교차 검증을 통해 훈련 샘플의 편향성(이것이 가장 중요한 것)과 분산이 제거되었기 때문에 모델은 새로운 데이터에서 +-로 적절하게 작동하기 시작합니다. 그런 다음 미세 조정할 수 있습니다.
그건 그렇고, 거래 사이에 균일 한 단계가 아니라 시간별로 차트를 만들려고 했습니까? 또는 반년 동안 2 개의 영역 만 5 년 동안 성장하고 나머지 시간은 거의 거래없이 저처럼 나올 수 있습니다. 그리고 같은 이유로 2 년 동안 감소했습니다. 당신은 그런 것을 진짜에 넣을 수 없습니다 ...
그건 그렇고, 거래 사이에 균등 한 단계가 아니라 시간별로 차트를 만들려고 했습니까? 또는 반년 동안 2 개의 성장 영역 만 있고 나머지 시간은 거의 거래없이 5 년 동안 그랬던 것처럼 나올 수 있습니다. 그리고 같은 이유로 2 년 동안 하락했습니다. 당신은 그런 것을 진짜에 넣을 수 없습니다 ...
시간이 아니라 단계별로하면 당신만큼 아름답게 될 것입니다.
당신의 칩은 아마도 범위를 벗어 났을 것입니다. 아래 유로돌 차트는 다소 균등하게 거래됩니다. 그러나 OOS는 항상 동일한 훈련 기간과 OOS로 더 적은 수의 거래가 있습니다. 지표가 더 나쁘기 때문이죠. 아직 완벽하게 만들지 못했습니다.
코줄은 모델 결과에 미치는 영향을 추정하기 위해 외부 변수를 사용합니다. 예측 변수나 이진 변수 등 무엇이든 될 수 있습니다. 심지어 예측 변수의 차이일 수도 있습니다.
그런 다음 다양한 기술을 사용하여 해당 매개변수가 예측에 미치는 영향을 추론합니다. 그런 다음 이 영향을 염두에 두고 모델을 개선하여 예를 들어 레이블의 새로운 값을 얻을 수 있습니다. 그리고 이중 머신 러닝에서 수행되는 것처럼 모델의 새로운 계수도 마찬가지입니다. 하나는 디비아스, 다른 하나는 노이즈 제거를 수행하는 두 가지 모델이 있습니다. 추정 과정에서 교차 검증이 사용되므로 새로운 데이터에 대해서도 새 매개변수가 더 강력해집니다. 그런 다음 최종 모델이 학습됩니다.
손가락으로 설명하기는 어렵고 특별한 문헌을 읽는 것이 좋습니다. 나는 몇 가지 변형을 만들었고 그들은 작동합니다. 주제는 고유 한 뉘앙스가있는 상당히 큽니다. 좋아하는 "패키지"가 있습니다.
순전히 경험적 접근 방식과 체르노 주코프와 같이 엄격하게 입증 된 접근 방식이 있습니다. 일반적으로 아름다운 기법입니다.
교차 검증을 통해 훈련 샘플의 편향성(이것이 가장 중요한 것)과 분산이 제거되기 때문에 모델은 새로운 데이터에서 +-로 적절하게 작동하기 시작합니다. 그런 다음 미세 조정할 수 있습니다.
다양한 방법이 있습니다. 하지만 제대로 작동하는 방법은 거의 없습니다. 그렇다면 이제 총계에서 분산이 증가하는 예측 변수의 영역을 찾아 이를 제외하는 모델을 구축한 다음, 분류 후 잔차에 대해 거래에 모델을 적용하기 위해 훈련하고 있는 것일까요?
시중에는 많은 방법이 있습니다. 하지만 제대로 작동하는 프루프는 거의 없습니다. 그래서 질문은 이제 총계에서 분산이 증가하는 예측 변수의 영역을 찾아서 이를 제외하는 모델을 구축한 다음 분류 후 잔차에 대해 거래에 모델을 적용하도록 훈련된 모델을 구축하려고 하는 것입니까?
그게 바로 그것이었습니다.
MO에는 물고기가 없다는 것은 이 스레드를 통해 반복해서 증명된 100% 명백한 사실입니다.
인터넷에서 그들은 기뻐하며 말합니다.
주위를 둘러보세요.
MO ts는 나머지와 다르지 않으며 성공률은 평균적으로 동일하다는 것을 알려주십시오 (약 0이지만 때로는 쟁기질)
강조 표시된 부분에 동의합니다.
모든 사람이 그런 건 아니죠:
아니요, Neira가 아니라 (그녀의 프로세서는 그러한 해결책을 찾는 것보다 끓일 것입니다) 제가 직접 해냈습니다.
교차 검증을 통해 훈련 샘플의 편향성(이것이 가장 중요한 것)과 분산이 제거되었기 때문에 모델은 새로운 데이터에서 +-로 적절하게 작동하기 시작합니다. 그런 다음 미세 조정할 수 있습니다.
그건 그렇고, 거래 사이에 균일 한 단계가 아니라 시간별로 차트를 만들려고 했습니까?
또는 반년 동안 2 개의 영역 만 5 년 동안 성장하고 나머지 시간은 거의 거래없이 저처럼 나올 수 있습니다. 그리고 같은 이유로 2 년 동안 감소했습니다. 당신은 그런 것을 진짜에 넣을 수 없습니다 ...
시간이 아니라 단계별로 하면 당신처럼 아름답게 될 것입니다.
그건 그렇고, 거래 사이에 균등 한 단계가 아니라 시간별로 차트를 만들려고 했습니까?
또는 반년 동안 2 개의 성장 영역 만 있고 나머지 시간은 거의 거래없이 5 년 동안 그랬던 것처럼 나올 수 있습니다. 그리고 같은 이유로 2 년 동안 하락했습니다. 당신은 그런 것을 진짜에 넣을 수 없습니다 ...
시간이 아니라 단계별로하면 당신만큼 아름답게 될 것입니다.
칩이 범위를 벗어난 것 같습니다. 아래 유로돌 차트를 보면 어느 정도 균등하게 거래되고 있습니다. 하지만 트레이딩 기간과 OOS는 항상 거래가 더 적습니다. 지표가 더 나쁘기 때문이죠. 아직 완벽하게 만들지 못했습니다.
시간 차트를 사용해보세요. 동일할 가능성도 배제할 수 없습니다....
코줄은 모델 결과에 미치는 영향을 추정하기 위해 외부 변수를 사용합니다. 예측 변수나 이진 변수 등 무엇이든 될 수 있습니다. 심지어 예측 변수의 차이일 수도 있습니다.
그런 다음 다양한 기술을 사용하여 해당 매개변수가 예측에 미치는 영향을 추론합니다. 그런 다음 이 영향을 염두에 두고 모델을 개선하여 예를 들어 레이블의 새로운 값을 얻을 수 있습니다. 그리고 이중 머신 러닝에서 수행되는 것처럼 모델의 새로운 계수도 마찬가지입니다. 하나는 디비아스, 다른 하나는 노이즈 제거를 수행하는 두 가지 모델이 있습니다. 추정 과정에서 교차 검증이 사용되므로 새로운 데이터에 대해서도 새 매개변수가 더 강력해집니다. 그런 다음 최종 모델이 학습됩니다.
손가락으로 설명하기는 어렵고 특별한 문헌을 읽는 것이 좋습니다. 나는 몇 가지 변형을 만들었고 그들은 작동합니다. 주제는 고유 한 뉘앙스가있는 상당히 큽니다. 좋아하는 "패키지"가 있습니다.
순전히 경험적 접근 방식과 체르노 주코프와 같이 엄격하게 입증 된 접근 방식이 있습니다. 일반적으로 아름다운 기법입니다.
교차 검증을 통해 훈련 샘플의 편향성(이것이 가장 중요한 것)과 분산이 제거되기 때문에 모델은 새로운 데이터에서 +-로 적절하게 작동하기 시작합니다. 그런 다음 미세 조정할 수 있습니다.
다양한 방법이 있습니다. 하지만 제대로 작동하는 방법은 거의 없습니다. 그렇다면 이제 총계에서 분산이 증가하는 예측 변수의 영역을 찾아 이를 제외하는 모델을 구축한 다음, 분류 후 잔차에 대해 거래에 모델을 적용하기 위해 훈련하고 있는 것일까요?
타임라인을 사용해 보세요. 동일할 가능성이 있습니다....
그런 창은 크지 않고 평균이 균일합니다. 징후가 범위를 벗어날 때 다른 TC에서도 마찬가지였습니다.
시중에는 많은 방법이 있습니다. 하지만 제대로 작동하는 프루프는 거의 없습니다. 그래서 질문은 이제 총계에서 분산이 증가하는 예측 변수의 영역을 찾아서 이를 제외하는 모델을 구축한 다음 분류 후 잔차에 대해 거래에 모델을 적용하도록 훈련된 모델을 구축하려고 하는 것입니까?
안 나갈 거예요. 문턱이 높아서 많은 거래가 끊깁니다. 중간에 활성화하면 훨씬 더 나빠질 것입니다. 일반적으로 거래 지표도 직접 올립니다 (오늘 작성하셨습니다).