세부 정보 이 함수 는 DTW(동적 시간 왜곡)를 수행하고 숫자 벡터로 제공된 두 시계열 x와 y 사이의 최적 정렬을 계산합니다. "최적" 정렬은 정렬된 요소 간의 거리 합계를 최소화합니다. x와 y의 길이는 다를 수 있습니다. x(쿼리) 및 y(참조) 요소 간의 로컬 거리는 다음 방법 중 하나로 계산할 수 있습니다.
1) 전체 알고리즘은 신경망에 대한 일종의 "소프트" 목적 함수를 생성하는 것입니다. 맞죠?
그러나 이미 이 알고리즘의 첫 번째 지점에서 우리는 신경망에서 어떤 종류의 신호를 받아야 합니다. 이 신호는 목표 기능에 대해 신경망을 훈련하여 얻은 신호입니다. 포인트 1에서만.
뇌가 폭발한다...
알렉세이 버나코프 : 여기 사람들은 이렇습니다. "부드러운". 세부 사항은 제공되지 않습니다. 점은 무엇인가? 당신의 배수구를 살고 있습니까?
나는 많은 부드러운 목표를 생각할 수 있습니다. 아무렇게나:
마시키 방향 예보
무릎 예후 zz
선형 추세 기울기 예측
이러한 모든 신호는 거래를 마감하는 방법과 시점에 대한 아이디어를 제공하지 않습니다. 그런 다음 샤머니즘은 폐쇄 조건과 결과적으로 조정으로 시작됩니다.
여기, 분명히 음절로, 나는 내가하고있는 것을 그렸습니다.
자세한 내용: 현재 막대에서 구매와 같은 구매 신호, 앞으로 가장 작은 막대 수를 계산하고 거래가 수익성 있는 것으로 판명되는지 확인하고, 수익성이 있으면 닫고, 그렇지 않으면 막대를 하나 더 계산합니다. 미리 확인하고 다시 확인하십시오. 그리고 최대 막대 수까지 계속해서 마지막으로 닫습니다. 그러한 학습 메커니즘.
여기서 명확하지 않은 것은 무엇입니까? ... 이것은 환상이 아닙니다. 이제 정확히 그렇게합니다. 목적 함수는 최소한의 손실로 이익을 극대화하는 것입니다. 나는 내 유전자로 가르친다.
우연히 블로그를 보고 눈물이 날 뻔 했습니다. 제가 한 번 생각해 낸 것과 거의 같은 생각을 하고 있는 사람이 있고 구현하기로 결정했습니다. 이 아이디어로 약 1년 전에 프로그래밍을 배우기 시작했습니다.
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
그리고 나는 내 아이디어가 독특하다고 생각했습니다.))) 젊음, 순진함 ... 나는 DTW를 전혀 사용하지 않았지만 그때는 전혀 이해하지 못했기 때문에
목표 변수와 예측 변수라는 두 개의 시계열을 사용하는 경우. "거리"를 구합시다. 거리가 작으면("작은"이란) 예측력이 높습니까? 이 예측 변수가 거리가 더 큰 다른 예측 변수보다 더 가치가 있습니까?
그래서 무엇?
목표 변수와 예측 변수라는 두 개의 시계열을 사용하는 경우. "거리"를 구합시다. 거리가 작으면("작은"이란) 예측력이 높습니까? 이 예측 변수는 거리가 더 큰 다른 예측 변수보다 더 가치가 있습니까?
그래서 무엇?
평생 이해하지 못한 채 세 번이나 다시 읽었다((
1) 그 과정에서 이것은 가장 순수한 형태의 MO가 아니라 입력 신호가 있는 기존 TS의 개선 사항이며 이러한 입력에서만 입력하고 이미 이러한 입력을 MO 오른쪽으로 분석합니다. ?
2) 차익이 발생하면 거래를 종료합니다. 거래에 손실이 있을 때 우리는 포지션을 유지합니다. 왜 그런가요?
3) 언제 사야 할까, 언제 팔아야 할까?
4) 무뚝뚝하게 할 줄 알아, 나도 이미 그렇잖아) 근데 니가 쓴 글은 정말 하나도 이해가 안 가는데, 그림이나 벼룩 같은 걸 보여줄 수도 있어..
1. 신호는 네트워크에 의해 생성됩니다.
2. 아니요, 우리에게는 자유 국가가 있습니다. 원하면 닫고, 원하지 않으면 닫지 마세요. SL은 시스템에 있거나 없을 수도 있습니다. 또한 귀하의 권리이기도 합니다.
3. 내가 어떻게 알 수 있습니까? 그리드에게 물어보세요. 당신이 가르치는 것.
4. 아마도 4번을 읽어야 할 것입니다. 아마도 정리가 될 것입니다.
우연히 블로그를 보고 눈물이 날 뻔 했습니다. 제가 한 번 생각해 낸 것과 거의 같은 생각을 하고 있는 사람이 있고 구현하기로 결정했습니다. 이 아이디어로 약 1년 전에 프로그래밍을 배우기 시작했습니다.
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
그리고 나는 내 아이디어가 독특하다고 생각했습니다.))) 젊음, 순진함 ... 나는 DTW를 전혀 사용하지 않았지만 그때는 전혀 이해하지 못했기 때문에
1. 신호는 네트워크에 의해 생성됩니다.
2. 아니요, 우리에게는 자유 국가가 있습니다. 가까이 하고 싶으면 원하지 않으면 하지 마세요. SL은 시스템에 있거나 없을 수도 있습니다. 또한 귀하의 권리이기도 합니다.
3. 내가 어떻게 알 수 있습니까? 그리드에게 물어보세요. 당신이 가르치는 것.
4. 아마도 4번을 읽어야 할 것입니다. 아마도 정리가 될 것입니다.
1) 전체 알고리즘은 신경망에 대한 일종의 "소프트" 목적 함수를 생성하는 것입니다. 맞죠?
그러나 이미 이 알고리즘의 첫 번째 지점에서 우리는 신경망에서 어떤 종류의 신호를 받아야 합니다. 이 신호는 대상 기능에 대해 신경망을 훈련하여 얻은 신호입니다. 포인트 1에서만.
뇌가 폭발한다...
전혀 그렇지 않다, 어떤 예측변수, 어떤 표적, 그런 것은 없다.. 지난번 현 상황과 유사한 영역을 찾는 것이 VR에서는 그저 바보일 뿐...
두 개의 시계열
여기 항소가 있습니다
세부 정보 이 함수 는 DTW(동적 시간 왜곡)를 수행하고 숫자 벡터로 제공된 두 시계열 x와 y 사이의 최적 정렬을 계산합니다. "최적" 정렬은 정렬된 요소 간의 거리 합계를 최소화합니다. x와 y의 길이는 다를 수 있습니다. x(쿼리) 및 y(참조) 요소 간의 로컬 거리는 다음 방법 중 하나로 계산할 수 있습니다.
이 경우 step.pattern=symmetric2 매개변수에 주의하는 것이 좋습니다.
이것은 패키지 설명서에서 가져온 것입니다.
1) 전체 알고리즘은 신경망에 대한 일종의 "소프트" 목적 함수를 생성하는 것입니다. 맞죠?
그러나 이미 이 알고리즘의 첫 번째 지점에서 우리는 신경망에서 어떤 종류의 신호를 받아야 합니다. 이 신호는 목표 기능에 대해 신경망을 훈련하여 얻은 신호입니다. 포인트 1에서만.
뇌가 폭발한다...
두 개의 시계열
글쎄요, 두 개의 행 두 개의 행 사이의 근접성을 측정하기 위해 두 개의 행은 지루하고,
두 개의 행(우리의 경우)은 동일한 행(가격)의 일부 섹션 중 두 개를 의미합니다.
이 예제의 프레임워크 내에서 매우 거칠고 깨끗한 경우 dist(x, y) 함수와 유사한 유클리드 근접도를 측정하는 함수입니다. 유일한 차이점은 dtw에 제출하는 행이 다양한 크기의 이것은 우리에게 매우 시원합니다.
1) 전체 알고리즘은 신경망에 대한 일종의 "소프트" 목적 함수를 생성하는 것입니다. 맞죠?
그러나 이미 이 알고리즘의 첫 번째 지점에서 우리는 신경망에서 어떤 종류의 신호를 받아야 합니다. 이 신호는 목표 기능에 대해 신경망을 훈련하여 얻은 신호입니다. 포인트 1에서만.
뇌가 폭발한다...
여기 사람들은 이렇습니다. "부드러운". 세부 사항은 제공되지 않습니다. 점은 무엇인가? 당신의 배수구를 살고 있습니까?
여기, 분명히 음절로, 나는 내가하고있는 것을 그렸습니다.
자세한 내용: 현재 막대에서 구매와 같은 구매 신호, 앞으로 가장 작은 막대 수를 계산하고 거래가 수익성 있는 것으로 판명되는지 확인하고, 수익성이 있으면 닫고, 그렇지 않으면 막대를 하나 더 계산합니다. 미리 확인하고 다시 확인하십시오. 그리고 최대 막대 수까지 계속해서 마지막으로 닫습니다. 그러한 학습 메커니즘.
여기서 명확하지 않은 것은 무엇입니까? ... 이것은 환상이 아닙니다. 이제 정확히 그렇게합니다. 목적 함수는 최소한의 손실로 이익을 극대화하는 것입니다. 나는 내 유전자로 가르친다.
여기 사람들은 이렇습니다. "부드러운". 세부 사항은 제공되지 않습니다. 점은 무엇인가? 당신의 배수구를 살고 있습니까?