그리고 누군가가 답해 주면 감사할 것입니다. 이 스레드를 읽기 시작했습니다. 100페이지를 마스터했습니다. 흥미롭습니다. 초기 작가들 덕분입니다. 스트레이트 다이어리. 실수, 발견, 실망, 성공의 기쁨, 희망의 붕괴 ... 최고의 의미에서 소설. 나는 새로운 것을 배웠고, 오래된 것을 기억하고, 무언가를 웃었습니다. 탐광자의 완전한 일상. 내 질문은 간단합니다. 이 기계 학습에서 "기계"가 블랙박스로 남을까요? 그녀 / 그에게 입력 / 예측을 제공하고 오늘의 주제에 대한 답변을 원하십니까? "배짱", 무엇을 어떻게 요리하는지 살펴보셨나요? Rrrrr...? 어쩌면 그들은 기계를 여기에서 볼 수 있는 MQL 언어로 바꾸려고 했을까요?
그리고 누군가가 답해 주면 감사할 것입니다. 이 스레드를 읽기 시작했습니다. 100페이지를 마스터했습니다. 흥미롭습니다. 초기 작가들 덕분입니다. 스트레이트 다이어리. 실수, 발견, 실망, 성공의 기쁨, 희망의 붕괴 ... 최고의 의미에서 소설. 나는 새로운 것을 배웠고, 오래된 것을 기억하고, 무언가를 웃었습니다. 탐광자의 완전한 일상. 내 질문은 간단합니다. 이 기계 학습에서 "기계"가 블랙박스로 남을까요? 그녀 / 그에게 입력 / 예측을 제공하고 오늘의 주제에 대한 답변을 원하십니까? "배짱", 무엇을 어떻게 요리하는지 살펴보셨나요? Rrrrr...? 어쩌면 그들은 기계를 여기에서 볼 수 있는 MQL 언어로 바꾸려고 했을까요?
다항식 - 다변량 분석의 경우 (그리고 공식은 선형입니다 !! - 그런데 y에서 계수 a [적어도 x]는 각도 임 ) - ... 단일 요인 분석의 경우 - 직선의 일반적인 방정식 (y=kx+편향) ...
그리고 여기에서 미분에서 가장 흥미로운 것이 시작됩니다 - 다항식의 순서(= 굽힘의 수-1 및 훈련 시작부터 결승선까지 신호의 전파) - 물론, 당신은 움직이지 않아야 합니다. 떨어져 있지만 현실이 dy / dx = a ^ 3x ( lin . 종속성이 아님) 이상인 경우. - 그럼, 나에게는 여기에 할 일이없는 것 같습니다 - 무엇의 미분을 취하십시오 (어디선가 1과 2 차이에 따른 미분에 대한 권장 사항을 본 것 같습니다 => 다항식의 차수 선택 - 나는 할 수 없습니다 찾으십시오) .. 또는 CDF를 고려하고 극단적인 백분위수를 버리십시오... IMHO를 사용하여 평균을 찾거나 ... 또는 평균과의 편차 분석에서 신호로 사용하십시오 ... IMHO... Maxim Dmitrievsky는 다음 과 같이 말했습니다. ML의
+ 그라디언트가 희미해지거나 증가하는 문제도 항상 의제에 있습니다. 정확한 칭량 ... 칭량의 철학은 다시 "무게 선택의 자유"를 지지하는 사람들 사이에서 다를 수 있지만 ... 나는 러시아어를 운영하는 방식에서 독립 운동가를 싫어합니다 (이것이 그들이 왜곡하기 시작하는 방식입니다. 공식의 실제 상관 관계 및 인과 관계) - - 올바른 미분(즉, 올바른 변수)은 올바른 가중치를 제공하고 올바른 NN 아키텍처는 학습 결과에 가중치의 중요성을 전달하는 데 도움이 됩니다... IMHO
추신
어쨌든, H와 L의 가까운 주식은 그냥 닫는 것보다 나에게 더 많은 자신감을 불러일으킵니다... - 이것이 요점입니다 - 블랙박스에 눈금을 올바르게 설정하는 것입니다(그래서 입력에 무엇이 있고, 무엇을 입력하는 것이 중요한지 출력에 있음) - 불합리하게 높거나 낮은 분산을 얻지 않고... 훈련 단계에서 중요한 기울기를 잃지 않도록 - 그리고 Mikhail Mishanin 이 이미 말했듯이 (가지가 홍수와 말다툼에 빠질 때까지) - " 가장 중요한 것은 생존과 진화"
물론 모델을 올바르게 훈련시키는 것은 안정적인 운영과 효과적인 예측을 위해 매우 중요하며, 이를 위해서는 먼저 입력 데이터를 올바르게 구성해야 합니다. 이를 위해 먼저 "금융상품의 중첩과 간섭의 원리" 기사에서 했던 것과 유사하게 입력 데이터를 스케일링했습니다.그런 다음 시장이 어떻게 변화하든 데이터가 지속적으로 동일한 동적 범위에 있도록 스케일 그리드 오프셋을 설정합니다. 저는 기존의 정규화 방법을 거부 했습니다. 데이터가 너무 많이 왜곡되었습니다. 다음 단계에서는 훈련이 수행된 벡터가 입력 변수로 완전히 덮이도록 했습니다.그림 1에서 - 빈약한 겹침, 그림 2 신호).
저것들. 분산에 대한 표준 정규화 및 특히 적합하지 않음 ... (
? 들어오는 데이터의 정규화 계수에 WMA를 추가하거나 가중치만으로 - 결국, 여전히 역학을 반영합니다(지연이 있긴 하지만)
추신
1) 또는 "다이나믹 레인지" - 고통스러울 정도로 단순 - 2x MA의 교차점 - 올바른 기간을 선택하는 것이 중요합니다... 50과 200을 OTF로 보는 것뿐입니다... 그리고 빅데이터 분석의 경우 더 수익성 있는 MA 기간은 신경망(기타 관련 요인 포함)에서 메모리(가중치)를 찾을 수 있습니다. ... IMHO
2) 개인적으로 "다이내믹 레인지"는 가격이 여전히 레벨에서 레벨로 정상적으로 분포된 기간인 것처럼 보이지만(아마도 클러스터라고 말할 수 있습니다. 마크업을 만들고 다시 작업/ weights/features/memory로 이미 시장에 이미 정의되어 있습니다 - OTF의 새로운 도래 이전)... 하지만 입력 배급에서 이 논리를 사용하는 방법을 아직 모릅니다(동일한 dy/dx를 수행하는 방법 제외) 추가로 t-통계).. 물론 전략 테스터가 기능(칠면조)을 직접 선택하지 않고 최적화가 그가 실수한 것만(그리고 깨끗한 초기 정보와는 거리가 멀게) 가능하다는 것은 좋지 않습니다. . - 이것이 사람들이 ML에 입문해야 하는 이유입니다.
BillionerClub # : 당신은 금광이 주위를 짓밟고 당신의 발 아래를 보지 못합니다.
예, SVM을 사용하여 비선형 종속성을 선형으로 분리할 수 있다는 것은 분명합니다(차원 축소만 어떻게든 축소해야 합니다. 고유한 뉘앙스) ... 하지만 먼저 다변수 분석(다중 회귀 다항식의 출력 포함) - 저를 위해 현재로서는 라이브러리가 feature_extraction을 수행하는 방법을 알 수 없는 경우를 포함하여 모든 요소가 서로 영향을 미칠 때(그리고 통계에 많은 뉘앙스가 있음) ... 그리고 두 번째로 적절한 하이퍼파라미터를 선택하기 위해 파이썬의 SVM - 당신은 또한 어떻게든 라이브러리를 알아야 합니다. .. 많은 사람들이 여기를 짓밟고 있습니다(라이브러리는 괜찮습니다) - 이 라이브러리의 도움으로 모델링하는 바로 그 과정에서 설명한 뉘앙스가 생성되지 않은 경우 , 과대평가된/과소평가된/잘못된 메트릭이 있는 모델 출력, 과잉 훈련 또는 부족 훈련 ...
이 라이브러리를 다루기 위해서는 처음 보게 된다면 한참을 발밑을 들여다봐야 할텐데...
"금"에 대해 - 논란의 여지가 있습니다 () ... 로봇 때문에 트렌드를 잡고 조기에 뛰어 내리는 것이 불가능하다는 것에 여전히 회의적입니다 ... 그러나 로봇이 아무것도 눈치채지 못하... 그러므로 질적인 통계만 있을 뿐입니다. 모델은 ML 이전 단계에서도 골드의 가치가있을 것입니다 ... 50/50의 확률을 높이려고 ... IMHO
If I use , do I still need to use and functions to fit my model and transform or it will perform these functions itself? Also, does also perform the normalization or only the scaling...
내 의견은 Open 또는 틱입니다.
글쎄, 누가 무엇을 필요로하는지. 시간 확실성 측면에서는 가까운 것이 가장 정확합니다.
그리고 누군가가 답해 주면 감사할 것입니다. 이 스레드를 읽기 시작했습니다. 100페이지를 마스터했습니다. 흥미롭습니다. 초기 작가들 덕분입니다. 스트레이트 다이어리. 실수, 발견, 실망, 성공의 기쁨, 희망의 붕괴 ... 최고의 의미에서 소설. 나는 새로운 것을 배웠고, 오래된 것을 기억하고, 무언가를 웃었습니다. 탐광자의 완전한 일상. 내 질문은 간단합니다. 이 기계 학습에서 "기계"가 블랙박스로 남을까요? 그녀 / 그에게 입력 / 예측을 제공하고 오늘의 주제에 대한 답변을 원하십니까? "배짱", 무엇을 어떻게 요리하는지 살펴보셨나요? Rrrrr...? 어쩌면 그들은 기계를 여기에서 볼 수 있는 MQL 언어로 바꾸려고 했을까요?
쓰레드가 순조롭게 진행되는 동안 아마 끝까지 읽겠지만, 스포일러는 감사할 것입니다)
글쎄, 누가 무엇을 필요로하는지. 시간 확실성 측면에서 가장 정확합니다.
양초의 불확실성의 관점에서 우리는 시간이나 가격을 정확히 알고 있습니다..종가, 시간, 시가, 가격 :-)
비유적으로, 틱이 15.58에서 16.03으로 오지 않을 때(그리고 이것은 정상적인 상황이고, 그러한 구멍의 전형적인 순간이 있음), 닫기는 시간 16:00을 알고 있지만 가격은 잘못되고, 개방 시간은 잘못된 경우 더 정확한 / 현재 가격
그리고 누군가가 답해 주면 감사할 것입니다. 이 스레드를 읽기 시작했습니다. 100페이지를 마스터했습니다. 흥미롭습니다. 초기 작가들 덕분입니다. 스트레이트 다이어리. 실수, 발견, 실망, 성공의 기쁨, 희망의 붕괴 ... 최고의 의미에서 소설. 나는 새로운 것을 배웠고, 오래된 것을 기억하고, 무언가를 웃었습니다. 탐광자의 완전한 일상. 내 질문은 간단합니다. 이 기계 학습에서 "기계"가 블랙박스로 남을까요? 그녀 / 그에게 입력 / 예측을 제공하고 오늘의 주제에 대한 답변을 원하십니까? "배짱", 무엇을 어떻게 요리하는지 살펴보셨나요? Rrrrr...? 어쩌면 그들은 기계를 여기에서 볼 수 있는 MQL 언어로 바꾸려고 했을까요?
쓰레드가 순조롭게 진행되는 동안 아마 끝까지 읽겠지만, 스포일러는 감사할 것입니다)
깨달음을 얻으려면 Onyx의 한 가지에서 시작하여 이 한 가지를 시작하십시오.
책을 읽다
여기의 철학은 간단하다고 생각합니다.
(H+L)/닫기. 저것들. 닫다. 현재(!) 순간에서 가장 공정한(균형) H/Close+L/Close, 시간 간격의 주식 합계로 + 또는 -의 합계 즉. 위/아래는 충동의 결과입니다... IMHO
. 내 질문은 간단합니다. 이 기계 학습에서 "기계"가 블랙박스로 남을까요? 그녀 / 그에게 입력 / 예측을 제공하고 오늘의 주제에 대한 답변을 원하십니까?
이론상 예, 하지만 가중치 벡터는 어디에 있습니까? 또는 직접 + 역 좌표 변환 ??
LSM 은 일반적으로 거의 보편적인 방법입니다. 뭐라고 말할까요... 음, 즉, 추상적이지만 작동하려면 프로세스의 합리적인 물리학이 필요합니다
.. VMNK - 가중 최소 제곱(예: 분산) ... 일반적으로 독창적인 모든 것이 단순해야 한다고 생각합니다.
나는 그들이 무엇을 하고 있는지 모르겠다
MO에 대한 예측 변수(관련 가중치)
나는 그것들이 유형의 기능을 구성한다고 생각합니다.
가격 = a1*y1+a2*y2+...aN*yN
원칙적으로 논리적인 점
무슨 일이 일어날지 궁금해
단, 세그먼트로 쪼개진 경우 각 부분에 각도와 관련된 값을 곱해야 할 가능성이 큽니다.다항식 - 다변량 분석의 경우 (그리고 공식은 선형입니다 !! - 그런데 y에서 계수 a [적어도 x]는 각도 임 ) - ... 단일 요인 분석의 경우 - 직선의 일반적인 방정식 (y=kx+편향) ...
그리고 여기에서 미분에서 가장 흥미로운 것이 시작됩니다 - 다항식의 순서(= 굽힘의 수-1 및 훈련 시작부터 결승선까지 신호의 전파) - 물론, 당신은 움직이지 않아야 합니다. 떨어져 있지만 현실이 dy / dx = a ^ 3x ( lin . 종속성이 아님) 이상인 경우. - 그럼, 나에게는 여기에 할 일이없는 것 같습니다 - 무엇의 미분을 취하십시오 (어디선가 1과 2 차이에 따른 미분에 대한 권장 사항을 본 것 같습니다 => 다항식의 차수 선택 - 나는 할 수 없습니다 찾으십시오) .. 또는 CDF를 고려하고 극단적인 백분위수를 버리십시오... IMHO를 사용하여 평균을 찾거나 ... 또는 평균과의 편차 분석에서 신호로 사용하십시오 ... IMHO... Maxim Dmitrievsky는 다음 과 같이 말했습니다. ML의
+ 그라디언트가 희미해지거나 증가하는 문제도 항상 의제에 있습니다. 정확한 칭량 ... 칭량의 철학은 다시 "무게 선택의 자유"를 지지하는 사람들 사이에서 다를 수 있지만 ... 나는 러시아어를 운영하는 방식에서 독립 운동가를 싫어합니다 (이것이 그들이 왜곡하기 시작하는 방식입니다. 공식의 실제 상관 관계 및 인과 관계) - - 올바른 미분(즉, 올바른 변수)은 올바른 가중치를 제공하고 올바른 NN 아키텍처는 학습 결과에 가중치의 중요성을 전달하는 데 도움이 됩니다... IMHO
추신
어쨌든, H와 L의 가까운 주식은 그냥 닫는 것보다 나에게 더 많은 자신감을 불러일으킵니다... - 이것이 요점입니다 - 블랙박스에 눈금을 올바르게 설정하는 것입니다(그래서 입력에 무엇이 있고, 무엇을 입력하는 것이 중요한지 출력에 있음) - 불합리하게 높거나 낮은 분산을 얻지 않고... 훈련 단계에서 중요한 기울기를 잃지 않도록 - 그리고 Mikhail Mishanin 이 이미 말했듯이 (가지가 홍수와 말다툼에 빠질 때까지) - " 가장 중요한 것은 생존과 진화"
NN에서 - 거의 Titanik에서와 같이
나는 그런 다항식의 도움으로 거래하고 걱정하지 않습니다
그리고 앞서 말했듯이 다항식 자체는 그것을 얻는 방법만큼 중요하지 않습니다. 그러나 모든 사람은 기초 문구를 이해하지 못하면 귀머거리가됩니다 ...어쨌든, 가까운 부분의 H와 L은 그냥 가까운 것보다 더 많은 자신감을 불러일으킵니다...
나는 나 자신을 추가/거부할 것이다:
그리고 여기서 다시 동일한 문제 - 권장 사항 - 공유, 만병 통치약 이 아닐 수도 있지만 동적 범위는 "2 종가 사이의 기간 차이"가 전혀 아닐 수 있습니다.
물론 모델을 올바르게 훈련시키는 것은 안정적인 운영과 효과적인 예측을 위해 매우 중요하며, 이를 위해서는 먼저 입력 데이터를 올바르게 구성해야 합니다. 이를 위해 먼저 "금융상품의 중첩과 간섭의 원리" 기사에서 했던 것과 유사하게 입력 데이터를 스케일링했습니다. 그런 다음 시장이 어떻게 변화하든 데이터가 지속적으로 동일한 동적 범위에 있도록 스케일 그리드 오프셋을 설정합니다. 저는 기존의 정규화 방법을 거부 했습니다. 데이터가 너무 많이 왜곡되었습니다. 다음 단계에서는 훈련이 수행된 벡터가 입력 변수로 완전히 덮이도록 했습니다. 그림 1에서 - 빈약한 겹침, 그림 2 신호).
저것들. 분산에 대한 표준 정규화 및 특히 적합하지 않음 ... (
? 들어오는 데이터의 정규화 계수에 WMA를 추가하거나 가중치만으로 - 결국, 여전히 역학을 반영합니다(지연이 있긴 하지만)
추신
1) 또는 "다이나믹 레인지" - 고통스러울 정도로 단순 - 2x MA의 교차점 - 올바른 기간을 선택하는 것이 중요합니다... 50과 200을 OTF로 보는 것뿐입니다... 그리고 빅데이터 분석의 경우 더 수익성 있는 MA 기간은 신경망(기타 관련 요인 포함)에서 메모리(가중치)를 찾을 수 있습니다. ... IMHO
2) 개인적으로 "다이내믹 레인지"는 가격이 여전히 레벨에서 레벨로 정상적으로 분포된 기간인 것처럼 보이지만(아마도 클러스터라고 말할 수 있습니다. 마크업을 만들고 다시 작업/ weights/features/memory로 이미 시장에 이미 정의되어 있습니다 - OTF의 새로운 도래 이전)... 하지만 입력 배급에서 이 논리를 사용하는 방법을 아직 모릅니다(동일한 dy/dx를 수행하는 방법 제외) 추가로 t-통계).. 물론 전략 테스터가 기능(칠면조)을 직접 선택하지 않고 최적화가 그가 실수한 것만(그리고 깨끗한 초기 정보와는 거리가 멀게) 가능하다는 것은 좋지 않습니다. . - 이것이 사람들이 ML에 입문해야 하는 이유입니다.
당신은 금광이 주위를 짓밟고 당신의 발 아래를 보지 못합니다.
예, SVM을 사용하여 비선형 종속성을 선형으로 분리할 수 있다는 것은 분명합니다(차원 축소만 어떻게든 축소해야 합니다. 고유한 뉘앙스) ... 하지만 먼저 다변수 분석(다중 회귀 다항식의 출력 포함) - 저를 위해 현재로서는 라이브러리가 feature_extraction을 수행하는 방법을 알 수 없는 경우를 포함하여 모든 요소가 서로 영향을 미칠 때(그리고 통계에 많은 뉘앙스가 있음) ... 그리고 두 번째로 적절한 하이퍼파라미터를 선택하기 위해 파이썬의 SVM - 당신은 또한 어떻게든 라이브러리를 알아야 합니다. .. 많은 사람들이 여기를 짓밟고 있습니다(라이브러리는 괜찮습니다) - 이 라이브러리의 도움으로 모델링하는 바로 그 과정에서 설명한 뉘앙스가 생성되지 않은 경우 , 과대평가된/과소평가된/잘못된 메트릭이 있는 모델 출력, 과잉 훈련 또는 부족 훈련 ...
이 라이브러리를 다루기 위해서는 처음 보게 된다면 한참을 발밑을 들여다봐야 할텐데...
"금"에 대해 - 논란의 여지가 있습니다 () ... 로봇 때문에 트렌드를 잡고 조기에 뛰어 내리는 것이 불가능하다는 것에 여전히 회의적입니다 ... 그러나 로봇이 아무것도 눈치채지 못하... 그러므로 질적인 통계만 있을 뿐입니다. 모델은 ML 이전 단계에서도 골드의 가치가있을 것입니다 ... 50/50의 확률을 높이려고 ... IMHO
또는 CDF를 보고 극단적인 백분위수를 버리십시오... IMHO를 사용하여 평균을 찾 거나 이를 악용 하십시오.
PDF 꼬리를 칠 확률( 본질적으로 CDF의 파생물, 즉 PDF 미분 분포 함수): 1-P(a<=X<=b) , 여기서 [-infinity,a] 및 [ b,+infinity]는 분포의 꼬리