In the previous post, we’ve explored several approaches for aggregating raw data for a financial instrument to create observations called bars. In this post, we will focus on the next crucial stage of the machine learning pipeline — labeling observations. As a reminder, labels in machine learning denote the outcomes of the random variable that...
相当符合逻辑）一个哲学问题就是一个哲学的答案）。
想法是类似于分类算法的组成。例如，模糊分类是由K近邻法完成的，但有些邻居被另一种模糊分类的算法抛弃了。如果这有任何最低限度的意义，网上一定有关于这个问题的文章)
在这里，普拉多再次向我们伸出援手（元标签部分）。
https://towardsdatascience.com/financial-machine-learning-part-1-labels-7eeed050f32e
对于明显可分离的，SVM有时可能更好，但除此之外，提升或NS可能更好。
我希望该算法不仅能开箱即用，而且还能以某种方式考虑到我们的具体情况。在我看来，我们有一个混合和分离阶级的组合。或者可以说，在属性集合的不同地方，它们的混合程度会有很大不同。
我希望该算法不仅能开箱即用，而且还能以某种方式考虑到我们的具体情况。在我看来，我们有一个混合的和分离的班级。或者我们可以说，在属性集合的不同地方，混合的程度可能非常不同。
最简单的情况是在上面的链接中。进一步说，你可以发挥你的想象力 :)
循环，事实上，它与EA中的onTick或onTimer没有区别。
模板。
模板。
而且，Python程序可以作为一个服务或机器人来运行
https://www.mql5.com/ru/docs/integration/python_metatrader5/mt5symbolinfotick_py
最简单的情况是在上面的链接。然后你可以发挥你的想象力 :)
谢谢，希望有帮助。普拉多党 是我们的掌舵人!)
而且，Python程序可以作为一个服务或机器人来运行
https://www.mql5.com/ru/docs/integration/python_metatrader5/mt5symbolinfotick_py
是的，我们应该试试。部分原因是我已经得到了fxsaber的祝福)
是的，我们应该试试。部分，已经得到fxsaber的祝福)
在我测试mytarmailS 提出的MO库时，我已经做了。它像时钟一样工作，但TS从一开始就注定要失败 )
脚本运行，在一个循环中，它检查一个新的小时（或另一个时间段）的到来，并在逻辑上进行扭曲，一切都非常简单。我已经做了，当我测试mytarmailS 建议的MoD库时。一切都像钟表一样运作，只有MO本身最初是注定要失败的 )
脚本正在运行，在循环中，它检查一个新的小时（或另一个时间段）的到来，逻辑正在 旋转，一切都非常简单。测试一下呢？在自制的python测试器中？
测试情况如何？在一个自制的python测试器中？