Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
No contexto a que estou me referindo - uma avaliação por partes de um intervalo de dados para identificar um pedaço (segmento quântico) cuja probabilidade de pertencer a uma das classes é x por cento maior do que a média de todo o intervalo.
O que é quantificação?)
Há algum tempo, havia um código do catbust.
No contexto que mencionei, é uma avaliação por partes de um intervalo de dados para identificar uma parte (segmento quântico) cuja probabilidade de pertencer a uma das classes é x por cento maior do que a média de todo o intervalo.
Há algum tempo, havia um código do catbusta.
Dê uma olhada nele e você verá o que está acontecendo.
Há algum tempo, havia um código do catbusta.
É complicado. Classifique a coluna e divida-a em 32 partes, por exemplo, se houver duplicatas, todas elas serão jogadas no quantum. Se a coluna tiver apenas 0 e 1, haverá 2 quanta, não 32 (porque há duplicatas).Como está indo o impulso e a maximização dos lucros?
Até o momento, não tive sorte, especialmente no caso do butim. Ele precisa de suavidade, de modo que haja gradiente e hessiano. O lucro não será assim, então você precisa pensar em como suavizá-lo.
A variante local da árvore única, sobre a qual escrevi aqui recentemente, é suficiente para mim por enquanto.
No contexto que mencionei - uma avaliação por partes de um intervalo de dados para identificar um pedaço (segmento quântico) cuja probabilidade de pertencer a uma das classes é x por cento maior do que a média de todo o intervalo.
Em essência, verifica-se que uma árvore é construída separadamente em cada preditor.
Até o momento, não é possível, especialmente para bousting) Você precisa de suavidade, portanto, precisa de gradiente e hessiano. O lucro não será assim, então precisamos pensar em como suavizá-lo.
A variante local da árvore única, sobre a qual escrevi aqui recentemente, é suficiente para mim por enquanto.
Você assistiu ao vídeo, aquele para o qual dei o link?
O homem que estava lá estava falando sobre como converter uma árvore não suave em uma suave por meio da RL.
A sabedoria popular diz que não se pode ver a floresta por causa das árvores. Gostaria de saber se é possível ver uma árvore colhendo as folhas. Não estou perguntando sobre a floresta.
Esse é o único algoritmo que você conhece? Ou é o mais eficiente? Por que você está obcecado por ele?
É um pensamento passageiro.
Boa sorte
A pergunta é bastante relevante. Para mim, a resposta é mais ou menos a seguinte: se os preditores forem homogêneos (por exemplo, pixels de uma imagem ou as últimas N velas), o formato das classes pode ser arbitrário, portanto, as regras não são muito apropriadas. Se os preditores forem heterogêneos (por exemplo, preço e tempo), é mais provável que as classes tenham uma forma retangular dada pelas regras.
Obviamente, não há uma justificativa clara para isso, apenas uma hipótese.
Você assistiu ao vídeo que eu vinculei?
Lá, o homem estava apenas falando sobre como converter não suave em suave via RL
É uma matemática diferente, eu acho. Não consigo explicar bem porque eu mesmo não a entendo completamente. No bousting, é o gradiente por função, mas no vídeo é o gradiente usual por pesos de rede.
Faixa de dados ou faixa de valores da ficha?
O intervalo de valores do preditor que descreve os dados.
Eu praticamente descrevi o algoritmoaqui - há uma imagem com o RSI.