Número de aprovação+Diferença entre função de estimativa directa e função hiperbólica (deve diminuir)+Generalisability+Lest highest generalisability (treta técnica puramente para si)
Max, estás mesmo a chatear as pessoas, mas acima de tudo estás a chatear-te a ti próprio. Lembre-se no mercado o principal é não se iludir......
porque isto são dados agrupados... tudo já é bom lá.
Estou surpreendido, que o parâmetro vroth entre em menos, acho que está relacionado ou com erro do optimizador, ou com um desequilíbrio demasiado grande entre as classes....
Bem olha Maxim, antes de mais nada tivemos que nivelar classes entre 1 e 2, onde no alvo 0=2 cluster.
Na matriz Mv0[q] você precisa alimentar exatamente aquelas entradas, que são indicadas pelo número //10
Arquivo de treinamento formatado em anexo onde a primeira linha os numerou em ordem. Não um pequeno, vais descobrir. E eu estou à espera de uma fotografia no estúdio...
Bem olha Maxim, antes de mais nada tivemos que nivelar classes entre 1 e 2, onde no alvo 0=2 cluster.
Na matriz Mv0[q] você precisa alimentar exatamente aquelas entradas que são indicadas pelo número //10
Arquivo de treinamento formatado em anexo onde a primeira linha os numerou em ordem. Não um pequeno, vais descobrir. E eu estou à espera de uma fotografia no estúdio...
Diga-me que tipo de erros você tem
Depois envio-te um conjunto de dados mais complicado, é muito simples.
Não preciso do código, tenho o mesmo que o Reshetov, mas em python. Dá o código mql imediatamente.
Vou ter de modificar a tua durante muito tempo, sou demasiado preguiçoso.
Mais tarde envio-te um conjunto de dados mais complicado, é muito simples.
Não preciso do código, tenho a mesma coisa que o Reshet, mas em python. Dá o código mql imediatamente.
Vou ter de modificar a tua durante muito tempo, sou demasiado preguiçoso.
Os erros no topo são comentados, retira-se as próprias funções polinomiais deste arquivo, não se esqueça das funções sigmoid e signum, signum faz um monte de dois polinómios em um commit, sigmoid é uma função de ativação.
Para ser honesto, quando eu estava rodando seu arquivo eu pensei que tinha um erro no cálculo da pontuação, mas agora eu carreguei o meu e tudo está no seu lugar.
O segundo número deve tender a zero, o terceiro a 100 o quarto fixa o terceiro com o segundo menos. É assim que se parece uma verdadeira estratégia que funciona. O que você largou, Maxim, faz-me pensar em investigar isso. É impossível obter um modelo de tal qualidade em uma área onde temos apenas 24 vetores desconhecidos e 550 deles no total. Tenho 58 vetores nesta foto e posso atingir o nível de 87% (terceira figura) com pena. A questão é que quando você obtém um resultado alto, ele lhe dá uma pausa para pensar. E se ele aprender bem, mas parar de trabalhar com novos dados. É importante trabalhar com novos dados, mas não toda esta.....
Mihail Marchukajtes: Os erros no topo são comentados, você mesmo puxa as funções polinomiais deste arquivo, não esqueça as funções sigmoid e signum, signum faz a ligação de dois polinómios em um commit, sigmoid é a função de ativação.
Então, é claro que não são todos usados. A adição de cada entrada duplica o tempo. O meu quad core puxa um máximo de 11 entradas. Eu otimizei o seu arquivo de cima para baixo....
Mihail Marchukajtes: Então, naturalmente, nem todos são usados. A adição de cada entrada duplica o tempo. O meu quad core puxa um máximo de 11 entradas. Eu otimizei o seu arquivo de cima para baixo....
Estou a ver, você é um optimizador... Não sei o que está a escrever)
Número de aprovação+Diferença entre função de estimativa directa e função hiperbólica (deve diminuir)+Generalisability+Lest highest generalisability (treta técnica puramente para si)
Max, estás mesmo a chatear as pessoas, mas acima de tudo estás a chatear-te a ti próprio. Lembre-se no mercado o principal é não se iludir......
Eu faço-o... e é isso que eu faço...
porque isto são dados agrupados... tudo já é bom lá.
é exactamente isso que estou a fazer.
Bem olha Maxim, antes de mais nada tivemos que nivelar classes entre 1 e 2, onde no alvo 0=2 cluster.
Na matriz Mv0[q] você precisa alimentar exatamente aquelas entradas, que são indicadas pelo número //10
Arquivo de treinamento formatado em anexo onde a primeira linha os numerou em ordem. Não um pequeno, vais descobrir. E eu estou à espera de uma fotografia no estúdio...
Bem olha Maxim, antes de mais nada tivemos que nivelar classes entre 1 e 2, onde no alvo 0=2 cluster.
Na matriz Mv0[q] você precisa alimentar exatamente aquelas entradas que são indicadas pelo número //10
Arquivo de treinamento formatado em anexo onde a primeira linha os numerou em ordem. Não um pequeno, vais descobrir. E eu estou à espera de uma fotografia no estúdio...
Diga-me que tipo de erros você tem
Depois envio-te um conjunto de dados mais complicado, é muito simples.
Não preciso do código, tenho o mesmo que o Reshetov, mas em python. Dá o código mql imediatamente.
Vou ter de modificar a tua durante muito tempo, sou demasiado preguiçoso.
Por favor, diga-me como encontrar uma encomenda com um lucro máximo (mql4).
Muito obrigado.
Diz-me que tipo de erros tens.
Mais tarde envio-te um conjunto de dados mais complicado, é muito simples.
Não preciso do código, tenho a mesma coisa que o Reshet, mas em python. Dá o código mql imediatamente.
Vou ter de modificar a tua durante muito tempo, sou demasiado preguiçoso.
Para ser honesto, quando eu estava rodando seu arquivo eu pensei que tinha um erro no cálculo da pontuação, mas agora eu carreguei o meu e tudo está no seu lugar.
O segundo número deve tender a zero, o terceiro a 100 o quarto fixa o terceiro com o segundo menos. É assim que se parece uma verdadeira estratégia que funciona. O que você largou, Maxim, faz-me pensar em investigar isso. É impossível obter um modelo de tal qualidade em uma área onde temos apenas 24 vetores desconhecidos e 550 deles no total. Tenho 58 vetores nesta foto e posso atingir o nível de 87% (terceira figura) com pena. A questão é que quando você obtém um resultado alto, ele lhe dá uma pausa para pensar. E se ele aprender bem, mas parar de trabalhar com novos dados. É importante trabalhar com novos dados, mas não toda esta.....
Os erros no topo são comentados, você mesmo puxa as funções polinomiais deste arquivo, não esqueça as funções sigmoid e signum, signum faz a ligação de dois polinómios em um commit, sigmoid é a função de ativação.
Aqui está um. Há apenas 12 fichas, não 24.
Eu tenho erros
>>> print(train_score, " ", tst_score)
1.0 0.5454545454545454
Aqui está um destes. Há apenas 12 fichas, não 24.
Eu tenho erros
>>> print(train_score, " ", tst_score)
1.0 0.5454545454545454
Então, naturalmente, nem todos são usados. A adição de cada entrada duplica o tempo. O meu quad core puxa um máximo de 11 entradas. Eu otimizei o seu arquivo de cima para baixo....
Estou a ver, você é um optimizador... Não sei o que está a escrever)