Forester #: Então, qual é o objetivo de uma kozula comercial? Nunca teremos motivos para as entradas. Receio que também não haverá associações. E o embaralhamento das colunas foi feito por permutação.
Acho que isso deve mostrar se há uma relação causal entre características e alvos ou não. Gosto das abordagens propostas, dos experimentos. Diferente do aprendizado habitual.
O problema pode ser a dificuldade de isolar o efeito de trituração devido à influência de fatores de confusão em um grande espaço de recursos. Mas a validação cruzada deve salvar o dia.
Na verdade, o que você fez foi decidir por si mesmo: ))))
Oscilador de momentum
Ah, legal! Obrigado! Agora eu entendo), mas ele precisa ser treinado novamente todas as vezes... caso contrário, não será possível reconhecer os componentes dos novos dados...
Ah, legal! Obrigado! Agora eu entendo), só que ele precisa ser treinado novamente todas as vezes... caso contrário, não poderá reconhecer componentes para novos dados...
Use umap, não t-sne.
A umap tem um preditor.
Mas se os novos dados ultrapassarem o intervalo dos dados antigos, o algoritmo não funcionará corretamente; nesse caso, é melhor usar o PCA comum.
Isso é tudo se estivermos falando de dados sem normalização.
Maxim Dmitrievsky #: Acho que ele deve mostrar se há uma relação causal entre os recursos e os alvos ou não. Gosto das abordagens propostas, experimentando. Diferente do aprendizado habitual.
O problema pode ser a dificuldade de isolar o efeito de trituração devido à influência de fatores de confusão em um grande espaço de recursos. Mas a validação cruzada deve salvar o dia.
Forester#: E então, qual é o objetivo da kozula para a negociação? Nunca teremos motivos para entrar. Receioque também nunca teremos associações. E o embaralhamento de colunas também estava na permutação.
O que isso tem a ver com seu cajuel?
Sem estar ciente de seu cajuel, venho calculando a causalidade há 10 anos, estimando-a quantitativamente, filtrando preditores pela variância da flutuação dessa relação quando a janela se move. E escrevi uma centena de postagens sobre isso neste tópico.
Sem saber do seu cajú, há 10 anos venho calculando a relação causal e avaliando-a quantitativamente, filtrando os preditores pela variância da flutuação dessa relação quando a janela se move. E escrevi uma centena de postagens sobre isso neste tópico.
Quanto tempo ainda lhe resta? )
Você pode pegar qualquer atributo em quantidade suficiente relacionado a séries temporais e qualquer rótulo que mostre lucros no testador e criar um modelo robusto a partir dele?
Afinal de contas, todos os derivados de BP são relevantes para ele :)
A tarefa é difícil em outras áreas em que não está claro de onde vem o recurso e por que ele é necessário. Há toneladas de lixo desse tipo no big data, que é muito difícil de filtrar. E, como consequência, muitas correlações falsas.
Nossa tarefa parece ainda mais primitiva em comparação com isso, se considerarmos a BP e seus derivados. Porque todos os sinais estão relacionados a ele.
Mas ainda temos que mexer no algoritmo e na lógica para combinar rótulos com recursos. Pode haver muitas lógicas. Então, você faz a sua e nós faremos a nossa.
Já escrevi por que gosto do kozul, porque eu mesmo cheguei a isso pensando. E ele se encaixou organicamente em minha ideia.
...
o carro se protege sozinho.
Hmm, interessante.
acitação também é o trabalho do computador de acordo com a fórmula que forneci acima, se é que existe algo.
....
pergunta - essa máquina está pronta para ensinar a ganhar?
provavelmente não.
))))
Não, ainda acho que uma classificação de membros seria legal.
Algumas vezes eles pegariam os idiotas no rodapé, e isso seria o fim.Então, qual é o objetivo de uma kozula comercial? Nunca teremos motivos para as entradas. Receio que também não haverá associações.
E o embaralhamento das colunas foi feito por permutação.
Eu ofereci um código do Graal?
A prática separa o tagarela do conhecedor.
Você pode dizer o que quiser, há muitos deles aqui que têm tudo simples , mas faça uma pergunta certa e tudo ficará bem.
Ficou claro sobre o que estamos falando?
onde A,B,C são instrumentos.
É quase a mesma coisa:
Ligue seu cérebro primeiro!
Você recebeu uma pista repetidamente e a todo momento, supostamente uma pista que ninguém entenderá
Eles estão tirando sarro do cérebro humano.
Não dói, não é mesmo?
Vamos lá, vamos ver quem consegue resolver essa charada.
Depois, tiraremos conclusões.
Resposta:
))))
Não, acho que uma classificação dos participantes seria legal.
provavelmente é um oscilador de algum tipo.
Na verdade, o que você fez foi decidir por si mesmo: ))))
Oscilador de momentum
Ah, legal! Obrigado! Agora eu entendo), mas ele precisa ser treinado novamente todas as vezes... caso contrário, não será possível reconhecer os componentes dos novos dados...
Ah, legal! Obrigado! Agora eu entendo), só que ele precisa ser treinado novamente todas as vezes... caso contrário, não poderá reconhecer componentes para novos dados...
Use umap, não t-sne.
A umap tem um preditor.
Mas se os novos dados ultrapassarem o intervalo dos dados antigos, o algoritmo não funcionará corretamente; nesse caso, é melhor usar o PCA comum.
Isso é tudo se estivermos falando de dados sem normalização.
para sabermos do que estamos falando?
onde A,B,C são instrumentos
Pare de escrever heresias aqui, e também heresias fora do tópico.
Até mesmo os membros rivais da discussão já estão ecoando em uma só voz.
Acho que ele deve mostrar se há uma relação causal entre os recursos e os alvos ou não. Gosto das abordagens propostas, experimentando. Diferente do aprendizado habitual.
E então, qual é o objetivo da kozula para a negociação? Nunca teremos motivos para entrar. Receioque também nunca teremos associações.
E o embaralhamento de colunas também estava na permutação.
O que isso tem a ver com seu cajuel?
Sem estar ciente de seu cajuel, venho calculando a causalidade há 10 anos, estimando-a quantitativamente, filtrando preditores pela variância da flutuação dessa relação quando a janela se move. E escrevi uma centena de postagens sobre isso neste tópico.
O que sua persuasão tem a ver com isso?
Sem saber do seu cajú, há 10 anos venho calculando a relação causal e avaliando-a quantitativamente, filtrando os preditores pela variância da flutuação dessa relação quando a janela se move. E escrevi uma centena de postagens sobre isso neste tópico.
Quanto tempo ainda lhe resta? )
Você pode pegar qualquer atributo em quantidade suficiente relacionado a séries temporais e qualquer rótulo que mostre lucros no testador e criar um modelo robusto a partir dele?A tarefa é difícil em outras áreas em que não está claro de onde vem o recurso e por que ele é necessário. Há toneladas de lixo desse tipo no big data, que é muito difícil de filtrar. E, como consequência, muitas correlações falsas.
Nossa tarefa parece ainda mais primitiva em comparação com isso, se considerarmos a BP e seus derivados. Porque todos os sinais estão relacionados a ele.
Mas ainda temos que mexer no algoritmo e na lógica para combinar rótulos com recursos. Pode haver muitas lógicas. Então, você faz a sua e nós faremos a nossa.
Já escrevi por que gosto do kozul, porque eu mesmo cheguei a isso pensando. E ele se encaixou organicamente em minha ideia.