어제 나는 또한 2017년 세트를 만들었습니다. 정확한 데이터의 30% 이내도 있지만, 놀랍게도 다른 예측변수 세트(두 그룹의 예측변수로 나뉩니다)에서 비슷한 결과를 얻었습니다. 나는 생각하고 있습니다. 이것은 사고입니까, 아니면 숲을 사용할 수있는 기회입니까?
정확도를 볼 필요는 없습니다. 이것은 특히 많은 클래스에서 나쁜 메트릭입니다. 내가 마지막 트리를 훈련시킨 경우 - 모든 예제의 50%가 "0" 클래스입니다. 트리는 일반적으로 항상 "0"을 반환할 수 있으며 이미 50%의 경우(임의로 33% 대신)가 맞을 것입니다. 결과는 임의의 것보다 나은 것처럼 보이지만 트리가 쓸모가 없다는 것은 분명합니다. 예를 들어 더 나은 측정항목 - https://en.wikipedia.org/wiki/Cohen's_kappa
알렉세이 비아즈미킨 :
내가 첨부한 마지막 파일에서 병합하는 것이 좋습니다. 나눗셈은 조금 더 정확한 0입니다. 이익을 가져오지 않은 모든 항목과 이전 파일에서는 0입니다. 이것이 수익이 거의 발생하지 않은 것입니다.
직접 하는 것이 좋습니다. 두 개의 대상이 있고 각각 많은 클래스가 있으므로 혼동하고 싶지 않습니다. 3개의 클래스가 있는 하나의 대상이 필요합니다. 짧게 입력하려면 "-1" "1"은 오래 간다 long과 short가 모두 음수이면 "0"(또는 발생하는 경우 모두 양수) 이러한 트리는 이전과 같이 4보다 훈련하기 쉽습니다. 그리고 거래하기가 더 쉽습니다.
알렉세이 비아즈미킨 :
그러나 목표를 늘리면 분류가 훈련 샘플 외부에서 더 잘 수행된다는 사실에 놀랐습니다. 오히려 다른 분류의 수를 늘릴 필요가 있습니까?
이것은 반복적으로 확인해야 하며 확인되면 냉각해야 합니다. 트리가 특정 클래스를 잘 정의하는 방법을 학습할 수 있습니다(예: 최소 100포인트의 이익 등). 그러면 현실 세계에 딱 그런 논리로 새로운 목표를 세울 수 있을 것입니다. 예를 들어, 손실이 있는 경우 "0", long의 이익이 0에서 100 포인트인 경우 "1" 등 12개의 클래스를 만들 수 있습니다. 롱 이익이 100에서 200 포인트인 경우 "2". 매도 이익이 0에서 100 포인트인 경우 "-1". 매도 이익이 100에서 200 포인트인 경우 "-2". 등. 그러면 정답과 오답 요약표에 따라 어떤 클래스가 다른 클래스보다 명확하게 더 잘 예측되는지 확인할 수 있습니다. 추신 스스로 한 적이 없습니다. 어쩌면 나는 말도 안되는 소리를하고 있습니다. 그러나 나무와 많은 클래스를 좋아한다면 그러한 테스트는 실험의 완전히 논리적 연속입니다.
당신은 의미를 이해하지 못합니다, 간단히 말해서, 잘못된 추상화 수준, 우리는 통과했습니다)
예, 레벨이 그것과 어떤 관련이 있습니까? 여기서 질문은 주제에 있습니다. 패턴은 외부 요인(자극제)에 대한 동일한 반응입니다. 예를 들어 가격이 X 포인트 상승한 경우 수정이 시작되지 않을 확률보다 곧 수정이 시작될 확률이 더 큽니다. 또는 연속으로 5개의 작은 강세 양초는 적어도 3개의 강세 양초를 덮을 큰 약세 양초의 높은 확률을 나타냅니다. 이제 이러한 이벤트의 확률이 변경되면 이것은 패턴의 변경이며 TS가 작동을 멈춥니다.
정확도를 볼 필요는 없습니다. 이것은 특히 많은 클래스에서 나쁜 메트릭입니다. 내가 마지막 트리를 훈련시킨 경우 - 모든 예제의 50%가 "0" 클래스입니다. 트리는 일반적으로 항상 "0"을 반환할 수 있으며 이미 50%의 경우(임의로 33% 대신)가 맞을 것입니다. 결과는 임의의 것보다 나은 것처럼 보이지만 트리가 쓸모가 없다는 것은 분명합니다. 예를 들어 더 나은 측정항목 - https://en.wikipedia.org/wiki/Cohen's_kappa
나중에 두 모델에서 모든 규칙을 꺼내고 두 모델을 추가하면 결과가 어떻게 되는지 볼 것입니다. 이제 관심을 끌기 위해 네트워크를 교육용으로 설정했습니다. 아마도 무언가를 선택하지만 이미 12시간 동안 선택하고 있습니다. 이것은 일반적으로 네트워크에서 정상입니까?
박사 상인 :
직접 하는 것이 좋습니다. 두 개의 대상이 있고 각각 많은 클래스가 있으므로 혼동하고 싶지 않습니다.
3개의 클래스가 있는 하나의 대상이 필요합니다. 짧게 입력하려면 "-1" "1"은 오래 간다 길고 짧은 것이 모두 빨간색으로 표시되는 경우 "0"(또는 모두 발생하는 경우 플러스로 표시됨) 이러한 트리는 이전과 같이 4보다 훈련하기 쉽습니다. 그리고 거래하기가 더 쉽습니다.
알겠습니다. 곧 해 보고 여기에 게시하겠습니다.
박사 상인 :
이것은 반복적으로 확인해야 하며 확인되면 냉각해야 합니다. 트리가 특정 클래스를 잘 정의하는 방법을 학습할 수 있습니다(예: 최소 100포인트의 이익 등). 그러면 현실 세계에 딱 그런 논리로 새로운 목표를 세울 수 있을 것입니다.
예를 들어, 손실이 있는 경우 "0", long의 이익이 0에서 100 포인트인 경우 "1" 등 12개의 클래스를 만들 수 있습니다. 롱 이익이 100에서 200 포인트인 경우 "2". 매도 이익이 0에서 100포인트 사이인 경우 "-1"입니다. 매도 이익이 100에서 200 포인트인 경우 "-2". 등. 그러면 정답과 오답 요약표에 따라 어떤 클래스가 다른 클래스보다 명확하게 더 잘 예측되는지 확인할 수 있습니다. 추신 직접 한 적이 없습니다. 어쩌면 나는 말도 안되는 소리를하고 있습니다. 그러나 나무와 많은 클래스를 좋아한다면 그러한 테스트는 실험의 완전히 논리적 연속입니다.
나는 나무가 예외에서 작동한다고 생각합니다. 1을 찾으면 다른 모든 것은 0이지만 더 많은 옵션이 있으면 나머지 0을 분류하기 시작하고 하나의 힙에 덤프하지 않으므로 오류가 줄어듭니다(그러나 이것은 내 가설입니다). 그리고 그가 이러한 다른 2,3,4를 분류하는 데 도움을 주기 위해 입력의 최종 결과 뿐만 아니라 사용 가능한 다른 예측자를 기반으로 입력 신호를 형성할 예측자를 추가하고 피드백은 나타나다, 즉 나는 또한 입력과 그들의 재정적 결과에 대한 다른 정당성을 추가할 것이라고 생각합니다. 여기서 어려움은 다른 차량에 대한 입력이 충돌하는 경우이며, 이 상황을 별도의 그룹에 간단히 배치할 수 있습니다.
박사 상인 :
이제 필요하지 않습니다. 여러 R 스크립트에 죽을 가지고 있습니다. 매개변수를 선택하는 다양한 방법을 시도하고 있습니다. 무언가가 결국 적합하고 결과가 프로그램보다 더 나은 경우 여기에 스크립트를 첨부하면 계속해서 직접 실험할 수 있습니다.
어제 나는 또한 2017년 세트를 만들었습니다. 정확한 데이터의 30% 이내도 있지만, 놀랍게도 다른 예측변수 세트(두 그룹의 예측변수로 나뉩니다)에서 비슷한 결과를 얻었습니다. 나는 생각하고 있습니다. 이것은 사고입니까, 아니면 숲을 사용할 수있는 기회입니까?
정확도를 볼 필요는 없습니다. 이것은 특히 많은 클래스에서 나쁜 메트릭입니다. 내가 마지막 트리를 훈련시킨 경우 - 모든 예제의 50%가 "0" 클래스입니다. 트리는 일반적으로 항상 "0"을 반환할 수 있으며 이미 50%의 경우(임의로 33% 대신)가 맞을 것입니다. 결과는 임의의 것보다 나은 것처럼 보이지만 트리가 쓸모가 없다는 것은 분명합니다.
예를 들어 더 나은 측정항목 - https://en.wikipedia.org/wiki/Cohen's_kappa
내가 첨부한 마지막 파일에서 병합하는 것이 좋습니다. 나눗셈은 조금 더 정확한 0입니다. 이익을 가져오지 않은 모든 항목과 이전 파일에서는 0입니다. 이것이 수익이 거의 발생하지 않은 것입니다.
직접 하는 것이 좋습니다. 두 개의 대상이 있고 각각 많은 클래스가 있으므로 혼동하고 싶지 않습니다.
3개의 클래스가 있는 하나의 대상이 필요합니다.
짧게 입력하려면 "-1"
"1"은 오래 간다
long과 short가 모두 음수이면 "0"(또는 발생하는 경우 모두 양수)
이러한 트리는 이전과 같이 4보다 훈련하기 쉽습니다. 그리고 거래하기가 더 쉽습니다.
그러나 목표를 늘리면 분류가 훈련 샘플 외부에서 더 잘 수행된다는 사실에 놀랐습니다. 오히려 다른 분류의 수를 늘릴 필요가 있습니까?
이것은 반복적으로 확인해야 하며 확인되면 냉각해야 합니다. 트리가 특정 클래스를 잘 정의하는 방법을 학습할 수 있습니다(예: 최소 100포인트의 이익 등). 그러면 현실 세계에 딱 그런 논리로 새로운 목표를 세울 수 있을 것입니다.
예를 들어, 손실이 있는 경우 "0", long의 이익이 0에서 100 포인트인 경우 "1" 등 12개의 클래스를 만들 수 있습니다. 롱 이익이 100에서 200 포인트인 경우 "2". 매도 이익이 0에서 100 포인트인 경우 "-1". 매도 이익이 100에서 200 포인트인 경우 "-2". 등. 그러면 정답과 오답 요약표에 따라 어떤 클래스가 다른 클래스보다 명확하게 더 잘 예측되는지 확인할 수 있습니다.
추신 스스로 한 적이 없습니다. 어쩌면 나는 말도 안되는 소리를하고 있습니다. 그러나 나무와 많은 클래스를 좋아한다면 그러한 테스트는 실험의 완전히 논리적 연속입니다.
추신: TW를 통해 랩톱에 대한 액세스 권한을 부여하여 PC를 로드하지 않도록 할 수 있습니다.
이제 필요하지 않습니다. 여러 R 스크립트에 죽을 가지고 있습니다. 매개변수를 선택하는 다양한 방법을 시도하고 있습니다. 무언가가 결국 적합하고 결과가 프로그램보다 더 나은 경우 여기에 스크립트를 첨부하면 계속해서 직접 실험할 수 있습니다.
당신은 의미를 이해하지 못합니다, 간단히 말해서, 잘못된 추상화 수준, 우리는 통과했습니다)
예, 레벨이 그것과 어떤 관련이 있습니까? 여기서 질문은 주제에 있습니다. 패턴은 외부 요인(자극제)에 대한 동일한 반응입니다. 예를 들어 가격이 X 포인트 상승한 경우 수정이 시작되지 않을 확률보다 곧 수정이 시작될 확률이 더 큽니다. 또는 연속으로 5개의 작은 강세 양초는 적어도 3개의 강세 양초를 덮을 큰 약세 양초의 높은 확률을 나타냅니다. 이제 이러한 이벤트의 확률이 변경되면 이것은 패턴의 변경이며 TS가 작동을 멈춥니다.
다른 비전이 있습니까?
다른 비전이 있습니까?
나는 이미 나의 비전을 설명했다 lol
그리고 이것은 단순한 비전이 아니라 현실입니다. 그것을 받아들일지 말지는 모두의 몫이다.
추상화의 수준은 오이 스틱이 아니라 시장에서 패턴이 변화하는 이유와 빈도, 원인 및 결과입니다. 반복에 지쳐
정확도를 볼 필요는 없습니다. 이것은 특히 많은 클래스에서 나쁜 메트릭입니다. 내가 마지막 트리를 훈련시킨 경우 - 모든 예제의 50%가 "0" 클래스입니다. 트리는 일반적으로 항상 "0"을 반환할 수 있으며 이미 50%의 경우(임의로 33% 대신)가 맞을 것입니다. 결과는 임의의 것보다 나은 것처럼 보이지만 트리가 쓸모가 없다는 것은 분명합니다.
예를 들어 더 나은 측정항목 - https://en.wikipedia.org/wiki/Cohen's_kappa
나중에 두 모델에서 모든 규칙을 꺼내고 두 모델을 추가하면 결과가 어떻게 되는지 볼 것입니다. 이제 관심을 끌기 위해 네트워크를 교육용으로 설정했습니다. 아마도 무언가를 선택하지만 이미 12시간 동안 선택하고 있습니다. 이것은 일반적으로 네트워크에서 정상입니까?
직접 하는 것이 좋습니다. 두 개의 대상이 있고 각각 많은 클래스가 있으므로 혼동하고 싶지 않습니다.
3개의 클래스가 있는 하나의 대상이 필요합니다.
짧게 입력하려면 "-1"
"1"은 오래 간다
길고 짧은 것이 모두 빨간색으로 표시되는 경우 "0"(또는 모두 발생하는 경우 플러스로 표시됨)
이러한 트리는 이전과 같이 4보다 훈련하기 쉽습니다. 그리고 거래하기가 더 쉽습니다.
알겠습니다. 곧 해 보고 여기에 게시하겠습니다.
이것은 반복적으로 확인해야 하며 확인되면 냉각해야 합니다. 트리가 특정 클래스를 잘 정의하는 방법을 학습할 수 있습니다(예: 최소 100포인트의 이익 등). 그러면 현실 세계에 딱 그런 논리로 새로운 목표를 세울 수 있을 것입니다.
예를 들어, 손실이 있는 경우 "0", long의 이익이 0에서 100 포인트인 경우 "1" 등 12개의 클래스를 만들 수 있습니다. 롱 이익이 100에서 200 포인트인 경우 "2". 매도 이익이 0에서 100포인트 사이인 경우 "-1"입니다. 매도 이익이 100에서 200 포인트인 경우 "-2". 등. 그러면 정답과 오답 요약표에 따라 어떤 클래스가 다른 클래스보다 명확하게 더 잘 예측되는지 확인할 수 있습니다.
추신 직접 한 적이 없습니다. 어쩌면 나는 말도 안되는 소리를하고 있습니다. 그러나 나무와 많은 클래스를 좋아한다면 그러한 테스트는 실험의 완전히 논리적 연속입니다.
나는 나무가 예외에서 작동한다고 생각합니다. 1을 찾으면 다른 모든 것은 0이지만 더 많은 옵션이 있으면 나머지 0을 분류하기 시작하고 하나의 힙에 덤프하지 않으므로 오류가 줄어듭니다(그러나 이것은 내 가설입니다). 그리고 그가 이러한 다른 2,3,4를 분류하는 데 도움을 주기 위해 입력의 최종 결과 뿐만 아니라 사용 가능한 다른 예측자를 기반으로 입력 신호를 형성할 예측자를 추가하고 피드백은 나타나다, 즉 나는 또한 입력과 그들의 재정적 결과에 대한 다른 정당성을 추가할 것이라고 생각합니다. 여기서 어려움은 다른 차량에 대한 입력이 충돌하는 경우이며, 이 상황을 별도의 그룹에 간단히 배치할 수 있습니다.
이제 필요하지 않습니다. 여러 R 스크립트에 죽을 가지고 있습니다. 매개변수를 선택하는 다양한 방법을 시도하고 있습니다. 무언가가 결국 적합하고 결과가 프로그램보다 더 나은 경우 여기에 스크립트를 첨부하면 계속해서 직접 실험할 수 있습니다.
필요한 경우 - 어쨌든 다리미가 유휴 상태일 때 말해 주십시오.
나는 이미 나의 비전을 설명했다 lol
그리고 이것은 단순한 비전이 아니라 현실입니다. 그것을 받아들일지 말지는 모두의 몫이다.
추상화의 수준은 오이 스틱이 아니라 시장에서 패턴이 변화하는 이유와 빈도, 원인 및 결과입니다. 반복에 지쳐
그래서 나는 그 도구가 넌센스를 보여주고 트렌드에 집중하는데 사실이 아니라고 대답했습니다.
그래서 나는 그 도구가 넌센스를 보여주고 트렌드에 집중하는데 사실이 아니라고 대답했습니다.
동의
동의
저것들. 주기가 있을 수 있습니다. 도구가 올바른 도구가 아닐 뿐입니다. 이것은 시각적 인식입니다.
그가 1001개의 기준을 가지고 있는지 알려주세요. 제가 틀렸습니다. 내가 논쟁하는 것은 의미가 없습니다. 나는 내 시각적 인식에 대해 말했습니다. 옳지 않다면 내가 틀렸다는 것을 알고 싶습니다.
저것들. 주기가 있을 수 있습니다. 도구가 올바른 도구가 아닐 뿐입니다. 이것은 시각적 인식입니다.
그가 1001가지 기준을 가지고 있는지 알려주세요. 제가 틀렸습니다. 내가 논쟁하는 것은 의미가 없습니다. 나는 내 시각적 인식에 대해 말했습니다. 옳지 않다면 내가 틀렸다는 것을 알고 싶습니다.
나는 실제 정기간행물을 보여줬고, 그들의 분해도
Vladimir Perervenko는 매우 유사한 스펙트럼 분석을 사용합니다.
실제로 사용하는 방법 모두가 자신의 병든 창조적 인 상상력을 적용하게하십시오, tk. 성배가 완성될 때까지 조언을 하지 않는다
나는 실제 정기간행물을 보여줬고, 그들의 분해도
Vladimir Perervenko는 매우 유사한 스펙트럼 분석을 사용합니다.
실제로 사용하는 방법 모두가 자신의 병든 창의적 상상력을 적용하게하십시오, tk. 성배가 완성될 때까지 조언을 하지 않는다
작은 TF에도 이러한 주기가 존재한다고 생각하십니까? 봅시다, 거기에 더 많은 바가 있을 것입니다!