일반적으로 데이터 전처리이지만 대상과 관련하여 각 예측 변수에 대한 평가로 사용할 수 있습니다. 패키지가 예측 변수의 상호 작용을 고려하지 않는 것이 마음에 들지 않습니다. 대상에 대해 예측 변수를 한 번에 하나씩 평가해야 하는 경우에만 코드를 사용하십시오.
library (vtreat)
#designTreatments Cподходит только для классификации с двумя классами
treatmentsC <- designTreatmentsC(dframe = forexFeatures,
varlist=colnames(forexFeatures)[-ncol(forexFeatures)], #названияколонок с предикторами (тут - все кроме последней колонки)
outcomename = colnames(forexFeatures)[ncol(forexFeatures)], #названияколонок с таргетом (тут - последняя колонка)
outcometarget = "1" ) #текстили цифра одного из классов#обработка,сортировка результата
treatmensC_scores <- treatmentsC$scoreFrame[order(treatmentsC$scoreFrame$sig),]
treatmensC_scores <- treatmensC_scores[!duplicated(treatmensC_scores$origName),]
treatmensC_scores <- treatmensC_scores[,c( "origName" , "sig" )]
treatmensC_scores$is_good <- treatmensC_scores$sig <= 1/nrow(forexFeatures)
treatmensC_scores #вывод на экран таблички результатов. Лучшие предикторы вверху таблицы. Чем оценка sig меньше тем лучше. Желательно (колонка is_good==TRUE) чтоб sig была меньше чем 1/nrow(forexFeatures), всё что больше - плохо
잘 안 잡힙니다. 예를 들어, 1/nrow(df)=2e-4에서 sig=5.77e-13으로 입력을 정렬한 후 아래에서 세 번째를 건너뜁니다. 그리고 그것은 시끄럽고 학습을 방해합니다. 저것들. 몇 자릿수만큼 선택을 강화해야 할 것입니다. 그리고 자동으로 수행하는 것이 바람직합니다.
잘 안 잡힙니다. 예를 들어, 1/nrow(df)=2e-4에서 sig=5.77e-13으로 입력을 정렬한 후 아래에서 세 번째를 건너뜁니다. 그리고 그것은 시끄럽고 학습을 방해합니다. 저것들. 몇 자릿수만큼 선택을 강화해야 할 것입니다. 그리고 자동으로 수행하는 것이 바람직합니다.
일반적으로 예측 변수 선택에 이 특정 패키지를 사용합니다. 단점이 있음은 분명합니다. 특히 대상 예측 변수와 관련하여 여러 예측 변수의 상호 작용이 부족합니다. 그러나 일반적으로 지금까지는 최적화에 충분합니다 ... 그래서 데이터 전처리를위한 다른 패키지가 있다면 기꺼이 고려하겠습니다 ...
일반적으로 예측 변수를 선택하는 데 이 특정 패키지를 사용합니다. 단점이 있음은 분명합니다. 특히 대상 예측 변수와 관련하여 여러 예측 변수의 상호 작용이 부족합니다. 그러나 일반적으로 지금까지는 최적화에 충분합니다 ... 그래서 데이터 전처리를위한 다른 패키지가 있다면 기꺼이 고려하겠습니다 ...
글쎄, Mikhail, 당신은 당신의 분노에서 벗어 났고, 당신은 곧 당신의 차량을 현명하고 광신적으로 평가하기 시작할 것입니까? :)
GARCH는 머신 러닝과 달리 금융 시장의 주류(공동 통합 및 포트폴리오와 함께)로 불립니다.
모델은 뚱뚱한 꼬리와 장기 기억 a la Hurst(장기 기억)를 포함하여 증분의 통계적 뉘앙스를 고려합니다.
예를 들어, S&P500 지수에 포함된 모든 주식에 대한 GARCH 모델 매개변수 선택에 대한 간행물이 있습니다!
Forex 사용에 관한 출판물이 가득합니다. 우수한 툴킷. 예를 들어, rugarch 패키지.
여기 Wikipedia에서는 프랙탈 변동성에 관한 것입니다. grub이 아니라 일종의 유사체입니다.
grub은 내 TS에 대해 매우 무겁습니다. 모든 것이 빠른 것으로 간주될 때 나는 그것을 좋아합니다.변동성 예측 문제. 변동성이 견적 자체보다 예측하기 훨씬 쉽다고 가정합니다.
https://en.wikipedia.org/wiki/Markov_switching_multifractal과 같은 모든 종류의 모델도 있습니다.
그것은 무엇을 제공합니까, 올바르게 사용하는 방법, 누군가가 그것을 했습니까?
음, 알겠습니다. 예측 변동성은 무엇을 제공합니까?
내가 테스트한 모든 Forex 전략은 변동성으로 제한하려고 했습니다. 임계값 위 또는 아래에서 아무 것도 제공하지 않았습니다.
저변동성 거래와 고변동성 거래가 많습니다. 그리고 변동성 측면에서 고정을 해제하는 것은 불가능합니다.
음, 알겠습니다. 예측 변동성은 무엇을 제공합니까?
내가 테스트한 모든 Forex 전략은 변동성으로 제한하려고 했습니다. 임계값 위 또는 아래에서 아무 것도 제공하지 않았습니다.
높은 변동성 거래뿐만 아니라 좋은 낮은 변동성 거래가 많이 있습니다. 그리고 변동성 측면에서 그것들을 고정 해제하는 것은 불가능합니다.
나는 저명한 사람들의 발자취를 따르려고 노력하고 있습니다)) 그들은 변동성을 예측할 필요가 있다고 썼습니다
나는 저명한 사람들의 발자취를 따르려고 노력하고 있습니다)) 그들은 변동성을 예측할 필요가 있다고 썼습니다
숲이 어떤 면에서 유용하다고 생각합니까? 아마도 앞으로는 숲을 연구하려고 노력할 것입니다.
숲이 어떤 면에서 유용하다고 생각합니까? 아마도 앞으로는 숲을 연구하려고 노력할 것입니다.
곧 나올 숲에 관한 기사를 기다리십시오.
휘발성 정보 - 황소에 따라 차량의 모드를 전환하는 데 사용할 수 있습니다.
그리고 변동성을 예측하는 것도 가능하다면 차량은 지체 없이 다른 모드로 더 일찍 전환할 수 있습니다.
이것이 내가 그것을 이해하는 방법입니다
다음은 동시에 vtreat를 사용한 예입니다.
일반적으로 데이터 전처리이지만 대상과 관련하여 각 예측 변수에 대한 평가로 사용할 수 있습니다. 패키지가 예측 변수의 상호 작용을 고려하지 않는 것이 마음에 들지 않습니다. 대상에 대해 예측 변수를 한 번에 하나씩 평가해야 하는 경우에만 코드를 사용하십시오.
vtreat로 실험했습니다.
다음은 결과 매트릭스입니다.
[,12]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.36022454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2.95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4.51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01
공식
잘 안 잡힙니다. 예를 들어, 1/nrow(df)=2e-4에서 sig=5.77e-13으로 입력을 정렬한 후 아래에서 세 번째를 건너뜁니다. 그리고 그것은 시끄럽고 학습을 방해합니다.
저것들. 몇 자릿수만큼 선택을 강화해야 할 것입니다. 그리고 자동으로 수행하는 것이 바람직합니다.
vtreat로 실험했습니다.
다음은 결과 매트릭스입니다.
[,12]
[1,] 5 8.12444537234629e-196
[2,] 1 1.98504271239423e-144
[3,] 7 2.36022454522949e-109
[4,] 11 5.68901830573741e-102
[5,] 4 6.60631002751930e-96
[6,] 10 2.95535252032342e-73
[7,] 3 2.43324301115409e-71
[8,] 9 4.51329770717951e-67
[9,] 6 3.11264518399281e-37
[10,] 2 5.77058632985908e-13
[11,] 12 3.76158923428915e-12
[12,] 8 8.18815163303239e-01
잘 안 잡힙니다. 예를 들어, 1/nrow(df)=2e-4에서 sig=5.77e-13으로 입력을 정렬한 후 아래에서 세 번째를 건너뜁니다. 그리고 그것은 시끄럽고 학습을 방해합니다.
저것들. 몇 자릿수만큼 선택을 강화해야 할 것입니다. 그리고 자동으로 수행하는 것이 바람직합니다.
일반적으로 예측 변수 선택에 이 특정 패키지를 사용합니다. 단점이 있음은 분명합니다. 특히 대상 예측 변수와 관련하여 여러 예측 변수의 상호 작용이 부족합니다. 그러나 일반적으로 지금까지는 최적화에 충분합니다 ... 그래서 데이터 전처리를위한 다른 패키지가 있다면 기꺼이 고려하겠습니다 ...
일반적으로 예측 변수를 선택하는 데 이 특정 패키지를 사용합니다. 단점이 있음은 분명합니다. 특히 대상 예측 변수와 관련하여 여러 예측 변수의 상호 작용이 부족합니다. 그러나 일반적으로 지금까지는 최적화에 충분합니다 ... 그래서 데이터 전처리를위한 다른 패키지가 있다면 기꺼이 고려하겠습니다 ...
글쎄, Mikhail, 당신은 당신의 분노에서 벗어 났고, 당신은 곧 당신의 차량을 현명하고 광신적으로 평가하기 시작할 것입니까? :)