag=-1;.
todo el lag(ZigZag) se produce en el tiempo pasado,puede predecir el zigzag con un 100% de exactitud. asi que si sabes que el tiempo es punto de zigzag,puedes 100% de precisión
predecir el zigzag es -1 o 1.
Pero en tiempo real no se puede saber el tiempo es el punto de zigzag, por lo que debe caculate el tercer estado (0), así que ¿cómo puede funcionar?
Usted puede hacer referencia a este derecho articl https://www.mql5.com/es/articles/2773.
Buenas tardes.
Buenas tardes.
Realmente ZZ no está definido en las últimas barras (el último vértice). ¡¡¡¡ El entrenamiento de la red neuronal se realiza sobre valores de ZZ sin las últimas 300 barras !!!! En las barras en las que ZZ está definido.
Mira cuidadosamente los scripts y no te apresures a sacar conclusiones, puedes parecer estúpido.
Mire atentamente las secuencias de comandos y no se apresure a sacar conclusiones.
En tiempo real, ¿usas "sin las últimas 300 barras"?
Parece tan estúpido, ¿puede usarlo en tiempo real?
Todos tus articulos estan erroneos, porque tu objetivo esta mal definido, todo no puede funcionar en tiempo real, si sigues tu punto de vista, el cambio ocurrirá despues de 300 barras.
Todo no puede funcionar en tiempo real, como usted dice, su cambio ocurrirá después de 300 barras.
En tiempo real, ¿usas "sin las últimas 300 barras"?
Parece tan estúpido, ¿puede usarlo en tiempo real?
Todos tus articulos estan erroneos, porque tu objetivo esta mal definido, todo no puede funcionar en tiempo real, si sigues tu punto de vista, el cambio ocurrirá despues de 300 barras.
Todo no puede funcionar en tiempo real, como usted dice, su señal ocurrirá después de 300 barras.
Realmente no entiendes la vision del autor, eres demasiado ingenuo en tu propia imaginacion, y la estupidez de lo que dices es solo un mapa de ti mismo, por favor no averguences mas a tu pais, no solo estupido, sino feo.
a Vladimir Perervenko: ¡gracias de nuevo por esos maravillosos artículos, has hecho y haces realmente una buena investigación! esta estupidez de "freewalk", no a todos los chinos les gusta.
Te he contestado en la siguiente rama.
Hola Vladimir,
No he encontrado tu respuesta a esta pregunta. Tampoco sé cuál es el valor de Dig. ¿Podrías especificarlo?
Estimados todos,
¿Puede alguien decirme qué significa la variable --Dig-- definida en la función ZZ ? En caso afirmativo, ¿cuál debería ser el valor de esta constante?
Dig - el número de dígitos después del punto decimal entre comillas. Tal vez 5 o 3.
Lo siento por llegar tarde con la respuesta. No había visto la pregunta. La discusión se dispersa a través de muchas ramas. No tengo tiempo para seguirlo.
Disculpadme.
El artículo es voluminoso, gracias por el trabajo.
Sin embargo, es cuestionable
1. Utilizar la estratificación con un objetivo seleccionado que se etiqueta en cada barra. Mezclar dos muestras poco representativas suele mejorar el resultado, lo que lo sesga.
2- La selección de características basada en modelos construidos, sobre todo teniendo en cuenta la primera división aleatoria y el método greedy, es más bien un método de reducción de características para el método de construcción de modelos. El método greedy no siempre es correcto y estable. En este caso, tal vez usted necesita para utilizar diferentes submuestras, por lo menos.
No entendí el segundo método hasta el final - ¿es lo mismo con un primer predictor aleatorio, y luego tratamos de construir una hoja o construimos un árbol y dejamos la mejor hoja, que se utiliza para la evaluación?