PCA 구성 요소 분석을 말하는 것입니까, 아니면 다른 것입니까? 여기에 게시 한 모든 예가 기억나지 않습니다. :)
PCA에 관한 경우 - 쓰레기의 사탕은 여전히 작동하지 않습니다. 아주 좋은 예측 변수와 나쁜 예측 변수를 섞어야 PCA가 좋은 예측 변수를 제거할 수 있습니다.
당신은 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸울 수 있는 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
당신은 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸우기 위한 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
당신은 당신의 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸우기 위한 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
안드레이 딕 : 각 막대에서 모델 재훈련.... 이것은 하나의 막대가 전체 모델에 영향을 미친다는 것을 의미합니까? 학습에서 각 막대의 중요성에 비추어 볼 때 오버트레이닝과의 끝없는 투쟁은 이해가 됩니다...
내가 지금 마음에 떠올리려고 하는 모델 - 예, 나는 각각의 새로운 바에서 재교육을 받고 있습니다. 솔직히 말해서 큰 영향은 보이지 않습니다... 때때로 수십 개의 막대가 연속으로 모델이 이전과 동일하게 유지됩니다(모델 과적합으로부터 보호 메커니즘이 트리거됨). 그러나 뉴스의 일부 은행가가 잘못된 내용을 말하고 가격이 잘못된 곳으로 가면 몇 개의 막대에서 모델이 모든 최신 변경 사항을 따라 잡을 것이라는 희망이 있습니다. 바마다 모델을 커스터마이징하는 것은 말이 안되지만, 변화에 빠르게 대응할 수 있는 방법이 있다면 사용하지 않는 것이 죄입니다.
마이클 마르쿠카이테스 : RSA에 대해 자세히 알려주실 수 있습니까? 어떻게 쓰레기를 분류할 수 있습니까?
이 스레드의 약 100페이지에서 San Sanych는 "주요 구성 요소 분석"과 같은 기사에 대한 링크를 게시했습니다. 나는 그것에 대해 몇 가지 코드를 작성했고 또한 여기에서 주제를 해킹했습니다. 그것을 찾으려면 많은 페이지를 읽어야 합니다.
В этой статье я бы хотел рассказать о том, как именно работает метод анализа главных компонент (PCA – principal component analysis) с точки зрения интуиции, стоящей за ее математическим аппаратом. Максимально просто, но подробно. Математика вообще очень красивая и изящная наука, но порой ее красота скрывается за кучей слоев абстракции...
마법사_ : 가능하지만 말하지 않겠습니다. 유의성은 분산에 도입된 가중치에서 계산됩니다. 그게 다야. 사용할지 말지 치수를 줄여야하는지 여부, 아이를 물로 버릴 수 있는지 여부, 어쨌든 적용하거나 전처리 ... 다른 질문 ...
전처리를 별로 하지 않는데 일부 데이터가 삭제되면서 윙윙거리지 않는 것 같아요..... 차량의 각 신호를 지우지 않고 줘야 하기 때문입니다. 출력 변수를 입력으로 캐스팅하는 한 가지 아이디어가 있습니다. 그러한 일부, 피팅의 일부 요소 :-) 하지만
출력 변수가 차량의 이익 금액에 의해 조절된다는 점을 고려하면 이 매개변수를 변경하여 입력 데이터의 품질을 최소한 알아낼 수 있습니다. 흠 .... 설명하겠습니다. 출력 변수를 선택하는 철학이 있습니다. 간단한 예는 두 개의 신호가 있다는 것입니다.
이익 파란색 1핍. 설치 조건에서 50핍 이상의 신호는 1로 표시해야 한다고 말씀드렸습니다. 이 파란색 신호는 0으로 표시되지만 시장 자체는 상승 추세에 있고 이 파란색 신호는 1로 표시될 수 있습니다. 이익 매개변수를 조정하여 최대 일반화 능력을 얻기 위해 출력 세트에서 추가 매개변수를 켜고 끕니다. 이것은 100핍 플랫 스프레드를 뺀 범위에서 수행할 수 있습니다. 무차별 대입 방법으로 이것은 10 단계로 최소 10 번은 최적화를 실행 해야 하는 기간을 피펫팅하는 것입니다. 일반적으로 질문은 열려 있습니다.
내가 지금 마음에 떠올리려고 하는 모델 - 예, 나는 각각의 새로운 바에서 재교육을 받고 있습니다. 솔직히 말해서 큰 영향은 보이지 않습니다... 때때로 수십 개의 막대가 연속으로 모델이 이전과 동일하게 유지됩니다(모델 과적합으로부터 보호 메커니즘이 트리거됨). 그러나 뉴스의 일부 은행가가 잘못된 내용을 말하고 가격이 잘못된 곳으로 가면 몇 개의 막대에서 모델이 모든 최신 변경 사항을 따라 잡을 것이라는 희망이 있습니다. 바마다 모델을 커스터마이징하는 것은 말이 안되지만, 변화에 빠르게 대응할 수 있는 방법이 있다면 사용하지 않는 것이 죄입니다.
나는 나에게 분명한 한 가지 생각을 밀어붙이기 위해 이런 식으로 여러 번 시도합니다. 작은 오류가 있는 과적합되지 않은 모델을 얻는 데 사용할 수 있는 단일 도구는 없습니다.
한 번에 한 알갱이: 그들은 명백한 쓰레기를 청소하고, 크기를 조정했습니다. 아마도 Woh-Soh, 예측 변수를 선택하고 모델을 집어 들었습니다. 그런 다음 대상이 그냥 완전 개소리....
제 연습에서는 말 그대로 각 단계에서 마이너스에 3-5%의 오차가 있습니다. 그리고 초기에 모델이 40% 이상의 오류를 제공하고 다시 학습된 경우 재학습되지 않은 모델을 20%로 이동하는 것이 가능했습니다. 약 6개월의 작업.
PCA 구성 요소 분석을 말하는 것입니까, 아니면 다른 것입니까? 여기에 게시 한 모든 예가 기억나지 않습니다. :)
PCA에 관한 경우 - 쓰레기의 사탕은 여전히 작동하지 않습니다. 아주 좋은 예측 변수와 나쁜 예측 변수를 섞어야 PCA가 좋은 예측 변수를 제거할 수 있습니다.
당신은 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸울 수 있는 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
그리고 PCA에 대한 귀하의 경험은 매우 유용할 것입니다.
추신.
나는 모델 자체로 작업하는 것에 대해 의도적으로 침묵을 지켰습니다.
당신은 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸우기 위한 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
그리고 PCA에 대한 귀하의 경험은 매우 유용할 것입니다.
추신.
나는 모델 자체로 작업하는 것에 대해 의도적으로 침묵을 지켰습니다.
당신은 당신의 경험의 긍정적인 결과를 과소평가합니다. 성배가 없습니다. 그리고 재훈련과 같은 악과 싸우기 위한 포괄적인 도구가 있습니다.
맨 처음 단계에서 완전히 솔직한 쓰레기를 제거해야합니다. 재교육에 결정적인 영향을 미치는 사람은 바로 그 사람입니다. 그리고 이 첫 번째 단계에서 PCA는 매우 유용합니다. 이 단계가 끝나면 대상 변수와 관련된 예측 변수는 남고 모든 환상은 사라집니다. 그러나이 단계의 중요성을 과대 평가하지 마십시오. 이것이 첫 번째 단계입니다. 그 후에는 다음 단계가 필요합니다.
그리고 PCA에 대한 귀하의 경험은 매우 유용할 것입니다.
추신.
나는 모델 자체로 작업하는 것에 대해 의도적으로 침묵을 지켰습니다.
각 막대에서 모델 재훈련.... 이것은 하나의 막대가 전체 모델에 영향을 미친다는 것을 의미합니까? 학습에서 각 막대의 중요성에 비추어 볼 때 오버트레이닝과의 끝없는 투쟁은 이해가 됩니다...
내가 지금 마음에 떠올리려고 하는 모델 - 예, 나는 각각의 새로운 바에서 재교육을 받고 있습니다. 솔직히 말해서 큰 영향은 보이지 않습니다... 때때로 수십 개의 막대가 연속으로 모델이 이전과 동일하게 유지됩니다(모델 과적합으로부터 보호 메커니즘이 트리거됨). 그러나 뉴스의 일부 은행가가 잘못된 내용을 말하고 가격이 잘못된 곳으로 가면 몇 개의 막대에서 모델이 모든 최신 변경 사항을 따라 잡을 것이라는 희망이 있습니다. 바마다 모델을 커스터마이징하는 것은 말이 안되지만, 변화에 빠르게 대응할 수 있는 방법이 있다면 사용하지 않는 것이 죄입니다.
RSA에 대해 자세히 알려주실 수 있습니까? 어떻게 쓰레기를 분류할 수 있습니까?
이 스레드의 약 100페이지에서 San Sanych는 "주요 구성 요소 분석"과 같은 기사에 대한 링크를 게시했습니다. 나는 그것에 대해 몇 가지 코드를 작성했고 또한 여기에서 주제를 해킹했습니다. 그것을 찾으려면 많은 페이지를 읽어야 합니다.
또한 이 기사가 마음에 들었습니다. R 또는 MQL이 포함되어 있지 않고 Excel만 있습니다. 그러나 행동의 원리는 조금 더 명확하게 설명됩니다. http://www.chemometrics.ru/materials/textbooks/pca.htm
RSA에 대해 자세히 알려주실 수 있습니까? 어떻게 쓰레기를 분류할 수 있습니까?
주요 구성 요소의 작동 방식 보기
그러나 이 방법이 일부 응용 프로그램 작업에서 작동하지 않는 이유를 설명하는 darkAlert 의 흥미로운 의견도 있습니다. 나는 인용한다:
" PCA(다차원 데이터 축소의 다른 고전적인 방법과 마찬가지로)는 선형 종속성만 찾습니다 .
거래와 관련하여 이 방법은 적합하지 않습니다. 여기에서 입력에 제공되는 칠면조 및 오실레이터 값의 형태로 예측 변수의 속성은 분명히 비선형입니다.
^GSPC는 http://finance.yahoo.com에서 가져왔습니다, 믿을만 하다고 생각합니다
UNRATE, PAYEMS, GDP는 FRED(아마도 https://fred.stlouisfed.org/)에서 가져옵니다. 그러면 경고에 감사드립니다.
일반적으로 나중에 시간 유로화에 시도하는 것이 좋습니다.
*누군가가 무언가를 문지르면 이러한 모든 상태 지수가 때때로 재계산되어 역사적 가치를 변경한다는 사실에 대한 응답이었습니다.
가능하지만 말하지 않겠습니다.
유의성은 분산에 도입된 가중치에서 계산됩니다. 그게 다야. 사용할지 말지
치수를 줄여야하는지 여부, 아이를 물로 버릴 수 있는지 여부,
어쨌든 적용하거나 전처리 ... 다른 질문 ...
전처리를 별로 하지 않는데 일부 데이터가 삭제되면서 윙윙거리지 않는 것 같아요..... 차량의 각 신호를 지우지 않고 줘야 하기 때문입니다. 출력 변수를 입력으로 캐스팅하는 한 가지 아이디어가 있습니다. 그러한 일부, 피팅의 일부 요소 :-) 하지만
출력 변수가 차량의 이익 금액에 의해 조절된다는 점을 고려하면 이 매개변수를 변경하여 입력 데이터의 품질을 최소한 알아낼 수 있습니다. 흠 .... 설명하겠습니다. 출력 변수를 선택하는 철학이 있습니다. 간단한 예는 두 개의 신호가 있다는 것입니다.
이익 파란색 1핍. 설치 조건에서 50핍 이상의 신호는 1로 표시해야 한다고 말씀드렸습니다. 이 파란색 신호는 0으로 표시되지만 시장 자체는 상승 추세에 있고 이 파란색 신호는 1로 표시될 수 있습니다. 이익 매개변수를 조정하여 최대 일반화 능력을 얻기 위해 출력 세트에서 추가 매개변수를 켜고 끕니다. 이것은 100핍 플랫 스프레드를 뺀 범위에서 수행할 수 있습니다. 무차별 대입 방법으로 이것은 10 단계로 최소 10 번은 최적화를 실행 해야 하는 기간을 피펫팅하는 것입니다. 일반적으로 질문은 열려 있습니다.
RSA에 대해 자세히 알려주실 수 있습니까? 어떻게 쓰레기를 분류할 수 있습니까?
나는 이 스레드에서 당신을 위한 링크를 찾는 것이 너무 게으를 뿐만 아니라 필요하지도 않습니다.
이 스레드를 통해 볼 수 있도록 친절하십시오. 마찬가지로 PCA는 쓰레기를 걸러내지 않습니다. 미묘한 차이가 있습니다. 따라서 보는 것이 합리적입니다.
내가 지금 마음에 떠올리려고 하는 모델 - 예, 나는 각각의 새로운 바에서 재교육을 받고 있습니다. 솔직히 말해서 큰 영향은 보이지 않습니다... 때때로 수십 개의 막대가 연속으로 모델이 이전과 동일하게 유지됩니다(모델 과적합으로부터 보호 메커니즘이 트리거됨). 그러나 뉴스의 일부 은행가가 잘못된 내용을 말하고 가격이 잘못된 곳으로 가면 몇 개의 막대에서 모델이 모든 최신 변경 사항을 따라 잡을 것이라는 희망이 있습니다. 바마다 모델을 커스터마이징하는 것은 말이 안되지만, 변화에 빠르게 대응할 수 있는 방법이 있다면 사용하지 않는 것이 죄입니다.
나는 나에게 분명한 한 가지 생각을 밀어붙이기 위해 이런 식으로 여러 번 시도합니다. 작은 오류가 있는 과적합되지 않은 모델을 얻는 데 사용할 수 있는 단일 도구는 없습니다.
한 번에 한 알갱이: 그들은 명백한 쓰레기를 청소하고, 크기를 조정했습니다. 아마도 Woh-Soh, 예측 변수를 선택하고 모델을 집어 들었습니다. 그런 다음 대상이 그냥 완전 개소리....
제 연습에서는 말 그대로 각 단계에서 마이너스에 3-5%의 오차가 있습니다. 그리고 초기에 모델이 40% 이상의 오류를 제공하고 다시 학습된 경우 재학습되지 않은 모델을 20%로 이동하는 것이 가능했습니다. 약 6개월의 작업.
여기 MQL 전문가가 있나요???? 우리 모두 여기 있기 때문에 :-)
옵션을 알려주세요. 한 변수를 최적화하여 다른 변수가 0이 되도록 하려면 어떻게 해야 합니까 ???? 글쎄, 또는 제로를 열망하는 .....
일반적으로 최적화는 다른 변수에 따라 가변적입니다....