Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2560
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Neye ihtiyacım olduğunu anladım - özel bir ff ayarlama olasılığı. Ancak bu HMMFit() işlevi, Baum-Welsh'i sabit kodlanmış bir f ile uyguladığı için bu olasılığı desteklemez. f. -LLH. Yalnızca bazı Baum-Welsh parametrelerini ayarlayabilirsiniz
Özel bir f ayarlayabileceğiniz başka bir pakete ihtiyacımız var. f.
Şaka şu ki, AMO ile ff'nizi kullanabileceğiniz böyle anlaşmalar görmedim ..
ya X,Y (tarih, hedef) ya da sadece X(tarih) ayarladınız
Ancak AMO'nun "cesaretine" girme ve onları oraya taşıma ve f.f. açısından ne olacağını görme fırsatı her zaman vardır.
Yaptığım şey bu benim hayatım hack, nöronu bu şekilde eğittim, ormanı da, şimdi daha fazla SMM istiyorum
İşin komik yanı, AMO ile ff'nizi kullanabileceğiniz böyle anlaşmalar görmedim..
ya X,Y (tarih, hedef) ya da sadece X(tarih) ayarladınız
Ancak AMO'nun "cesaretine" girme ve onları oraya taşıma ve f.f. açısından ne olacağını görme fırsatı her zaman vardır.
Yaptığım şey bu benim hayatım hack, nöronu bu şekilde eğittim, ormanı da, şimdi daha fazla SMM istiyorum
LightGBM'de kendinizinkini ayarlayabilirsiniz, ancak çoğu zaman böyle bir olasılık yoktur.
LightGBM'de kendinizinkini ayarlayabilirsiniz, ancak çoğu zaman böyle bir olasılık yoktur.
Hangi metrikleri kullandığımı ve modelleri seçmek için hangi kriterleri kullandığımı tekrar söylememi ister misiniz?
Sonuçta, bu MO'daki en önemli şey, temel soru :-)
Muhtemelen genel kabul görmüş basit tanımlara dönmeliyiz.
Durağanlığın tanımıyla ilgili olarak, bu açıkça bir soyutlamadır, çünkü ya bu, dalgalanmaların olmadığı bir noktadır ve o zaman ölçüm penceresi önemli değildir ya da minimum pencere veya ölçüm için bir pencere aralığı ile hala dalgalanmalardır.
Öte yandan, düzenlilik kesin olarak durağanlık oluşturabilir - çünkü bu, ölçümlerinin penceresi değil, bir noktanın durumudur.
Buna göre durağanlık, eğer bu durağanlık hedef hakkında bilgi içeriyorsa, öngörülebilirliği ve dolayısıyla öğrenmeyi doğrudan etkiler.
Daha önce yazdığım gibi, şu anda belirli bir ölçüm penceresiyle durağanlıklarının değerlendirilmesi yoluyla tahmin edicileri seçme yaklaşımını kullanıyorum.
LightGBM'de kendinizinkini ayarlayabilirsiniz, ancak çoğu zaman böyle bir olasılık yoktur.
Yine de xgboost yapabilir, ancak f-th Puanlarınızı yazın. karmaşık. Formüllere ihtiyacımız var.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6. paragraf.
Durağanlığın tanımıyla ilgili olarak, bu açıkça bir soyutlamadır, çünkü ya bu, dalgalanmaların olmadığı bir noktadır ve o zaman ölçüm penceresi önemli değildir ya da minimum pencere veya ölçüm için bir pencere aralığı ile hala dalgalanmalardır.
Öte yandan, düzenlilik kesin olarak durağanlık oluşturabilir - çünkü bu, ölçümlerinin penceresi değil, bir noktanın durumudur.
Buna göre durağanlık, eğer bu durağanlık hedef hakkında bilgi içeriyorsa, öngörülebilirliği ve dolayısıyla öğrenmeyi doğrudan etkiler.
Daha önce yazdığım gibi, şu anda belirli bir ölçüm penceresiyle durağanlıklarının değerlendirilmesi yoluyla tahmin edicileri seçme yaklaşımını kullanıyorum.
hiç bir şey anlamadım
model oluşturulduktan sonra gürültü durağan olmalı, başka hiçbir yerde talep yokhiç bir şey anlamadım
anlamak istiyor musun
ff'yi özel metriklerle karıştırmadığınızdan emin misiniz?
Öyle görünmüyor - python'da bir örnek .
model oluşturulduktan sonra gürültü durağan olmalı, başka hiçbir yerde talep yok
Doğru, tahminci ile hedef arasındaki bağlantıdan bahsediyorum.
Bu nedenle, farklı örnekleme aralıklarında ayırma veya tahmin edicileri birleştirmek için başka bir mekanizma ile "durağanlık" tahmini veren bir model oluşturma yöntemini bilmiyorum. Tüm modeller örnek alanlara uyar, yalnızca iyileştirmenin nicel göstergesini tahmin eder, ancak bunu aralıklarla tahmin etmeniz gerekir, o zaman model daha kararlı olabilir.