트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2787

 
СанСаныч Фоменко #:

우리가 삼각 함수 또는이 수준의 다른 것에 대한 추론 수준에있는 한, 그러한 정당화의 목적이 선언되지 않았고 목적 달성을위한 기준을 알 수 없기 때문에 한 가지 이유로 정당화가 불가능합니다.

그리고 MO의 목표는 피팅 오류를 줄이거나 오히려 머신러닝 모델의 예측 오류를 줄이는 것이 유일한 목표입니다. 그리고 한 가지 제한이 있습니다. 예측 오차는 앞으로도 크게 변하지 않아야 합니다.

그리고 목표는 항상 동일합니다. 모든 쓰레기의 탐욕스러운 알고리즘에 의한 어리석은 검색 대신 논리와 적절성, 그리고 그것에 대한 힘 부족에 대한 울부 짖음....

예, 추정치는 (일관된) 안정적이어야합니다."오차가 변하지 않아야합니다"라고 부르면 예측 자체가 시계열 (역학에서)로 변경됩니다 ...

도구에 대한 광고 발언보다 더 나아갈 수 없습니다. 이러한 도구가 어떻게 작동하는지 알지 못하면 ... 당신은 당신의 손에 망치를 받았습니다-당신은 그것을 흔들고있습니다 (당신은 Chapayev입니까???? ) IV = 0.02 임계 값과 관련하여-그것은 낮은 (!) 연결입니다-그래서 왜 여기에 슬로건을 흔들고 적절한 분석 제안을 마쉬 카 (과거에는 존재하지 않았던 곳)라고 부르는가.... 자신의 광고 스레드를 엽니 다.

그리고 MO 예-모든 곳에서 동일한 방식으로 동일한 목적으로 작동하며 Py 및 기타 라이브러리에서는 전혀 IV가 아니지만 본질은 변하지 않습니다.-당신은 분명히 데이터 분석의 본질을 이해하지 못하고 후보와 도구에 대한 슬로건 만 외치고 어리석게도 "블랙 박스"에 쓰레기를로드 할 수 있으며 의도 한 목적을 위해 예측을 사용하는 것조차 귀찮게하지 않았습니다....

글쎄, 자신의 프로모션을 위해 지점을 열고 거기에서 소리 치십시오-당신이 이탈 분석 (정상적인 결론도 아닌) 외에는 아무것도 할 수 없다면 당신은 고철에 대한 다른 사람들의 아이디어를 얻으려는 빌어 먹을 수집가처럼 보입니다 ( "도구"라는 단어 제외-당신은 그것이 어떻게 작동하는지 이해하지도 못했습니다) -- LogisticRegression이하지 않은 것은 무엇입니까?

=== 대답할 필요가 없습니다! (귀하의 개인 정보 값은 저에게 0입니다)... 선형 대수학에 대한 해석은 IV에서 더 낮습니다.

 
Aleksey Nikolayev #:

변환 전과 후의 샘플 히스토그램을 간단히 비교할 수 있습니다. 최종 형태가 목표 형태(예: 정규 분포 또는 균일 분포)에 더 가까우면 변환이 잘된 것입니다.) 히스토그램을 그리는 대신 목표에 대한 적합성 테스트(각각 정규성 또는 균일성)를 고려할 수 있습니다.

접시를 포물선 모양으로 만들지 않나요? 공식에 따라)

예, 목표에 더 가까운 것을보고 시각적으로 선택하십시오) 그러나이 변환이 무엇을하고 왜 다른 변환보다 나은지에 대한 논리가 없습니다.

이 포물선에 도달하는 데 오랜 시간이 걸렸습니다)))))) 그리고 필터는 정말 크래커입니다))))

 
JeeyCi #:

그리고 목표는 항상 동일합니다 - 모든 쓰레기의 탐욕스러운 알고리즘에 의한 어리석은 검색 대신 논리와 적절성 이 사업에 대한 힘의 부족에 대해 포효하는 대신.....

예, 추정치는 유효해야합니다-당신은 그것을 "오차가 변하지 않아야합니다"라고 부르고, 예측 자체는 시계열 (역학에서)에서 변경 될 것입니다 ...

도구에 대한 광고 발언보다 더 나아갈 수 없습니다. 이러한 도구가 어떻게 작동하는지 알지 못하면 ... 당신은 당신의 손에 망치를 받았습니다-당신은 그것을 흔들고있습니다 (당신은 Chapayev입니까???? ) IV = 0.02 임계 값과 관련하여-그것은 낮은 (!) 연결입니다-그러므로 왜 여기에 슬로건을 흔들고 적절한 분석 제안을 마쉬 카 (과거에는 존재하지 않았던 곳)라고 부르는가.... 나만의 광고 스레드 열기

그리고 MO 예-모든 곳에서 동일한 목적으로 동일하게 작동하며 Py 및 기타 라이브러리에서는 전혀 IV가 아니지만 본질은 변하지 않습니다. 데이터 분석의 본질을 이해하지 못하는 당신은 분명히 후보와 도구에 대한 슬로건을 외치고 "블랙 박스"에 쓰레기를 어리석게로드 할 수 있으며 의도 한 목적으로 예측을 사용하는 데 신경 쓰지 않았습니다....

글쎄요, 광고 캠페인을 위한 지점을 열고 거기서 외치세요- 만약 당신이 (정상적인 결론도 아닌) 이탈 분석 외에는 아무것도 할 수 없다면, 당신은 고철에 대한 다른 사람들의 아이디어를 얻으려는 망할 수집가처럼 보입니다 ("도구"라는 단어 제외 - 당신은 그것이 어떻게 작동하는지 이해하지도 못했습니다) - LogisticRegression에 무엇이 잘못 되었습니까?

=== 대답할 필요가 없습니다! (귀하의 개인 정보 값은 저에게 0입니다)... 선형 대수학에 대한 해석은 IV에서 더 낮습니다.

이전 텍스트는 의미가 있지만 여기서 수행되는 작업에 대한 오해를 반영했습니다.

나는 당신이 아니라 목표 달성을위한 목표와 기준을 끊임없이 잊어 버리는 다른 독자들에게 대답했지만, 여기에는 그것을 아주 전문적으로 이해하고 적절한 도구를 가지고있는 많은 사람들이 있습니다.

그리고이 텍스트에는 어린 소녀의 어떤 종류의 공격이 없습니다. 나는 대답의 요점을 보지 못합니다.

 
JeeyCi #:

그리고 목표는 항상 동일합니다 - 모든 쓰레기의 탐욕스러운 알고리즘에 의한 어리석은 검색 대신 논리와 적절성 이 사업에 대한 힘의 부족에 대해 포효하는 대신.....

일어나지 않았다고 가정 해 봅시다)))))

프로세스에 대한 추정의 논리와 적절성 및 이해는 확실히 부재하는 것보다 낫습니다. 그러나 통계와 이론에서는 이 방법론이나 그 방법론이 왜 효과가 있는지에 대한 설명이 없는 경우가 많습니다. 한 사람은 바늘을 던져 무언가를 측정하고 파이의 수를 계산하고, 다른 사람은 나일강의 홍수 역사를 살펴보고 다음 홍수를 예측할 수 있는 측정값을 찾았습니다. 그들의 행동에는 최소한의 논리가 있습니다.

행에서 같은 방식으로, 나는 일반적으로 측정 할 올바른 징후를 찾아야한다고 생각합니다))))

 
피켓 시위대가 다시 나왔습니다 ... 집회도 안하고 그리고 추측도 여기가 아닙니다. 그리고 그들은 인용하는 법을 배우지 못했고 다른 사람의 추측을 인용했습니다.
 
Valeriy Yastremskiy #:

추정의 논리와 적절성, 프로세스에 대한 이해는 없는 것보다는 확실히 낫습니다. 그러나 통계와 이론화에서는 왜 이 방법론이나 저 방법론이 효과가 있는지 설명이 없는 경우가 많습니다. 한 사람은 바늘을 던져 무언가를 측정하고 파이의 수를 계산하고, 다른 사람은 나일강의 홍수 역사를 살펴보고 다음 홍수를 예측할 수 있는 측정값을 찾았습니다. 그들의 행동에는 최소한의 논리가 있습니다.

행에서 같은 방식으로, 나는 일반적으로 측정 할 올바른 징후를 찾아야한다고 생각합니다))))

이것에 동의하지 않는 것은 어렵습니다.


그러나 전체 연구의 목적을 이해하지 않으면 최종 결과물을 얻을 수있는 전망없이 해당 교과서의 발표에 매우 빠르게 교육에 빠져들게된다는 사실을 깨달아야합니다.

 

바늘과 홍수에 대해... 그냥 우연일 뿐입니다:

우리는 100500*10^3의 1차원 랜덤 워크를 생성하는데, 전체 랜덤 워크 묶음에서 하나의 궤적을 가져와 면밀히 조사하면 일반적인 적분 결론을 따르지 않습니다. 어떤 곳에서는 모순되는 경우도 있습니다.

그리고 우리는 항상 하나의 샘플을 가지고 일/무역/여가를 합니다. 우리는 다른 어떤 것도 가지고 있지 않습니다.

 

СанСаныч Фоменко #:
  ...

"기사"를 쓰고 자신을 방어 할 수없는 사람들이하는 일입니다... 연구소에 대한 그의 초기 주장에서 알 수 있듯이.

... 다들 개자식이야...

 
СанСаныч Фоменко #:

이에 동의하기는 어렵습니다.


그러나 전체 연구의 목적을 이해하지 않으면 최종 결과물을 얻을 수 있는 가능성 없이 관련 교재의 프레젠테이션에 매우 빠르게 빠져들게 된다는 사실을 깨달아야 합니다.

그 길에 대한 이해가 없는 목표는 꿈일 뿐입니다))))))

일반적으로 평가 및 분석의 글로벌 도구가없는 시장 조사는 우주 또는 가장 단순한 문제에 대해 생각하는 것과 유사하며 올바른 이론이 가능하며 잘린 도구로 확인할 수 있습니다 .))))))

나는 아직 주목받지 못한 많은 새로운 것들에서 무엇을 어떻게 측정해야하는지 지금 검색에 더 가깝습니다 .))))) 그것은 상태를 더 정확하게 평가할 것입니다. 예측 패러다임은 비슷하지만 여전히 작업은 다릅니다.

논리는 다음과 같아야 합니다. 우리는 무언가를 측정하고 이것이 상태의 정의입니다. 상태마다 다른 매개변수를 측정합니다. 그리고 상태의 변화를 간단히 설명합니다. 물론 라이브러리/상태 세트가 있어야 합니다. 우리는 모든 척도와 틱을 측정합니다. 다른 스케일의 측정 논리가 동일하고 틱 스케일이 캔들 스틱 스케일과 크게 다르지 않기를 바랍니다. 그게 바로 그것입니다)))))

 
이상값 제거를 포함하여 많은 불일치가 발생합니다. 계산에 따라 다르지만 일반적으로 데이터 집합 크기의 10%에 달합니다. 이상값이 발견되면 무엇을 삭제하고 모델이 어떻게 거래할까요? )
변환을 사용하면 상황은 거의 동일합니다.
전처리를 고전적으로 수행하면 원시 데이터보다 결과가 더 나빠집니다.
또는 메트릭의 무작위적인 개선이 시스템적인 것처럼 가장됩니다.
사유: