Maxim Dmitrievsky #: Qualquer agrupamento ou classificador tem uma matriz de probabilidades, transições ou distâncias. São os chamados valores brutos. E há rótulos de classe/cluster. Ele está comparando coisas diferentes.
Sim, mas não é totalmente preciso. É como eu prefiro descrever o estado atual e prever o futuro. Essas tarefas são essencialmente as mesmas. Uma mudança de estado é uma previsão, embora seja uma descrição do estado atual))))
Sim, mas não é totalmente preciso. É como eu prefiro descrever o estado atual e prever o futuro. Essas tarefas são essencialmente as mesmas. Uma mudança de estado é uma previsão, embora seja uma descrição do estado atual))))
Isso é absolutamente inequívoco. Enquanto houver comparação de uma opa com um dedo, não participarei mais do diálogo. Além disso, não fui eu que o iniciei.
Maxim Dmitrievsky #: É inequívoco. Enquanto houver uma comparação de um opa com um dedo, não participarei mais do diálogo. Além disso, não fui eu que o iniciei.
Essencialmente, a probabilidade futura e o agrupamento de estados são a mesma coisa, qual é a diferença?
Essencialmente, a probabilidade futura e o agrupamento de estados são a mesma coisa. Qual é a diferença?
Está sendo difícil, não está? Probabilidades brutas sem limite vs. clusters já com limite
Você pode ver em suas imagens que ele está comparando discreto com contínuo. E ele está extraindo o limite do nada. E está usando esse chapéu como prova.
Por que ele não desenhou essa linha no gráfico? É a mesma coisa
Há valores idênticos para ambos os métodos, se o limite for calculado corretamente para o segundo método.
Maxim Dmitrievsky #: Está sendo difícil, não está? Probabilidades brutas sem limite vs. clusters já com limite
Você pode ver nas imagens que ele está comparando discreto com contínuo. E ele está extraindo o limite do nada. E está usando esse chapéu como prova.
Por que ele não desenhou essa linha no gráfico? É a mesma coisa
Na verdade, há uma semelhança, uma linha é uma média de padrões, sim, mais é menos, e como caracterizar o movimento? Apenas pela distância percorrida, e a distância é apenas a menor distância, ou seja, uma grade. Sim, as entidades discretas são mais complicadas do que as contínuas, mas é com o que temos que trabalhamos)).
Tenho um filho que trabalha meio período como comentarista em corridas de competição)))). Bem, e também na vida real, no kart e nos próprios patins))))))
Eu o fiz apenas por diversão). Utilizei o Random Forest.
Variáveis não usadas: X_OI X_PER X_TICKER
Conforme solicitado, treyne e teste pela metade.
Limitei o número máximo de árvores cultivadas a 500.
MSE no treinamento para 500 árvores cultivadas
MSE no teste para 500 árvores cultivadas
A métrica resultante na linha de base (OOB) e no teste. Aqui não sei como trazer sua precisão de 0 ,77 da floresta aleatória para essa métrica. Provavelmente você deve subtrair o MSE de um, 1- 0,16 = 0,84 Então você obtém a precisão como no XGBoost )).
Bem, e as variáveis que contribuem para o treinamento.
A métrica resultante na trilha (OOB) e no teste. Aqui não sei como trazer sua precisão de 0 ,77 da floresta aleatória para essa métrica. Provavelmente o MSE deve ser subtraído de um,
Você está fazendo regressão, você está fazendo classificação! Você entendeu tudo errado.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Qualquer agrupamento ou classificador tem uma matriz de probabilidades, transições ou distâncias. São os chamados valores brutos. E há rótulos de classe/cluster. Ele está comparando coisas diferentes.
Sim, mas não é totalmente preciso. É como eu prefiro descrever o estado atual e prever o futuro. Essas tarefas são essencialmente as mesmas. Uma mudança de estado é uma previsão, embora seja uma descrição do estado atual))))
Sim, mas não é totalmente preciso. É como eu prefiro descrever o estado atual e prever o futuro. Essas tarefas são essencialmente as mesmas. Uma mudança de estado é uma previsão, embora seja uma descrição do estado atual))))
É inequívoco. Enquanto houver uma comparação de um opa com um dedo, não participarei mais do diálogo. Além disso, não fui eu que o iniciei.
Essencialmente, a probabilidade futura e o agrupamento de estados são a mesma coisa, qual é a diferença?
Essencialmente, a probabilidade futura e o agrupamento de estados são a mesma coisa. Qual é a diferença?
Está sendo difícil, não está? Probabilidades brutas sem limite vs. clusters já com limite
Na verdade, há uma semelhança, uma linha é uma média de padrões, sim, mais é menos, e como caracterizar o movimento? Apenas pela distância percorrida, e a distância é apenas a menor distância, ou seja, uma grade. Sim, as entidades discretas são mais complicadas do que as contínuas, mas é com o que temos que trabalhamos)).
Eu preferiria transmitir um brinquedo. O que mais há para fazer em um sábado?
https://www.twitch.tv/gamearbuser
Tenho um filho que trabalha meio período como comentarista em corridas de competição)))). Bem, e também na vida real, no kart e nos próprios patins))))))
Tenho um filho que trabalha meio período como comentarista em corridas de competição)))). Bem, e na vida real, ele também anda de kart e patins)))))
deixe-o transmitir como ele anda de skate) e ele coletará doações mais tarde.
data definida
10 primeiras informações sobre o preço das ações, se você quiser criar novos recursos, caso contrário, eles deverão ser removidos do treinamento.
última linha - alvo
dividir a seleção ao meio para treinamento e teste
no Forrest sem nenhum ajuste que eu obtenha nos novos dados
no hgbusta com os novos recursos, obtive Akurashi 0,83.
Gostaria de saber se é possível atingir 0,9 Akurasi?
Ninguém sequer tocou nele? (
Eu o fiz apenas por diversão).
Utilizei o Random Forest.
Variáveis não usadas:
X_OI
X_PER
X_TICKER
Conforme solicitado, treyne e teste pela metade.

Limitei o número máximo de árvores cultivadas a 500.
MSE no treinamento para 500 árvores cultivadas

MSE no teste para 500 árvores cultivadas

A métrica resultante na linha de base (OOB) e no teste.
Aqui não sei como trazer sua precisão de 0 ,77 da floresta aleatória para essa métrica.
Provavelmente você deve subtrair o MSE de um,
1- 0,16 = 0,84
Então você obtém a precisão como no XGBoost )).
Bem, e as variáveis que contribuem para o treinamento.

Esse é o tipo de análise que obtive)
Eu o toquei apenas por diversão)
Floresta aleatória usada.
Variáveis não utilizadas:
X_OI
X_PER
X_TICKER
Conforme solicitado, controle e teste pela metade.
Bem, os preços absolutos da OHLC provavelmente devem ser descartados também (como escrevi).
MSE na bandeja para 500 árvores adultas
MSE no teste para 500 árvores cultivadas
A métrica resultante na trilha (OOB) e no teste.
Aqui não sei como trazer sua precisão de 0 ,77 da floresta aleatória para essa métrica.
Provavelmente o MSE deve ser subtraído de um,
Você está fazendo regressão, você está fazendo classificação! Você entendeu tudo errado.
Bem, os preços absolutos da OHLC provavelmente deveriam ser descartados também) enquanto escrevo isso
Você está fazendo regressão, deveria estar fazendo classificação! Você entendeu tudo errado
Aqui está a classificação, sem a OHLC.
A precisão é de 0,79.

Teste ROC.

Matriz de confusão.

Variáveis de influência
