文章 "机器学习模型的变量评估和选择"
- Microsoft Corporation
- mran.revolutionanalytics.com
非常感谢文章作者。我刚刚开始就遇到一个问题。我安装的是RStudio，不是作者建议的Revolution R Open 3.2.1。“RandomUniformForests”包和“RoughSets”包已经加载，但是nearZeroVar()函数和findLinearCombos() 函数无法正常调用，这些函数是Revolution R Open特有的么？
Revolution R Open（现在由微软维护，改名为MRO）相当于R的一个加强版。RStudio只是一个IDE，不能和R相提并论。所提两个函数在作者原文中很清晰标明是caret包的函数。另，原文作者使用俄语，或许英文尚且能交流，用中文似乎沟通不上。
Смотрите caret::nearZeroVar () // caret::findLinearCombos ()
Удачи
zigzag信号做为目标变量应用上存在很大问题，
所有模型的基础是基于先验的已经zigzag点（-1，1），其他的condition＝0的点是排除在外的，
实际应用中，你不知道改时点是否是zigzag点（-1，1），很大的可能是condition＝0的点，因为区分不了（-1，1）和（0）这两种状态，
所以在0的时点同样需要计算和判断。 这个时候训练模型和实际模型就会存在很大的偏差；
zigzag信号做为目标变量应用上存在很大问题，
所有模型的基础是基于先验的已经zigzag点（-1，1），其他的condition＝0的点是排除在外的，
实际应用中，你不知道改时点是否是zigzag点（-1，1），很大的可能是condition＝0的点，因为区分不了（-1，1）和（0）这两种状态，
所以在0的时点同样需要计算和判断。 这个时候训练模型和实际模型就会存在很大的偏差；
绘制一个简单的绘图说明的数字（-1，1（0）????
请您仔细阅读的文章？而旁边呢？而且不知道如何使用ZZ？
也许翻译不好？
指定更精确您的意见，请能提高英语水平？
绘制一个简单的绘图说明的数字（-1，1（0）????
请您仔细阅读的文章？而旁边呢？而且不知道如何使用ZZ？
也许翻译不好？
指定更精确您的意见，请能提高英语水平？
ZigZag 这个序列根本就不需要预测，if you know the lag(ZigZag)=-1 ,then the ZigZag must be 1;the lag(ZigZag)=1 ,then the zigzag=-1;
all of the lag(ZigZag) is occured at the past time,it can predict the zigzag 100% accurately。so if you know the time is zigzag point ,you can 100% accurately
predict the zigzag is -1 or 1.
But in the realtime you cannot know the time is zigzag point,so you must caculate the third status (0)， so how can it work?
You can reference this right articl https://www.mql5.com/zh/articles/2773.
- 2017.06.19
- Mihail Marchukajtes
- www.mql5.com
好的
Good afternoon.
ZZ is really not defined on the last bars (the last vertex). But they do not need me. Neural network training is conducted on ZZ values without the last 300 bars !! On those bars where ZZ is defined.
You carefully look at the scripts and do not rush to conclusions. You can look stupid.
Good luck
in the realtime ,do you use 'without the last 300 bars '!?
You looks so stupid ,can you use it in the realtime.?
All of your article are wrong ,because your target define is wrong.All canot work in the realtime,
as follow your point ,you singal will happened after 300 bars later.
in the realtime ,do you use 'without the last 300 bars '!?
You looks so stupid ,can you use it in the realtime.?
All of your article are wrong ,because your target define is wrong.All canot work in the realtime,
as follow your point ,you singal will happened after 300 bars later.
你并不真正了解作者的设想，自己想象的过于幼稚了，说出的stupid只是映射在你自己身上而已，请不要再给国人丢脸，不但stupid，而且丑陋。
to Vladimir Perervenko: thanks again for those wonderful articles, you did and doing really good research! And I must apologize for this stupid thing from "freewalk", not all chinese like him.
新文章 机器学习模型的变量评估和选择已发布：
本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。多种规范化的方法以及它们的特点都将在此被讨论。在处理过程中 将极大影响模型训练最终结果的环节也将在此探讨。我们将仔细看看，并评估新的及鲜为人知的用于确定输入数据信息量和可视化的方法。
我们将使用“RandomUniformForests”包，计算并分析变量不同值和各种组合的重要概念，预测因子和目标的对应关系，预测因子之间的相互作用，以及将所有重要的方面都考虑在内后预测因子集的最优选取。
我们将使用“RoughSets”包，换一个角度和基于其他概念来探讨预测因子的选择问题。我们将揭示不仅是预测因子集可以被优化，用于训练的样本集也可以被优化。
所有的计算和实验将用R语言来实现，准确的说是用 — Revolution R Open 3.2.1。
图 2. 训练误差取决于树的数量
作者：Vladimir Perervenko