트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2219

[mytarmailS]

막심 드미트리예프스키 :

GMM 외에 다른 클러스터링을 시도한 적이 있습니까?

[Maxim Dmitrievsky]

mytarmailS :

GMM 외에 다른 클러스터링을 시도한 적이 있습니까?

클러스터링이 아니라 밀도 추정이 필요합니다. 적합한 인코더 및 GAN

ML에서 꼬리가 있는 배포판을 사용하기 위한 특별한 기술이 있지만 나는 아직 그것에 익숙해지지 않았습니다.

예를 들어, 그런 농담이 있습니다. 꼬리가 있는 분포(및 증분 형태)의 경우 새 데이터에서 작동하려면 훈련 샘플 크기가 거의 무한해야 합니다. 그리고 그것은 입증되었습니다. 어떻게 생각하나요?

[mytarmailS]

막심 드미트리예프스키 :

클러스터링이 아니라 밀도 추정이 필요합니다. 적합한 인코더 및 GAN

ML에서 꼬리가 있는 배포판을 사용하기 위한 특별한 기술이 있지만 나는 아직 그것에 익숙해지지 않았습니다. 이것은 말 그대로 최신 제품입니다.

난 그냥 뭔가를 이해할 수 없어

두 클러스터에서 모델 훈련

> gm <- ClusterR::GMM(X,gaussian_comps = 2 )
> gm
$centroids
            [, 1 ]       [, 2 ]       [, 3 ]
[ 1 ,] - 0.24224591 - 0.5103346    0.7653689
[ 2 ,]   0.07675401    0.1668665 - 0.2967750

$covariance_matrices
         [, 1 ]      [, 2 ]      [, 3 ]
[ 1 ,] 1.169446 0.5971381 0.5771400
[ 2 ,] 1.006148 0.7724611 0.8297428

$weights
[ 1 ] 0.2505878 0.7494122

$Log_likelihood
            [, 1 ]      [, 2 ]
 [ 1 ,]  - 4.060188 - 3.111429
 [ 2 ,]  - 6.105358 - 3.516479
 [ 3 ,]  - 4.301979 - 4.310115
 [ 4 ,]  - 3.752352 - 3.583401
 [ 5 ,]  - 3.172447 - 3.302278
 [ 6 ,]  - 7.849530 - 5.254127
 [ 7 ,]  - 3.055816 - 3.157801
 [ 8 ,]  - 5.307695 - 2.795444
 [ 9 ,] - 11.721658 - 6.764240
[ 10 ,] - 10.575876 - 5.565554
[ 11 ,]  - 6.760511 - 5.193087
[ 12 ,]  - 3.978182 - 5.066543
[ 13 ,]  - 2.577926 - 4.418768
[ 14 ,]  - 4.398716 - 3.614050
[ 15 ,]  - 4.082245 - 5.268694
[ 16 ,]  - 2.918141 - 2.901401
[ 17 ,]  - 9.153176 - 4.797331
[ 18 ,]  - 5.678321 - 3.599856
[ 19 ,]  - 4.500670 - 2.622113
[ 20 ,]  - 2.965878 - 4.415078
[ 21 ,]  - 4.453389 - 4.152286
[ 22 ,]  - 5.365306 - 4.368355
[ 23 ,]  - 8.533327 - 3.813763
[ 24 ,]  - 4.142515 - 2.811048
[ 25 ,]  - 7.174136 - 5.631351
[ 26 ,]  - 5.063518 - 3.491408
[ 27 ,]  - 4.935992 - 8.336194
[ 28 ,]  - 4.210241 - 5.869093
[ 29 ,]  - 3.605818 - 2.577456
[ 30 ,]  - 3.670845 - 5.686447
[ 31 ,]  - 2.733389 - 5.010803
[ 32 ,]  - 3.730563 - 2.646749
[ 33 ,]  - 3.201767 - 3.689452
[ 34 ,]  - 4.879268 - 3.111545

유통이란 무엇인가

$centroids

또는

$covariance_matrices

및 시뮬레이션 방법(유사한 것을 생성)

[mytarmailS]

막심 드미트리예프스키 :

그리고 그것은 입증되었습니다. 어떻게 생각하나요?

폭탄.

어디서 읽었니?

[Maxim Dmitrievsky]

mytarmailS :

폭탄.

어디서 읽었니?

몇몇 기사를 보았다

이봐

https://venturebeat.com/2020/08/14/how-to-improve-ai-economics-by-taming-the-long-tail-of-data/

[Maxim Dmitrievsky]

mytarmailS :

난 그냥 뭔가를 이해할 수 없습니다

두 클러스터에서 모델 훈련

유통이란 무엇인가

또는

및 시뮬레이션 방법(유사한 것을 생성)

훈련된 모델에서 샘플링할 수 있는 패키지 찾기

[mytarmailS]

막심 드미트리예프스키 :

훈련된 모델에서 샘플링할 수 있는 패키지 찾기

다음은 세 가지 분포(행)입니다.

Normal Mixture' object   ``#9 Trimodal'' 
       mu sigma    w
[1,] -1.2  0.60 0.45
[2,]  1.2  0.60 0.45
[3,]  0.0  0.25 0.10

이런 모습이라고 해야 할까요?

[Maxim Dmitrievsky]

mytarmails :

다음은 세 가지 분포(행)입니다.

이런 모습이라고 해야 할까요?

가우스 매개변수입니다.

[Valeriy Yastremskiy]

막심 드미트리예프스키 :

클러스터링이 아니라 밀도 추정이 필요합니다. 적합한 인코더 및 GAN

ML에서 꼬리가 있는 분포를 사용하기 위한 특별한 기술이 있지만 저는 아직 이에 대해 잘 이해하지 못했습니다.

예를 들어, 그런 농담이 있습니다. 꼬리가 있는 분포(및 증분 형태)의 경우 새 데이터에서 작동하려면 훈련 샘플 크기가 거의 무한해야 합니다. 그리고 그것은 입증되었습니다. 어떻게 생각하나요?

글쎄, 꼬리가 붙은 증분으로 SB와 가격 시리즈의 유사성을 입증했습니다.)))) 그리고 결론적으로 효과가 있는 것은 전체 시리즈, 즉 전체 시리즈를 살펴봐야 합니다. 그리고 미래, 또는 우리가 시리즈가 무한하다고 인정한다면 미래의 시리즈는 인식될 것입니다. 마치 무한 시리즈에 무한한 수의 변이가 있다는 결론인 것처럼, 우리는 그것들을 훈련하고 볼 것입니다.

연습에는 쓸모가 없지만 이해해야 합니다.

평가 후 위협과 밀도는 섹션으로 나눌 수 있습니다.

[Maxim Dmitrievsky]

발레리 야스트렘스키 :

글쎄, 거기에서 꼬리가 붙은 증분으로 가격 시리즈가 SB와 유사함을 입증했습니다.)))) 그리고 결론적으로 효과가 있는 것은 전체 시리즈, 즉 전체 시리즈를 살펴봐야 합니다. 그리고 미래, 또는 우리가 시리즈가 무한하다고 인정한다면 미래의 시리즈는 인식될 것입니다. 마치 무한 시리즈에 무한한 수의 변이가 있다는 결론인 것처럼, 우리는 그것들을 훈련하고 볼 것입니다.

연습에는 쓸모가 없지만 이해해야 합니다.

평가 후 위협과 밀도는 섹션으로 나눌 수 있습니다.

섹션으로 나누고 가장 빈번한 예를 선택하고 나머지는 노이즈로 버리십시오.

또는 그 반대의 경우 희귀한 이벤트에 대한 경계를 그립니다.

기사에서 알 수 있듯이 이것은 일반적으로 외환뿐만 아니라 현실 세계의 문제입니다. 그리고 사기꾼들은 다양한 영역에서 이 문제와 싸우고 있습니다.