분류를 적용하는 첫 번째 일은 도구를 적용할 수 있는 문제에 도구를 적용하는 것입니다. 예를 들어, 스펙트럼 분석을 금융 시장에 적용한다는 아이디어는 여러 번 논의되었으며 모든 것이 훌륭한 도구인 것처럼 보이지만 다른 개체의 경우에는 아니요, 다시 제공합니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
제삼. 분류는 매우 구체적으로 질문을 제기합니다. 우리는 무엇을 예측합니까? TA와 비교하십시오. 우리는 지표를 취합니다. 항상 바입니다 [1]. 현재 막대는 사용되지 않습니다. H1은 무슨 뜻인가요? 시간별 신선도 정보를 사용 하여 시장 진입 을 예측합니다! 이것은 기껏해야.
분류가 완전히 다릅니다. 대상 변수의 현재 값을 가져와 어제의 초기 데이터와 비교합니다. 대상 변수를 하나 이상의 막대만큼 이동합니다. 이러한 데이터에 맞는 모델을 사용할 때 다음 막대가 도착할 때 항상 미래를 예측합니다.
추신.
급격한 시장 움직임(뉴스)을 예측하는 데 사용하려는 경우 목표 변수를 형성하면 성공할 수 있으며 이는 훨씬 단순한 경우에 큰 문제입니다.
나는 말한 모든 것에 동의합니다.
스펙트럼에 대해. 나는 그것을 사용하지 않았습니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
정확히! 우리에게는 단 하나의 문제가 있습니다 - 재교육. 그리고 그녀는 모든 사람에게 압력을 가합니다. 반대 측면은 과소적합(그리고 모든 곳에서 나쁜 결과)입니다.
여기 몬테카를로를 포함하여 아름다운 그래픽을 배치했습니다. 본질적으로 나는 모델을 훈련시키지 않고 샘플 외 세그먼트에 데이터를 맞추었다는 결론에 도달했습니다. 내 모델은 샘플을 잘 통과하지 못하는 것 같습니다. 하지만 문제는 내가 선택하지 않은 것을 보지 않는 한 작동하는 모델을 선택할 수 없다는 것입니다. 아주 나쁜.
"여기서 다음 막대를 예측할 때 이전 상태를 고려하지 않은 분류 기반 예측에 대해 논의하고 있습니다. 분류 기반 예측(예측)은 패턴별 예측입니다. 그리고 과거에 변화를 가져온 뉴스가 있었다면 이전 값(외삽되지 않음)에서 따르지 않는 경우 분류는 그러한 변경을 포착 하고 미래에 유사한 변경(정확히 동일하지는 않지만 유사)이 있는 경우 인식하고 정확한 예측을 할 것"이라고 말했다.
그래서 저는 이 방향으로 파고들 가치가 있다고 생각합니다: " 분류는 그러한 변화를 포착할 것 입니다."
처음에는 당신이 절대적으로 옳습니다. 마침내 지점에 제정신이 있는 사람들이 있었습니다. 예, 분류는 참 또는 거짓에 대해 패턴을 평가하거나 Reshetov가 제안한 대로 미지의 것에 대해 말합니다. 패턴 자체는 예측 구성 요소를 포함하며 중요한 것은 패턴 자체가 아니라 이에 대한 시장 반응 그것. 그리고 이 반응이 훈련에서와 동일하다면 네트워크는 올바른 결론을 내릴 것입니다. 그래서 이런게....
여기 몬테카를로를 포함하여 아름다운 그래픽을 배치했습니다. 본질적으로 나는 모델을 훈련시키지 않고 샘플 외 세그먼트에 데이터를 맞추었다는 결론에 도달했습니다. 내 모델은 샘플을 잘 통과하지 못하는 것 같습니다. 하지만 문제는 내가 선택하지 않은 것이 보이지 않는 한 작동하는 모델을 선택할 수 없다는 것입니다. 아주 나쁜.
위원회를 시도 했습니까? gbm이 동일한 데이터에 대해 동일한 매개변수로 여러 번 훈련되면 새 데이터에 대한 결과는 매번 약간씩 다를 것입니다. 무작위로 하나의 모델을 선택하면 운이 좋고 거래가 잘 될 수도 있고 그렇지 않을 수도 있으므로 추측할 수 없습니다. 이 경우 수십(수백?)개의 모델을 학습하고 대부분의 모델이 예측하는 최종 결과를 가져옵니다.
다음은 그러한 그래프의 예입니다. 왼쪽에는 100개 모델을 거래한 결과의 시뮬레이션이 있습니다. 하나의 모델만 매매하면 거의 50%의 확률로 적자에 진입할 수 있음을 알 수 있습니다. 오른쪽 - 동일한 모델의 위원회의 결정에 따른 거래, 여기에는 임의성이 없고 모든 것이 명확하며 거의 꾸준히 올라갑니다.
분류를 적용하는 첫 번째 일은 도구를 적용할 수 있는 문제에 도구를 적용하는 것입니다. 예를 들어, 스펙트럼 분석을 금융 시장에 적용한다는 아이디어는 여러 번 논의되었으며 모든 것이 훌륭한 도구인 것처럼 보이지만 다른 개체의 경우에는 아니요, 다시 제공합니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
제삼. 분류는 매우 구체적으로 질문을 제기합니다. 우리는 무엇을 예측합니까? TA와 비교하십시오. 우리는 지표를 취합니다. 항상 바입니다 [1]. 현재 막대는 사용되지 않습니다. H1은 무슨 뜻인가요? 시간별 신선도 정보를 사용 하여 시장 진입 을 예측합니다! 이것은 기껏해야.
분류가 완전히 다릅니다. 대상 변수의 현재 값을 가져와 어제의 초기 데이터와 비교합니다. 대상 변수를 하나 이상의 막대만큼 이동합니다. 이러한 데이터에 맞는 모델을 사용할 때 다음 막대가 도착할 때 항상 미래를 예측합니다.
급격한 시장 움직임(뉴스)을 예측하는 데 사용하려는 경우 목표 변수를 형성하면 성공할 수 있으며 이는 훨씬 단순한 경우에 큰 문제입니다.
Sanych의 친척은 무엇입니까?
네, 그렇게 생각합니다. 순진한 베이지안 분류기는 스팸을 필터링하기 때문에 여기에서 실패할까요?
그리고 뉴스를 희생시키면서 - 파이프! 어떤 종류의 뉴스는 충분하지 않은 것처럼 모든 균열에서 다시 훈련됩니다. 나는 예 를 들었다.
분류는 만병 통치약이나 성배를 만드는 도구가 아닙니다.
분류를 적용하는 첫 번째 일은 도구를 적용할 수 있는 문제에 도구를 적용하는 것입니다. 예를 들어, 스펙트럼 분석을 금융 시장에 적용한다는 아이디어는 여러 번 논의되었으며 모든 것이 훌륭한 도구인 것처럼 보이지만 다른 개체의 경우에는 아니요, 다시 제공합니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
제삼. 분류는 매우 구체적으로 질문을 제기합니다. 우리는 무엇을 예측합니까? TA와 비교하십시오. 우리는 지표를 취합니다. 항상 바입니다 [1]. 현재 막대는 사용되지 않습니다. H1은 무슨 뜻인가요? 시간별 신선도 정보를 사용 하여 시장 진입 을 예측합니다! 이것은 기껏해야.
분류가 완전히 다릅니다. 대상 변수의 현재 값을 가져와 어제의 초기 데이터와 비교합니다. 대상 변수를 하나 이상의 막대만큼 이동합니다. 이러한 데이터에 맞는 모델을 사용할 때 다음 막대가 도착할 때 항상 미래를 예측합니다.
추신.
급격한 시장 움직임(뉴스)을 예측하는 데 사용하려는 경우 목표 변수를 형성하면 성공할 수 있으며 이는 훨씬 단순한 경우에 큰 문제입니다.
나는 말한 모든 것에 동의합니다.
스펙트럼에 대해. 나는 그것을 사용하지 않았습니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
정확히! 우리에게는 단 하나의 문제가 있습니다 - 재교육. 그리고 그녀는 모든 사람에게 압력을 가합니다. 반대 측면은 과소적합(그리고 모든 곳에서 나쁜 결과)입니다.
여기 몬테카를로를 포함하여 아름다운 그래픽을 배치했습니다. 본질적으로 나는 모델을 훈련시키지 않고 샘플 외 세그먼트에 데이터를 맞추었다는 결론에 도달했습니다. 내 모델은 샘플을 잘 통과하지 못하는 것 같습니다. 하지만 문제는 내가 선택하지 않은 것을 보지 않는 한 작동하는 모델을 선택할 수 없다는 것입니다. 아주 나쁜.
정확히! 우리에게는 단 하나의 문제가 있습니다 - 재교육.
그리고 나는 문제가 완전히 다른 것입니다. 음, 이런 것입니다 .......
L 네, 제가 의사입니까? Sanych는 다음과 같이 썼습니다.
"여기서 다음 막대를 예측할 때 이전 상태를 고려하지 않은 분류 기반 예측에 대해 논의하고 있습니다. 분류 기반 예측(예측)은 패턴별 예측입니다. 그리고 과거에 변화를 가져온 뉴스가 있었다면 이전 값(외삽되지 않음)에서 따르지 않는 경우 분류는 그러한 변경을 포착 하고 미래에 유사한 변경(정확히 동일하지는 않지만 유사)이 있는 경우 인식하고 정확한 예측을 할 것"이라고 말했다.
그래서 저는 이 방향으로 파고들 가치가 있다고 생각합니다: " 분류는 그러한 변화를 포착할 것 입니다."
마지막으로 지점에 제정신이 있는 사람들이 있습니다.
잘 생각했어?
나는 항상 이것을 한다. 생각하기 어렵네요 :-)
오 글쎄
여기 몬테카를로를 포함하여 아름다운 그래픽을 배치했습니다. 본질적으로 나는 모델을 훈련시키지 않고 샘플 외 세그먼트에 데이터를 맞추었다는 결론에 도달했습니다. 내 모델은 샘플을 잘 통과하지 못하는 것 같습니다. 하지만 문제는 내가 선택하지 않은 것이 보이지 않는 한 작동하는 모델을 선택할 수 없다는 것입니다. 아주 나쁜.
위원회를 시도 했습니까? gbm이 동일한 데이터에 대해 동일한 매개변수로 여러 번 훈련되면 새 데이터에 대한 결과는 매번 약간씩 다를 것입니다. 무작위로 하나의 모델을 선택하면 운이 좋고 거래가 잘 될 수도 있고 그렇지 않을 수도 있으므로 추측할 수 없습니다. 이 경우 수십(수백?)개의 모델을 학습하고 대부분의 모델이 예측하는 최종 결과를 가져옵니다.
다음은 그러한 그래프의 예입니다. 왼쪽에는 100개 모델을 거래한 결과의 시뮬레이션이 있습니다. 하나의 모델만 매매하면 거의 50%의 확률로 적자에 진입할 수 있음을 알 수 있습니다.
오른쪽 - 동일한 모델의 위원회의 결정에 따른 거래, 여기에는 임의성이 없고 모든 것이 명확하며 거의 꾸준히 올라갑니다.
진리의 실험 기준 - 생각하지 말고 행하라
나는 개인적으로 스펙트럼 분석이 더 유망하다고 생각하지만 이것은 개인적으로 ...
분류를 적용하는 첫 번째 일은 도구를 적용할 수 있는 문제에 도구를 적용하는 것입니다. 예를 들어, 스펙트럼 분석을 금융 시장에 적용한다는 아이디어는 여러 번 논의되었으며 모든 것이 훌륭한 도구인 것처럼 보이지만 다른 개체의 경우에는 아니요, 다시 제공합니다.
두번째. 분류는 금융 시장에 꽤 적용 가능하지만 여기에는 많은 문제가 있습니다. 그러나 분류할 때 주요 문제는 TS 재교육(과적합) 문제인 최전선에 놓일 수 있습니다. 무엇이 더 중요할 수 있습니까? 물론 가장 좋아하는 성배가 있다는 환상을 잃는 것은 즐겁지 않지만 여기에 선택이 있습니다. 행복은 좋지만 진실이 더 낫습니까?
제삼. 분류는 매우 구체적으로 질문을 제기합니다. 우리는 무엇을 예측합니까? TA와 비교하십시오. 우리는 지표를 취합니다. 항상 바입니다 [1]. 현재 막대는 사용되지 않습니다. H1은 무슨 뜻인가요? 시간별 신선도 정보를 사용 하여 시장 진입 을 예측합니다! 이것은 기껏해야.
분류가 완전히 다릅니다. 대상 변수의 현재 값을 가져와 어제의 초기 데이터와 비교합니다. 대상 변수를 하나 이상의 막대만큼 이동합니다. 이러한 데이터에 맞는 모델을 사용할 때 다음 막대가 도착할 때 항상 미래를 예측합니다.
급격한 시장 움직임(뉴스)을 예측하는 데 사용하려는 경우 목표 변수를 형성하면 성공할 수 있으며 이는 훨씬 단순한 경우에 큰 문제입니다.
Sanych의 친척은 무엇입니까?
네, 그렇게 생각합니다. 순진한 베이지안 분류기는 스팸을 필터링하기 때문에 여기에서 실패할까요?
그리고 뉴스를 희생시키면서 - 파이프! 어떤 종류의 뉴스는 충분하지 않은 것처럼 모든 균열에서 다시 훈련됩니다. 나는 예 를 들었다.