我对随机森林回归有一个深刻的理解。目标是一个大学项目:我们要用R中的财务数据做随机森林回归分析,我已经读了很多小时的随机森林例子,它们大多是分类类型,比如预测股票价值是上升还是下降。万一退步,我就站在线上。我的想法如下:
如果我有如下结构的数据集:
Date | Open | High | Low | Close | Volume
...I可以添加一些技术仪器,如RSI、SMA等。
然后将数据集分解为训练和测试数据,执行随机森林过程,并对测试数据进行预测。但这真的是随机森林回归分析的目的吗?我猜一个“正确的”回归分析是比较两只股票,看看它们是否相关,根据另一只股票预测一只股票的价值--但在没有
有没有理由相信fortran内部函数会比外部函数执行得更好?
例如:
subroutine foo(x,y)
real :: x
x = bar(y)
return
contains
real function bar(x)
real :: x
bar = x*x
return
end function bar
end subroutine foo
vs
subroutine foo(x,y)
real :: x
real :: bar
x = bar(y)
return
end subroutin
我使用以下代码从SQL Server 2014发送sms。它以前工作正常,但几天后就不工作了。我还在另一个SQL Server中执行了下面的代码,它工作得很好。但由于某些原因,它在SQL Server 2014中无法正常工作。我也尝试过在浏览器中使用url发送消息,它也可以工作。但是有些我不能通过存储过程来工作。
SET ANSI_NULLS ON
GO
SET QUOTED_IDENTIFIER ON
GO
--EXEC sp_SendSmsSQL '*****','Today is Saturday',''
ALTER procedure