분명한. 트리는 효율적으로 필터링하는 방법을 학습할 수 없었기 때문에 결과는 필터로 눈에 띄게 개선되지 않았으며 트랜잭션이 더 적었습니다. 사실, 좋은 거래와 나쁜 거래 중 일부는 무작위로 필터링되었습니다.
나는 malovhodov만을 위해 2015년에 나무를 훈련했습니다. filter_02 및 mnogovhodov_02가 2016년에 훈련되었으므로 테스터에서 2016년과 2017년을 비교하는 것이 좋습니다(2017년 - 일반적으로 아카이브에 없는 새 데이터, 이것이 가장 흥미롭게 볼 수 있음).
네, 그리고 저는 2015년에 훈련이 있었다고 생각했습니다. 그러면 상황은 이렇습니다. 필터가 없는 파란색과 필터가 있는 녹색
2015년은 상승세에 가깝고 2016년은 하락세이며 2017년은 일일 차트에서 거의 평평하다고 말해야 합니다. 저것들. 셋의 본질은 다소 다른데, 글로벌 트렌드가 한 몫 하는 것 같아요.
그러나 나를 위한 구매 항목은 arr_DonProc 예측자에 따라 5에서 9까지 생성됩니다. 따라서 트리의 일부가 자동으로 잘립니다.
추가 분기는 저에게 과적합으로 이어졌습니다. 정확도를 높이려면 더 복잡한 모델(숲 또는 뉴런)로 이동해야 합니다.
결국, 훈련 데이터에 대해 100%의 정확도로 분기할 수 있지만 새 데이터에 대한 그러한 트리가 병합만 된다면 요점은 무엇입니까? 훈련에서와 거의 동일한 새로운 데이터에 대한 결과를 보여줄 수 있는 모델을 훈련시키는 것이 필요하다.
최대 100%가 가능하고 다양한 예측 변수 집합을 사용하지만 여기에서는 완전한 잠재력이 분명히 사용되지 않습니다.
그건 그렇고, 저는 우리가 과거에 대해 더 많은 정보를 제공해야 한다고 생각합니다. 이제 회귀자와 iDelta에서 얻을 수 있습니다. 글쎄요, 몇 가지 더 많은 예측 변수가 있지만, 강세 및 약세 양초의 수와 같은 진부함은 없습니다. 행 - 서로의 관계 - 아마도 마찬가지로 유용할 수 있습니다.
분명한. 트리는 효율적으로 필터링하는 방법을 학습할 수 없었기 때문에 결과는 필터로 눈에 띄게 개선되지 않았으며 트랜잭션이 더 적었습니다. 사실, 좋은 거래와 나쁜 거래 중 일부는 무작위로 필터링되었습니다.
나는 malovhodov만을 위해 2015년에 나무를 훈련했습니다.
filter_02 및 mnogovhodov_02가 2016년에 훈련되었으므로 테스터에서 2016년과 2017년을 비교하는 것이 좋습니다(2017년 - 일반적으로 아카이브에 없는 새 데이터, 이것이 가장 흥미롭게 볼 수 있음).
네, 그리고 저는 2015년에 훈련이 있었다고 생각했습니다. 그러면 상황은 이렇습니다. 필터가 없는 파란색과 필터가 있는 녹색
2015년은 상승세에 가깝고 2016년은 하락세이며 2017년은 일일 차트에서 거의 평평하다고 말해야 합니다. 저것들. 셋의 본질은 다소 다른데, 글로벌 트렌드가 한 몫 하는 것 같아요.
그러나 나를 위한 구매 항목은 arr_DonProc 예측자에 따라 5에서 9까지 생성됩니다. 따라서 트리의 일부가 자동으로 잘립니다.
그러나 일반적으로 결과는 나쁘지 않습니다. 어떻게 생각하십니까?
추가 분기는 저에게 과적합으로 이어졌습니다. 정확도를 높이려면 더 복잡한 모델(숲 또는 뉴런)로 이동해야 합니다.
결국, 훈련 데이터에 대해 100%의 정확도로 분기할 수 있지만 새 데이터에 대한 그러한 트리가 병합만 된다면 요점은 무엇입니까? 훈련에서와 거의 동일한 새로운 데이터에 대한 결과를 보여줄 수 있는 모델을 훈련시키는 것이 필요하다.
최대 100%가 가능하고 다양한 예측 변수 집합을 사용하지만 여기에서는 완전한 잠재력이 분명히 사용되지 않습니다.
그건 그렇고, 저는 우리가 과거에 대해 더 많은 정보를 제공해야 한다고 생각합니다. 이제 회귀자와 iDelta에서 얻을 수 있습니다. 글쎄요, 몇 가지 더 많은 예측 변수가 있지만, 강세 및 약세 양초의 수와 같은 진부함은 없습니다. 행 - 서로의 관계 - 아마도 마찬가지로 유용할 수 있습니다.
믿음의 문제는 무엇입니까? 차트에 구불구불한 선이 있는데 어떻게 해석해야 할지 모르겠습니다.
랜덤 포레스트는 모든 틱 에 대해 계산됩니다. 일반적인 가격 흐름과 같이 막대로 결과를 수집하면 다음과 같은 차트가 나타납니다. 공식이 있을 때는 해석이 필요하지만 여기서는 명확성을 위해 숲의 결과일 뿐입니다.
그러면 "재미있는 그림!" 화면만 대답할 수 있습니다. 본질이 당신에게만 명확하다면 그들이 모든 사람에게 보여주고 싶은 것이 분명하지 않기 때문에 ...
산림 오류 백분율은 일정 기간 동안 계산됩니다. 그리고 그래프에서 특정 순간에 숲의 데이터와 현실 사이의 불일치를 볼 수 있습니다(저는 거기에 M5가 있습니다).
물론 다른 숲의 그래프는 내 것과 완전히 다를 것입니다.
산림 오류 백분율은 일정 기간 동안 계산됩니다. 그리고 그래프에서 특정 순간에 숲의 데이터와 현실 사이의 불일치를 볼 수 있습니다(저는 거기에 M5가 있습니다).
물론 다른 숲의 그래프는 내 것과 완전히 다를 것입니다.
이제 더 명확해졌지만 각 틱 에서 예측되는 것이 명확하지 않습니다. 다음 틱은 무엇입니까?
실제로는 매 틱마다 계산할 것입니다. 여기에서는 아마도 OpenCL만이 최고급 비디오 카드에 도움이 될 것입니다.
나는 단지 내 숲의 예를 들었습니다. 그리고 나는 내 모델의 결과를 처리하도록 요청하지 않았습니다.
모델에서 정확히 무엇이 잘못된 것인지에 대한 권장 사항을 원하면 이상한 표 대신 실제 가격 차트에 결과를 표시하십시오.
그러나 일반적으로 결과는 나쁘지 않습니다. 어떻게 생각하십니까?
2017년은 플러스, 조금 기쁘게 생각합니다.
한 번 더 해보겠습니다. mnogovhodov_02 파일을 가져와서 새 대상을 만들었습니다.
arr_Buy = 1인 클래스 "1"
"-1" 여기서 arr_Sell = -1
다른 경우 "0"
귀하의 전략에는 그러한 목표가 더 적절해 보입니다.
나는 단지 내 숲의 예를 들었습니다. 그리고 나는 내 모델의 결과를 처리하도록 요청하지 않았습니다.
모델에서 정확히 무엇이 잘못된 것인지에 대한 권장 사항을 원하면 이상한 표 대신 실제 가격 차트에 결과를 표시하십시오.
검색에는 모델이 없습니다. 표는 더 많은 것이 필요할 때까지 결과의 변화를 보여줍니다. 움직이는 것은 살아 있음을 의미합니다.
2017년은 플러스, 조금 기쁘게 생각합니다.
한 번 더 해보겠습니다. mnogovhodov_02 파일을 가져와서 새 대상을 만들었습니다.
arr_Buy = 1인 클래스 "1"
"-1" 여기서 arr_Sell = -1
다른 경우 "0"
귀하의 전략에는 그러한 목표가 더 적절해 보입니다.
이것은 3개 이상의 대상 트리 출력을 빌드할 수 있음을 의미합니까?