Duas colunas devem ser alimentadas no modelo - tanto senoidal como cosseno para o relógio. E seno + cosseno para o dia da semana. Veja o link para uma descrição do motivo pelo qual isto deve ser feito.
pi = 3,141529 ... da escola.
Está bem, vou dar-vos dois...
E sobre pi, então o número pode ser muito grande - quem sabe que precisão é necessária...
parece que... bem, sim, fascina, mas na realidade - porquê? se o objectivo de escrever um diploma ou um doutoramento - sim, é um livro de secretária
se o objectivo é a série cronológica - este livro é sobre outra coisa, sobre a invenção da floresta aleatória no início do desenvolvimento de computadores
imho, mesmo conjuntos de NS pouco habituados à aplicação na prática, como trabalhar com BP? bem, como opção para bagunçar um monte de NS, e no final você recebe o autoecoder? - Duvido que mesmo uma rede convolucional possa ser obtida com este livro.
Vorontsov é um conhecimento antigo mais relevante, e processamento de dados - estou mastigando alguns cursos online sobre BP - há algo nele ;)
Você deveria tê-lo lido há alguns anos, quando o postou aqui pela primeira vez )). Estas abordagens ainda estão em uso, inclusive para séries cronológicas, e têm uma série de vantagens em relação à aprendizagem profunda. Por exemplo, Zircon tem um desempenho melhor que Lstm em séries temporais e o princípio é o mesmo que MSUA. Autocodificadores e convoluções são uma história completamente diferente. Há alguma coisa sobre a série cronológica para ver? Normalmente é tudo uma questão de sazonalidade e autoregressão. Na verdade, estes componentes só atrapalham o mercado.
Não há um interpretador de modelos no MT5 com preditores de categorização e CatBoost com linha de comando pode fazer tudo o que a versão python pode fazer, exceto coisas puramente python, como a visualização.
Duas colunas devem ser alimentadas no modelo - tanto senoidal como cosseno para o relógio. E seno + cosseno para o dia da semana. Veja o link para uma descrição do motivo pelo qual isto deve ser feito.
pi = 3,141529 ... da escola.
Está bem, vou dar-vos dois...
E sobre pi, então o número pode ser muito grande - quem sabe que precisão é necessária...
Você tem CATboost 😑
Então, e? Estou curioso :))) Dias da semana em que ele cuspiu, agora vamos ver na nova embalagem de números para o resultado.
Então, e? Estou curioso :))) Dias da semana em que ele cospe, agora vamos ver nos novos números embrulho para o resultado.
Adicionado acima
Você tem CATboost 😑 apenas marque as características como categóricas
Não consigo colocar características categóricas no código MQL :(
Eu não tenho a possibilidade de salvar categoricalidade no código MQL :(
Está bem, vou dar-vos dois...
E sobre Pi, então o número pode ser muito alto - quem sabe que precisão é necessária...
7 dígitos é suficiente
Essa libra não funciona com kat chips?
Não.
Não.
viu este livro há uns anos atrás.
parece que... bem, sim, fascina, mas na realidade - porquê? se o objectivo de escrever um diploma ou um doutoramento - sim, é um livro de secretária
se o objectivo é a série cronológica - este livro é sobre outra coisa, sobre a invenção da floresta aleatória no início do desenvolvimento de computadores
imho, mesmo conjuntos de NS pouco habituados à aplicação na prática, como trabalhar com BP? bem, como opção para bagunçar um monte de NS, e no final você recebe o autoecoder? - Duvido que mesmo uma rede convolucional possa ser obtida com este livro.
Vorontsov é um conhecimento antigo mais relevante, e processamento de dados - estou mastigando alguns cursos online sobre BP - há algo nele ;)
Aprenda Python, há 2 linhas
Devo ter entendido mal a sua pergunta.
Não há um interpretador de modelos no MT5 com preditores de categorização e CatBoost com linha de comando pode fazer tudo o que a versão python pode fazer, exceto coisas puramente python, como a visualização.