Алгоритм C4.5 строит классификатор в форме дерева решений. Чтобы сделать это, ему нужно передать набор уже классифицированных данных. А что такое классификатор? Классификатор – это инструмент, применяемый в data mining, который использует классифицированные данные и на их основании пытается предсказать, к какому классу стоит отнести новые...
我理解树木和森林的区别（或者我认为我理解），当数据中存在更多的不确定性时，森林更好用，即不太稳定的模式，因为森林是通过投票做出决定的，而随机（由于缩短而独立）的树木是通过投票做出决定的，或者我错了？
我不知道，我是根据结果来判断的。
而 "adad "选项我没有，它不在截图中，有 "森林"--这不是它吗？
按顺序排列。
树木
rpart "包提供了 "rpart "功能。
晋升
# 极限提升
# `xgboost' 包实现了极端梯度提升算法。
证券公司
# 支持向量机。
# "kernlab "软件包提供了 "ksvm "功能。
线性
# 回归模型
# 建立一个回归模型。
神经网络
# 神经网络
# 使用nnet包建立一个神经网络模型。
library(nnet, quietly=TRUE)
顺便说一句，我为你做了这项工作--你可以自己在日志中看到这一切。如果你有另一个版本的拨浪鼓，清单可能有所不同。
谢谢你的笔录。我有5.1.0版本，可能是最新的--所有这些软件包在被调用时都会自动安装，此外还有 "森林"。
该库根据我的订单进行了修改--我需要一个来自MT5的测试器。我做了计算，懒得去查，可能已经清理了。
看一看弗拉基米尔-佩雷文科的 文章
谢谢，我会看看的。
那么，如何用R切割文件，是否需要使用一种特殊的算法？看看最后会发生什么，这很有意思。
以指数为例。[1:2000,], [2001:4000,].重要的是，不要破坏第二个文件中的自然时间顺序。
换句话说，你可以在Excel中切割它，对吗？
用你喜欢的方式试试吧 :) 最主要的是不要忘记阅读理论，以免做傻事，使用任何包都不难，有很多包，甚至在网上--你不需要安装任何东西。datasens的蓬勃发展，"它 "无处不在
我没有时间分析档案，我在做我自己的事情。
问题是，不同的变体给出了不同的结果，如果是这样，怎么能得出关于预测器质量的结论？只是事实证明，有必要采取平均版本，即如果到处都不坏，那么就好，然后调整网络/树木/森林？
而且，我还想知道如何将树的逻辑转移到专家顾问上......
所以你也可以在Excel中切割，对吗？
没有必要使用Excel。一条线，就是这样。
阅读罗伯特-I-卡巴科夫《行动中的R》。R语言的数据分析和可视化。它可以在互联网上找到。
没有必要使用Excel。1行，仅此而已。
阅读 - 罗伯特-I-卡巴科夫R在行动。R语言的数据分析和可视化。它可以在互联网上找到。
你可能不知道一切--我没有学习R编程的目的，我需要检查预测器和将规则集转换为MT5的可能性。一般来说，如果是一个字符串，为什么不直接为你写呢？目前，我已经用现有的手段应对了。
你的拨浪鼓图片是不完整的。至少你应该去邻近的评估标签，看看那里的结果。
但最重要的是将源文件分成两部分，并使用不同的名称（很可能你必须在R中完成）。
在第一个文件 中，你建立了所有六个模型，并查看了它们的估计测试，验证。 然后你把第二个文件的名称写到R数据集字段中。而在这上面你又得到了分数。所有的估计必须大致吻合!
如果这些估计值不一致，而且第二个文件显示模型的结果更差，那么这意味着模型被过度训练，其原因是噪声（与目标变量无关）预测器。
这是关键时刻：要么你有一组与特定目标变量相关的预测器，要么你没有。而且没有任何模型可以解决这个不幸的情况。然后，寻找一对 "目标预测器 "的愚蠢工作开始了，模型一点都不有趣，你会找到一对，然后模型只是R中的种子，你会在一天内找到十几个，并把它们组成合奏。
我将请你更详细地解释。
1.在 "评估 "选项卡中，在 "类型 "组中应选择什么参数？
2.为了能够输入第二个文件的名称，我应该怎么做？我的窗口是活动的，但我不能选择一个文件!而 "CSV文件"--为什么我可以选择那里？
问题是，不同的选项给出了不同的结果，如果是这样的话，我们怎么能对预测器的质量下结论？是否只是简单地采取平均变体，即如果不是到处都很糟糕，那么就没有问题，然后调整网络/树木/森林？
而且，我还想知道如何将树的逻辑转移到专家顾问上......。
为什么？mt5有一个随机森林，你可以根据你的需要来调整它。注意错误，并给它测试例子，观察结果。唯一的问题是，它没有输出变量
但如果你考虑到各地的算法都是一样的，你可以在R中进行可视化和实验，然后训练它并使用MT。
总之，如果是一句话，为什么不直接写给你？好吧，在这期间，我已经用手头的手段处理了。
好吧，我没问，你问了。）我不需要它。）
如果你和R一起工作，你可能不得不这样做。
我想请你更详细地解释一下。
1.在 "评估 "选项卡中，我应该在 "类型 "集中选择哪个参数？
2.我应该怎样做才能输入第二个文件的名称？我的窗口是活动的，但我不能选择一个文件!而 "CSV文件"--为什么我可以选择那里？
1.任何。这是一个不同的模式评价，每一个都有不同的意义。Rattle之所以好，正是因为它给初学者提供了系统的机器学习知识：输入数据的准备、建模、模型的估计。只有在至少掌握了所有这三个部分的原始水平后，才有可能从玩弄数字转向更有意义的事情。
2.R数据集是一个R文件。这意味着，在数据选项卡上，初始数据被加载为RData文件--就R而言，它是一个工作区。在这个工作空间中，准备了两个数据框架：一个用于训练和测试模型，另一个作为这个非常R数据集。
对你来说，最简单的方法是上传一个现成的Excel文件，下载日志，退出到R，并将得到的数据框分成两个。
或者说。
打开R本身，在那里下载excel文件--这是一行字。然后，它将数据框分成两部分。
但你必须使用训练好的模型的第二个文件。
为什么？MT5有一个随机森林，你可以根据你的需要调整它。
或者，考虑到各地的算法都是一样的，你可以在R中进行可视化和实验，然后在MT中进行训练和使用。
Deductor Studio "程序很好地显示了一切，即树形、规则；我在R中还没有看到，在MT5中也不会有（也就是说，一切都可以做到，但我必须为此付费......）。所以，事实证明，我应该使用algib库来将随机森林纳入MT5，不是吗？
我在R中找到了一段C4.5 算法的代码 http://datascientist.one/algorithm-c4-5/，在MT5中实现起来是不是非常困难？
C45 <- function(data,x){ result.tree <- NULL if ( IsEmpty(data) ) { node.value <- "Failure" result.tree <- CreateNode(node.value) return(result.tree) } if( IsEmpty(x) ){ node.value <- GetMajorityClassValue(data,x) result.tree <- CreateNode(node.value) return(result.tree) } if( 1 == GetCount(x) ){ node.value <- GetClassValue(x) result.tree <- CreateNode(node.value) return(result.tree) } <br> gain.ratio <- GetGainRatio(data,x)<br> best.split <- GetBestSplit(data,x,gain.ratio) data.subsets <- SplitData(data,best.split) values <- GetAttributeValues(data.subsets,best.split) values.count <- GetCount(values) node.value <- best.split result.tree <- CreateNode(node.value) idx <- 0 while( idx<=values.count ){ i dx <- idx+1 newdata <- GetAt(data.subsets,idx) value <- GetAt(values,idx) new.x <- RemoveAttribute(x,best.split) new.child <- C45(newdata,new.x) AddChildNode(result.tree,new.child,value) } result.tree }