Ho abbozzato alcune tesi di base su kozul, per coloro che hanno difficoltà a leggere libri in inglese, e un esempio in python di come funziona meglio, secondo la mia versione. Volete l'articolo?
mytarmailS #: Si può parlare di una sola cosa o di tutto e niente.
L - logica.
Stavamo parlando di dati non strutturati, ora parliamo di TC? Fanculo TC, parliamo della macchina per stampare soldi e poi..... all'infinito sul nulla.
Inizialmente stiamo parlando della macchina, il resto sono dettagli :) la borsa dei reparti non è molto applicabile alle serie temporali, quindi c'è qualcosa di sbagliato in essa.
In linea di massima, se si hanno più di 18 caratteristiche, si sta addestrando il classificatore a ricordare ogni riga, perché non si ripetono neppure
e nell'inferenza causale non è possibile abbinare gli esempi per calcolare le statistiche.
Sì, sono d'accordo sulla memorizzazione - ne ho scritto in questo thread molto tempo fa. Questo è il motivo per cui lavoro con le foglie, valutando il loro valore.
L'ideale sarebbe trovare un paio di caratteristiche che descrivano l'intero campione, ma nessuno ci è ancora riuscito. D'altra parte, riducendo la dimensionalità si riduce il numero di caratteristiche direttamente coinvolte nell'addestramento, ma dubito che questo pasticcio migliori il risultato.
mytarmailS #: 1. Qualsiasi valore di caratteristica
2. Vi sorprenderà il fatto che a nessuno interessa come sono state create le caratteristiche, tutti valutano le caratteristiche solo in base alla risposta.
1. Quindi si tratta di un campione, giusto?
2. Pensavo che questo algoritmo cercasse di valutare la struttura della regola, come se ci fossero piccole deviazioni negli split con altre regole, allora è la stessa cosa.
Non capisco perché non riesci a spiegare il processo... anche se non lo capisci appieno, non c'è da vergognarsi ad ammetterlo.
In MO abbiamo un concetto simile di lavoro con i dati, ma invece di scambiarci idee, ci sono continue tensioni.
Oggi ho letto il thread di NG e mi sono reso conto che non mi sono perso nulla....
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Che cosa diversa)))
Beh, fate come il resto del mondo. Questo è il tipo di risposte che otterrete.
Ho abbozzato alcune tesi di base su kozul, per coloro che hanno difficoltà a leggere libri in inglese, e un esempio in python di come funziona meglio, secondo la mia versione. Volete l'articolo?
Nnnada))))
Di cosa diavolo stai parlando?
Beh, datemi un algoritmo che costruisca profili TC :)
Si può parlare di una sola cosa o di tutto e niente.
Inizialmente parlavo della macchina utensile, il resto sono parti :)
Perché Bow non è una serie temporale.
la stessa riga nel set di dati
se si hanno solo 1.000 righe
In linea di massima, se si hanno più di 18 caratteristiche, si sta addestrando il classificatore a ricordare ogni riga, perché non si ripetono neppure
e nell'inferenza causale non è possibile abbinare gli esempi per calcolare le statistiche.Sì, sono d'accordo sulla memorizzazione - ne ho scritto in questo thread molto tempo fa. Questo è il motivo per cui lavoro con le foglie, valutando il loro valore.
L'ideale sarebbe trovare un paio di caratteristiche che descrivano l'intero campione, ma nessuno ci è ancora riuscito. D'altra parte, riducendo la dimensionalità si riduce il numero di caratteristiche direttamente coinvolte nell'addestramento, ma dubito che questo pasticcio migliori il risultato.
1. Qualsiasi valore di caratteristica
1. Quindi si tratta di un campione, giusto?
2. Pensavo che questo algoritmo cercasse di valutare la struttura della regola, come se ci fossero piccole deviazioni negli split con altre regole, allora è la stessa cosa.
Non capisco perché non riesci a spiegare il processo... anche se non lo capisci appieno, non c'è da vergognarsi ad ammetterlo.
In MO abbiamo un concetto simile di lavoro con i dati, ma invece di scambiarci idee, ci sono continue tensioni.
Oggi ho letto il thread di NG e mi sono reso conto che non mi sono perso nulla....