Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 371

 
Dimitri:


Ich verstehe es immer noch nicht - umgekehrte Korrelation oder keine Korrelation?

Oder glauben Sie, dass zwei zufällige Reihen, die einen Korrelationskoeffizienten von -1 haben, "nicht korreliert" sind?

Yoeklmn.....


ah... Ich habe es sofort verstanden)) Ich habe es sofort verstanden...
 
Dmitry:


1. Niemand analysiert die Korrelation - es geht um die Wahl der Prädiktoren.

2) Sie haben drei Seiten zuvor meinen Standpunkt wiederholt: "Abhängigkeit ist ein Spezialfall von Korrelation. Wenn zwei Variablen voneinander abhängig sind, dann besteht definitiv eine Korrelation. Wenn es eine Korrelation gibt, dann muss nicht unbedingt eine Abhängigkeit bestehen.

3. die Kreuzentropie gibt ebenso wie die Korrelation keine Antwort auf das Vorhandensein einer funktionalen Abhängigkeit


1) Erst sendest du selbst für die Korrelation, dann löschst du Beiträge, dann weißt du nicht mehr, worüber du vor ein paar Seiten geschrieben hast.

Dimitri:

Alle MO beruhen auf der Tatsache, dass die Eingangsvariablen mit der Ausgangsvariablen korrelieren müssen.


2) Nein, ich sagte, dass eine Abhängigkeit auch dann bestehen kann, wenn keine Korrelation besteht.


3) Kreuzentropie. Sie können eine große Anzahl von Prädiktoren in Bezug auf ein Ziel auf einmal schätzen. Wenn jeder einzelne Prädiktor nicht in der Lage ist, eine Vorhersage zu treffen, aber eine bestimmte Kombination von Prädiktoren dies tut. Leider gilt dies nicht für Forex, aber im Allgemeinen ist die Auswahl von Prädiktoren durch Kreuzentropie für maschinelles Lernen viel besser als die Auswahl durch Korrelation.

 
Dr. Trader:


2) Nein, ich sagte, dass es eine Korrelation geben kann, auch wenn es keine Korrelation gibt.



Es kann keine Abhängigkeit geben, wenn es keine Korrelation gibt. Die Korrelation kann linear oder nichtlinear sein, aber sie ist immer dann gegeben, wenn eine Abhängigkeit besteht.

Es kann eine Korrelation geben, wo keine Korrelation ist - eine falsche Korrelation.

Ich habe nicht einen einzigen Beitrag in diesem Thema gelöscht.

 

Ich kann (ich weiß nicht warum) das Buch nicht herunterladen, um den Beweis zu erbringen.

Wer die Möglichkeit hat, sollte ein Beispielbild herunterladen und hier einstellen, um das Gezänk zu beenden.

Bendat J., Pearsol A.

Angewandte Zufallsdatenanalyse: Aus dem Englischen übersetzt: World, 1989.

In. 126

BEISPIEL 5.4. UNKORRELIERTE ABHÄNGIGE ZUFALLSVARIABLEN.


.

ss

Beispiel ist sehr aufschlussreich.

 
Die Korrelation von Variablen bedeutet nicht, dass eine Vorhersage möglich ist. Die Paare können korreliert werden. Das heißt, sie sind miteinander korreliert, aber man kann das eine nicht durch das andere vorhersagen, weil sie sich gleichzeitig ändern, und schon gar nicht vor dem anderen. Dies ist der Fall, wenn wir über Korrelation sprechen!!!!
 
Dimitri:

Zwei gleich korrelierte Prädiktoren - was wird auf Grund der geringeren Korrelation verworfen? Welche ist weniger korreliert?

Dmitry, es tut mir leid, aber ich habe den Verdacht, dass Sie entweder versuchen, mich zu trollen, oder herumalbern, oder einfach nur dumm sind, bei allem Respekt... Können Sie nicht anhand eines trivialen Beispiels sehen, dass zwei Attribute beide eine Nullkorrelation mit dem Ziel haben, ABER beide sind signifikant, keines kann weggelassen werden, die lineare Korrelation ist Null, nicht linear 100%, d.h. die Korrelation kann Null sein und der Datensatz ist vollständig vorhersehbar, was Ihre Aussage:

Dimitri:

Alle MO beruhen auf der Tatsache, dass die Eingangsvariablen mit der Ausgangsvariablen korrelieren müssen.

Ansonsten haben ALLE MO-Modelle keinen Sinn.

Das widerlegt sie vollständig.

 
Dimitri:


Es kann keine Abhängigkeit geben, wenn es keine Korrelation gibt. Die Korrelation kann linear oder nichtlinear sein, aber sie ist immer dann gegeben, wenn eine Abhängigkeit besteht.

Wieder falsch, es gibt keine nicht-lineare Korrelation Korrelation ist eine STRENG definierte mathematische Struktur wie Addition oder Kosinus, studieren Sie wenigstens wikipedia, bevor Sie Unsinn reden.
 
Oleg Avtomat:

Ich kann (ich weiß nicht warum) das Buch nicht herunterladen, um den Beweis zu erbringen.

Wer die Möglichkeit hat, sollte ein Beispielbild herunterladen und hier einstellen, um das Gezänk zu beenden.

Bendat J., Pearsol A.

Angewandte Zufallsdatenanalyse: Überarbeitet auf Englisch: World, 1989.

In. 126

BEISPIEL 5.4. UNKORRELIERTE ABHÄNGIGE ZUFALLSVARIABLEN.


.

ss

Beispiel ist sehr aufschlussreich.


http://sci.alnam.ru/book_dsp.php

nur auf Seite 126 gibt es kein Bild

 

Warum sind Sie alle so besessen von der Korrelation?

Beim maschinellen Lernen gibt es ein Konzept der "Wichtigkeit - Wichtigkeit" von Variablen, das überhaupt nichts mit Korrelation zu tun hat. Die Berechnung ist häufig in den Algorithmus für maschinelles Lernen selbst integriert.

Zum Beispiel in einem Random Forest.

Aus einer ganzen Teilmenge von Prädiktoren, vielleicht mehreren hundert, werden einige wenige ausgewählt, und der interne Algorithmus wird verwendet, um zu sehen, ob die Werte dieser Prädiktoren einen bestimmten Wert der Klasse vorhersagen. Sie werden entweder akzeptiert oder verworfen.

Am Ende werden alle Knoten des Baums durchgesehen und es wird festgestellt, wie oft ein Prädiktor in jedem Knoten des Baums verwendet wurde - so wird die Bedeutung der Prädiktoren ermittelt.


Ich versuche immer wieder, das Team zusammenzubringen, um aktuelle Entwicklungen auf diesem Gebiet zu diskutieren, was viel informativer ist als Korrelationsübungen.

 
SanSanych Fomenko:

Warum sind Sie alle so besessen von der Korrelation?

Beim maschinellen Lernen gibt es ein Konzept der "Wichtigkeit - Wichtigkeit" von Variablen, das überhaupt nichts mit Korrelation zu tun hat. Die Berechnung ist häufig in den Algorithmus für maschinelles Lernen selbst integriert.

Zum Beispiel in einem Random Forest.

Aus einer ganzen Teilmenge von Prädiktoren, vielleicht mehreren hundert, werden einige wenige ausgewählt, und der interne Algorithmus wird verwendet, um zu sehen, ob die Werte dieser Prädiktoren einen bestimmten Wert der Klasse vorhersagen. Sie werden entweder akzeptiert oder verworfen.

Am Ende werden alle Knoten des Baums durchgesehen und es wird festgestellt, wie oft ein Prädiktor in jedem Knoten des Baums verwendet wurde - man erhält die Wichtigkeit des Prädiktors.


Ich versuche nur, das Team dazu zu bringen, bereits bestehende Entwicklungen in diesem Bereich zu diskutieren, die viel informativer sind als Übungen in Korrelation.


und alglieb hat auch einen dunklen Wald, übrigens... Sie können es verwenden, ohne mt5 zu verlassen