바실리 페레펠킨 : 우리는 여기서 강입자 충돌기를 생성하지 않습니다. 거래를 위해 수학자가 될 필요는 없습니다.
들어봐, 그럼 여기서 뭐해? 설교자...
기계가 연구되는 지점으로 이동하거나 확률론이 최적화되어 모든 것이 간단하고 명확합니다 ...이 지점에 오는 첫 번째 사람도 아니고 두 번째 사람도 아닙니다. 지식이없고 말할 것도 없습니다. , 그래서 신경망이 나쁘다고 홍보할게. 아무도 당신을 부르지 않았고 아무도 당신에게 올라가지 않았습니다.
Top2n : 좋은 시간! LSTM 네트워크의 경우 입력 매개변수가 어떤 형식으로 제공되는지 제안할 수 있습니까? 거기에는 "밸브"를 전환하는 시스템이 있습니다.
내가 아는 한, 그들은 숫자의 벡터(배열)를 입력에 공급하고, 결과를 계산한 다음, 두 번째 숫자 배열을 공급하고, 결과를 계산하는 식으로 계속됩니다. 결과를 계산할 때 입력은 모든 뉴런을 통과하고 이러한 뉴런은 이전 입력을 기억하는 것처럼 일종의 변경된 상태로 유지됩니다.
기계가 연구되는 지점으로 이동하거나 확률론이 최적화되어 모든 것이 간단하고 명확합니다 ...이 지점에 오는 첫 번째 사람도 아니고 두 번째 사람도 아닙니다. 지식이없고 말할 것도 없습니다. , 그래서 신경망이 나쁘다고 홍보할게. 아무도 당신을 부르지 않았고 아무도 당신에게 올라가지 않았습니다.
나는 여기 "과학자"가 사람들을 혼란스럽게하고 학업 학위와 형성의 수로 의욕을 떨어 뜨리고 참가자를 유혹하는 것이 역겹습니다. 100% 유망하지 않은 거래 시스템에 많은 시간을 할애합니다. 신경망은 시장에 필요하지 않으며 80년대부터 존재해 왔으며 동시에 시장에서 최고 수준의 수학자들이 사용했으며 아무도 시장에서 실제로 사용하는 데 성공하지 못했다는 데 모두가 동의합니다. 지표에 대한 간단한 시스템은 물론 일반 자동차와 확률론이 아니라 예를 들어 자금 관리가 좋은 JMA 에서 훨씬 더 효율적입니다.
신경망과 복잡한 모델은 인형에게 "고기"를 먹여 오랜 기간 거래를 방해하고 지적 능력에 환멸을 느끼게 합니다. 실제로 쿨헤지펀드는 JMA 를 사용한다.그리고 나는 margindale도 사용된다고 생각합니다. 그래서 그들은 아름다운 수익률 곡선을 가지고 있습니다. 귀하의 요구를 충족하고 TS의 규칙을 엄격히 준수하는 거래 시스템을 찾는 것이 중요합니다. 나머지는 악의적 인 것입니다.
1 ) 그런 아이디어가 있었지만 시도하지 않았습니다. 네트워크에 무엇을 넣을지와 결과(타겟)가 무엇인지에 대한 기호를 결정해야 합니다. 자라면 좋고 떨어지면 나빠지지만 뉘앙스가 있습니다.
2) 그러나 매개변수가 많다는 사실은 좋지 않다.
제 생각에는 두 가지 단계(레이어 - 소위 말하는 레이어)가 있어야 하는 것 같습니다. 첫 번째 단계에서 지표의 관계가 검색됩니다. 기본적이면 가장 큰 상관 관계가 있고 중복 상관 관계가 버려지고 두 번째 레이어는 나머지 지표를 고려하여 EA 변수가 입력으로 사용되며 선택한 지표에 미치는 영향을 살펴봅니다. 우리는 더 많은 거래를 우선시하면서 더 많은 이익, 더 적은 손실, 더 적은 손실 및 더 많은 거래당 이익을 위해 노력합니다.
두 번째 날 앉아서 손으로 똑같이 하면 TS에는 3개의 변수가 있으므로 모든 것이 명확하지 않습니다. :)
그건 그렇고, 아마도 여기 누군가가 알고있을 것입니다. 나는 하위 그룹으로 나눌 수있는 독립적 인 일련의 숫자 ( 최적화 결과 지표)를 가지고 있으므로 각 하위 그룹의 지표를 정규화합니다. 하위 그룹의 크기는 동일하지만 normalization 전후에 상관 관계를 수행하면 때로는 상관 관계가 원래 있던 곳에서 사라집니다. 나는 전체 숫자 시리즈에 대한 상관 관계를 확인합니다. 이 효과는 무엇을 의미합니까? 상관관계가 거짓이고 정규화로 이를 드러냈다는 가정이 있습니다. 예, 그룹의 최대 지표에 대한 백분율 형식으로 정규화를 수행합니다. 목표는 숫자 계열을 서로 비교하는 것입니다.
나는 여기 "과학자"가 사람들을 혼란스럽게하고 학업 학위와 형성의 수로 의욕을 떨어 뜨리고 참가자를 유혹하는 것이 역겹습니다. 100% 유망하지 않은 거래 시스템에 많은 시간을 할애합니다. 신경망은 시장에 필요하지 않으며 80년대부터 존재해 왔으며 동시에 시장에서 최고 수준의 수학자들이 사용했으며 아무도 시장에서 실제로 사용하는 데 성공하지 못했다는 데 모두가 동의합니다. 지표에 대한 간단한 시스템은 물론 일반 자동차와 확률론이 아니라 예를 들어 자금 관리가 좋은 JMA 에서 훨씬 더 효율적입니다.
신경망과 복잡한 모델은 인형에게 "고기"를 먹여 오랜 기간 거래를 방해하고 지적 능력에 환멸을 느끼게 합니다. 실제로 쿨헤지펀드는 JMA 를 사용한다.그리고 나는 margindale도 사용된다고 생각합니다. 그래서 그들은 아름다운 수익률 곡선을 가지고 있습니다. 귀하의 요구를 충족하고 TS의 규칙을 엄격히 준수하는 거래 시스템을 찾는 것이 중요합니다. 나머지는 악의적 인 것입니다.
물론 실례지만, 당신은 당신이 어디에서 왔고 시장이 무엇인지 이해하지 못하고 있습니다. 당신이 클러스터를 지지하는 분석, 델타 및 시장을 실제로 움직이고 그 이유인 모든 것을 작성할 것이라는 것을 이해합니다. 그리고 당신이 언급한 대략 2006년에 개발된 JMA는 사람들에 의해 서비스에 도입되어 뼈까지 분해되고 JMA가 Masha보다 조금 더 낫다는 것을 깨닫고 말 그대로 조금, 위험한 MM으로 10년 안에 언젠가는 이익으로 이어질 수 있습니다. 멋진 헤지 펀드가 JMA, 아마도 COT 보고서, 거래량 분석, 옵션 수준을 사용한다고 생각하지 않습니다. JMA가 어떻든 상관없이 지표에 의존한다면 나는 당신과 이야기할 것이 없습니다. 당신은 시장이 무엇이며 그 참가자가 누구인지 정말로 이해하지 못합니다 .... ...
Прежде чем мы перейдем к рассмотрению методов библиотек seaborn и plotly, обсудим самый простой и зачастую удобный способ визуализировать данные из pandas dataframe — это воспользоваться функцией plot. Для примера построим график продаж видео игр в различных странах в зависимости от года. Для начала отфильтруем только нужные нам столбцы, затем посчитаем суммарные продажи по годам и у получившегося dataframe вызовем функцию plot без параметров.
sales_df = df[[x for x in df.columns if'Sales'in x] + [ 'Year_of_Release' ]] sales_df.groupby( 'Year_of_Release' ).sum().plot()
사실은 열의 이름이 숫자로 구성되어 있다는 것인데, 숫자를 올바르게 표시하는 방법 - 구문 은?
sales_df = df[[x for x in df.columns if1in x] + [ 2 ]] sales_df.groupby( 2 ).sum().plot()
Q ivestuta 오류 발생
--------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input- 75 - 494 b1527114a> in <module>() ----> 1 sales_df = df[[x for x in df.columns if1in x] + [ 2 ]]
TypeError: argument of type 'numpy.int64'is not iterable
우리는 여기서 강입자 충돌기를 생성하지 않습니다. 거래를 위해 수학자가 될 필요는 없습니다.
들어봐, 그럼 여기서 뭐해? 설교자...
기계가 연구되는 지점으로 이동하거나 확률론이 최적화되어 모든 것이 간단하고 명확합니다 ...이 지점에 오는 첫 번째 사람도 아니고 두 번째 사람도 아닙니다. 지식이없고 말할 것도 없습니다. , 그래서 신경망이 나쁘다고 홍보할게. 아무도 당신을 부르지 않았고 아무도 당신에게 올라가지 않았습니다.
좋은 시간! LSTM 네트워크의 경우 입력 매개변수가 어떤 형식으로 제공되는지 제안할 수 있습니까? 거기에는 "밸브"를 전환하는 시스템이 있습니다.
내가 아는 한, 그들은 숫자의 벡터(배열)를 입력에 공급하고, 결과를 계산한 다음, 두 번째 숫자 배열을 공급하고, 결과를 계산하는 식으로 계속됩니다.
결과를 계산할 때 입력은 모든 뉴런을 통과하고 이러한 뉴런은 이전 입력을 기억하는 것처럼 일종의 변경된 상태로 유지됩니다.
저는 신경망 을 이해하지 못합니다. 여기 사람들이 신경망을 실험하는 것을 보았지만 확실히 그 전에는 표시기 및 기타 시각화 패턴에 대한 시스템으로 작업했습니다.
문제는 TS 결과에 대한 많은 변수를 사용하여 TS의 효과를 테스트하기 위해 신경망을 사용하려고 시도한 사람이 있느냐는 것입니다. 가장 중요한 변수와 TS에 미치는 영향의 효과를 식별하기 위해 보고서 결과를 기반으로 합니까?
들어봐, 그럼 여기서 뭐해? 설교자...
기계가 연구되는 지점으로 이동하거나 확률론이 최적화되어 모든 것이 간단하고 명확합니다 ...이 지점에 오는 첫 번째 사람도 아니고 두 번째 사람도 아닙니다. 지식이없고 말할 것도 없습니다. , 그래서 신경망이 나쁘다고 홍보할게. 아무도 당신을 부르지 않았고 아무도 당신에게 올라가지 않았습니다.
나는 여기 "과학자"가 사람들을 혼란스럽게하고 학업 학위와 형성의 수로 의욕을 떨어 뜨리고 참가자를 유혹하는 것이 역겹습니다. 100% 유망하지 않은 거래 시스템에 많은 시간을 할애합니다. 신경망은 시장에 필요하지 않으며 80년대부터 존재해 왔으며 동시에 시장에서 최고 수준의 수학자들이 사용했으며 아무도 시장에서 실제로 사용하는 데 성공하지 못했다는 데 모두가 동의합니다. 지표에 대한 간단한 시스템은 물론 일반 자동차와 확률론이 아니라 예를 들어 자금 관리가 좋은 JMA 에서 훨씬 더 효율적입니다.
신경망과 복잡한 모델은 인형에게 "고기"를 먹여 오랜 기간 거래를 방해하고 지적 능력에 환멸을 느끼게 합니다. 실제로 쿨헤지펀드는 JMA 를 사용한다. 그리고 나는 margindale도 사용된다고 생각합니다. 그래서 그들은 아름다운 수익률 곡선을 가지고 있습니다. 귀하의 요구를 충족하고 TS의 규칙을 엄격히 준수하는 거래 시스템을 찾는 것이 중요합니다. 나머지는 악의적 인 것입니다.
1 ) 그런 아이디어가 있었지만 시도하지 않았습니다. 네트워크에 무엇을 넣을지와 결과(타겟)가 무엇인지에 대한 기호를 결정해야 합니다. 자라면 좋고 떨어지면 나빠지지만 뉘앙스가 있습니다.
2) 그러나 매개변수가 많다는 사실은 좋지 않다.
제 생각에는 두 가지 단계(레이어 - 소위 말하는 레이어)가 있어야 하는 것 같습니다. 첫 번째 단계에서 지표의 관계가 검색됩니다. 기본적이면 가장 큰 상관 관계가 있고 중복 상관 관계가 버려지고 두 번째 레이어는 나머지 지표를 고려하여 EA 변수가 입력으로 사용되며 선택한 지표에 미치는 영향을 살펴봅니다. 우리는 더 많은 거래를 우선시하면서 더 많은 이익, 더 적은 손실, 더 적은 손실 및 더 많은 거래당 이익을 위해 노력합니다.
두 번째 날 앉아서 손으로 똑같이 하면 TS에는 3개의 변수가 있으므로 모든 것이 명확하지 않습니다. :)
그건 그렇고, 아마도 여기 누군가가 알고있을 것입니다. 나는 하위 그룹으로 나눌 수있는 독립적 인 일련의 숫자 ( 최적화 결과 지표)를 가지고 있으므로 각 하위 그룹의 지표를 정규화합니다. 하위 그룹의 크기는 동일하지만 normalization 전후에 상관 관계를 수행하면 때로는 상관 관계가 원래 있던 곳에서 사라집니다. 나는 전체 숫자 시리즈에 대한 상관 관계를 확인합니다. 이 효과는 무엇을 의미합니까? 상관관계가 거짓이고 정규화로 이를 드러냈다는 가정이 있습니다. 예, 그룹의 최대 지표에 대한 백분율 형식으로 정규화를 수행합니다. 목표는 숫자 계열을 서로 비교하는 것입니다.
나는 여기 "과학자"가 사람들을 혼란스럽게하고 학업 학위와 형성의 수로 의욕을 떨어 뜨리고 참가자를 유혹하는 것이 역겹습니다. 100% 유망하지 않은 거래 시스템에 많은 시간을 할애합니다. 신경망은 시장에 필요하지 않으며 80년대부터 존재해 왔으며 동시에 시장에서 최고 수준의 수학자들이 사용했으며 아무도 시장에서 실제로 사용하는 데 성공하지 못했다는 데 모두가 동의합니다. 지표에 대한 간단한 시스템은 물론 일반 자동차와 확률론이 아니라 예를 들어 자금 관리가 좋은 JMA 에서 훨씬 더 효율적입니다.
신경망과 복잡한 모델은 인형에게 "고기"를 먹여 오랜 기간 거래를 방해하고 지적 능력에 환멸을 느끼게 합니다. 실제로 쿨헤지펀드는 JMA 를 사용한다. 그리고 나는 margindale도 사용된다고 생각합니다. 그래서 그들은 아름다운 수익률 곡선을 가지고 있습니다. 귀하의 요구를 충족하고 TS의 규칙을 엄격히 준수하는 거래 시스템을 찾는 것이 중요합니다. 나머지는 악의적 인 것입니다.
물론 실례지만, 당신은 당신이 어디에서 왔고 시장이 무엇인지 이해하지 못하고 있습니다. 당신이 클러스터를 지지하는 분석, 델타 및 시장을 실제로 움직이고 그 이유인 모든 것을 작성할 것이라는 것을 이해합니다. 그리고 당신이 언급한 대략 2006년에 개발된 JMA는 사람들에 의해 서비스에 도입되어 뼈까지 분해되고 JMA가 Masha보다 조금 더 낫다는 것을 깨닫고 말 그대로 조금, 위험한 MM으로 10년 안에 언젠가는 이익으로 이어질 수 있습니다. 멋진 헤지 펀드가 JMA, 아마도 COT 보고서, 거래량 분석, 옵션 수준을 사용한다고 생각하지 않습니다. JMA가 어떻든 상관없이 지표에 의존한다면 나는 당신과 이야기할 것이 없습니다. 당신은 시장이 무엇이며 그 참가자가 누구인지 정말로 이해하지 못합니다 .... ...
친구, 좋은 시간! 파이썬 사용법을 알려주세요
Для примера построим график продаж видео игр в различных странах в зависимости от года.
Для начала отфильтруем только нужные нам столбцы, затем посчитаем суммарные продажи по годам и у получившегося dataframe вызовем функцию plot без параметров.
sales_df = df[[x for x in df.columns if 'Sales' in x] + [ 'Year_of_Release' ]]
sales_df.groupby( 'Year_of_Release' ).sum().plot()
사실은 열의 이름이 숫자로 구성되어 있다는 것인데, 숫자를 올바르게 표시하는 방법 - 구문 은?
sales_df.groupby( 2 ).sum().plot()
Q ivestuta 오류 발생
TypeError Traceback (most recent call last)
<ipython-input- 75 - 494 b1527114a> in <module>()
----> 1 sales_df = df[[x for x in df.columns if 1 in x] + [ 2 ]]
TypeError: argument of type 'numpy.int64' is not iterable
따옴표로 묶인 경우 어떻게 합니까? Hello World 수준에서 Python을 알고 있지만 작동할 수 있습니다.
sales_df.groupby( '2' ).sum().plot()
따옴표로 묶인 경우에는 어떻게 됩니까? Hello World 수준에서 Python을 알고 있지만 작동할 수 있습니다.
sales_df.groupby( '2' ).sum().plot()
이미 모든 것을 시도했습니다