Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 633

 
Maxim Dmitrievsky:

eines klugen Mannes.

Er redet unwissenschaftlichen Blödsinn. Er spricht über das Wassergedächtnis, dann spottet er über ein Elektronenmikroskop, das Ergebnisse zeigt, die sehr weit von den modernen Ergebnissen entfernt sind. Habe nicht weiter geschaut, ich habe Angst, dass er mit der flachen Erde anfängt :)

 
Dr. Trader:

Er redet einen unwissenschaftlichen Unsinn. Er erwähnt das Wassergedächtnis, und dann macht er sich über das Elektronenmikroskop lustig und zeigt Ergebnisse, die sehr weit von den heutigen entfernt sind.

Was ist an den modernen Geräten anders? Verwenden sie andere Elektronen?

das Wasser war ironisch gemeint, falls Sie es nicht verstanden haben

 

Auf molekularer Ebene ergibt sich ein unscharfes Bild. Und hier ist zum Beispiel ein Video von vor 5 Jahren, in dem sie bereits so weit sind, dass sie Atome (nicht Moleküle) erkennen und ein 3D-Modell mit ihrer Position erstellen können.https://www.youtube.com/watch?v=yqLlgIaz1L0

Es ist nicht klar, welche magnetischen Wellen er auf der CD sehen will, wo die Bits durch physische Vertiefungen im Plastik dargestellt werden. Und warum kann man auf seinem Bild der CD unter dem Mikroskop sehen, wie sich die Informationen in einem kleinen Kreis bewegen, während sie auf dieser Skala visuell in eine gerade Linie passen? Was für eine Show mit falschen Fakten und Bildern aus dem Internet.

Maxim Dmitrievsky:

Die Sache mit dem Wasser war ironisch gemeint, falls Sie es nicht verstanden haben.

Ironie gibt es überall. Was genau meinte er mit der Wassererfahrung? Er hat es gesagt und vergessen, er hat keine Schlussfolgerungen gezogen. Ob ernsthaft oder nicht, das ist nicht klar. Er ironisiert auch die Moleküle, es scheint, dass er sagen will, dass sie nicht existieren und nur er weiß, was wirklich da ist.

Die ersten 20 Minuten des Videos reichen aus, um an seinen Argumenten und seiner Glaubwürdigkeit zu zweifeln.

 
Dr. Trader:

Es zeigt ein unscharfes Bild auf molekularer Ebene. Aber hier ist zum Beispiel ein Video von vor 5 Jahren, in dem sie bereits so weit sind, dass sie Atome (nicht Moleküle) erkennen und ein 3D-Modell mit ihrer Position erstellen können.

Es ist nicht klar, welche magnetischen Wellen er auf einer CD sehen will, bei der die Bits durch physische Vertiefungen im Plastik dargestellt werden. Und warum kann man auf seinem Bild der CD unter dem Mikroskop sehen, wie die Informationen in einem kleinen Kreis laufen, während sie in diesem Maßstab visuell in eine gerade Linie passen? Was für eine Show mit falschen Fakten und Bildern aus dem Internet.

Er hat überall Ironie. Was genau meinte er mit seiner Erfahrung mit Wasser? Er hat es gesagt und vergessen, er hat keine Schlussfolgerungen gezogen. Ob das ernst gemeint ist oder nicht, ist nicht klar. Er ironisiert auch die Moleküle, es scheint, als wolle er sagen, dass sie nicht existieren und nur er weiß, was es in Wirklichkeit gibt.

Die ersten 20 Minuten des Videos reichen aus, um seine Argumente und seine Glaubwürdigkeit in Frage zu stellen.

In dem Video geht es um den Zufall )) um alles und nichts, sondern darum, dass etwas, das wir noch nicht berechnen können, zufällig ist. Es zeigt das Atomgitter und nicht die molekulare Ebene. Ich habe der Scheibe nicht viel Aufmerksamkeit geschenkt.

In einem anderen Video erklärt er, dass Licht ein Teilchen und keine Welle ist (am Beispiel der Interferenz) und dass Wellen (und Felder) erfunden wurden, weil wir nicht alle Möglichkeiten berechnen können.

Übrigens, die Gleise verlaufen in geraden Linien, das Bild ist nur schräg gefilmt.


 

OK, ich werde die Sache von der anderen Seite angehen. Angenommen, ich habe einen Satz von 100 Eingängen. Ich berechne die Entropie für jede Eingabe und erhalte Ergebnisse von -10 bis 10. Frage: Welche Eingaben sind zu bevorzugen: ????

Angenommen, ich habe 10 Eingänge unter Null, der Rest darüber, ABER alle Werte liegen zwischen -10 und 10.....

 

Und außerdem... kann ich die gegenseitigen Informationen nicht berechnen.... Oder vielmehr die bedingte Wahrscheinlichkeit für die anschließende Berechnung von Entropie und VI.

Kann jemand erklären, auf die Finger oder besser Beispiel.

erste Spalte 40 Zeilen Eingabevariable

zweite Spalte 40 Zeilen Ausgabe....

Ich habe über Nacht eine Menge Arbeit geleistet, um die Hypothese zu ermitteln. Ich bin über diese Dinge gestolpert, und das auf keinen Fall. Bitte helfen Sie mir und ich werde meine Gedanken zu meiner Hypothese darlegen...

 
Mihail Marchukajtes:

Und außerdem... kann ich keine Möglichkeit finden, die gegenseitigen Informationen zu berechnen.... Oder vielmehr die relative Wahrscheinlichkeit für die anschließende Berechnung von Entropie und VI.

Kann jemand erklären, auf die Finger oder besser Beispiel.

erste Spalte 40 Zeilen Eingabevariable

zweite Spalte 40 Zeilen Ausgabe....

Ich habe über Nacht eine Menge Arbeit geleistet, um die Hypothese zu ermitteln. Ich bin über diese Dinge gestolpert, und das auf keinen Fall. Bitte helfen Sie mir und ich werde meine Gedanken zu meiner Hypothese darlegen...

haben Sie nachts getrunken?

 
Maxim Dmitrievsky:

haben Sie nachts getrunken?

Nein... nicht betrunken..... warum?

Ich konnte einfach nicht schlafen, und das ist normalerweise das Einzige, was mir in solchen Momenten einfällt. Es lohnt sich nicht, Zeit zu verschwenden, wenn man viel zu tun hat...

 

Nun, es scheint, dass Entropie und gegenseitige Information wenig mit Ökonometrie zu tun haben

Korrelation, Kovarianz, Varianz werden normalerweise verwendet :) nicht auf diese Weise

Die Kreuzentropie ist ein Konzept, das im NS für die Ausbildung verwendet wird... aber wozu braucht man sie?

 
Maxim Dmitrievsky:

Nun, es scheint, dass Entropie und gegenseitige Information nur wenig mit Ökonometrie zu tun haben

Korrelation, Kovarianz, Varianz werden normalerweise verwendet :) nicht auf diese Weise

Die Kreuzentropie ist ein Konzept, das in der NS-Ausbildung verwendet wird... aber wozu braucht man sie?

Nun, zunächst einmal. Mit VI plane ich, die Anzahl der Eingaben zu reduzieren, um die Lernzeit zu verkürzen.

Ich habe nur die Eingaben ausgewählt, die eine negative Entropie haben und nahe bei Null liegen. Lernen mit beneidenswerter Konsistenz begann, um zu den gleichen Modellparameter kommen.

Ein Modell zu finden ist die halbe Miete, die andere Hälfte ist keine leichte Aufgabe, nämlich genau das auszuwählen, das in Zukunft funktionieren wird. Dazu speichere ich die Netzwerkdaten nicht in einer Trenar-Form, sondern in einer Dowble und schaue mir die Entropie des Netzwerks an und wie sie sich mit der Zeit verändert. Hier ist übrigens eine Tabelle der Entropieveränderung in der Zeit für binäre Polynomausgänge....

1 7.481151166 5.100318157 4.593448434 8.798740335 10.34478836 4.480187448 4.462974562 4.864834535

2 7.675977242 5.395113191 4.647719201 9.658965819 -17.34873011 4.511112896 4.529873469 4.925396515

3 7.512766799 5.414556649 4.644887426 8.929776132 -976.6274612 4.644286062 4.386822711 5.050380326

4 8.045096956 5.079259638 4.671147058 9.875423555 9.171932774 4.623802531 3.917309752 4.941859173

5 8.045378868 5.007650592 4.290382249 9.433280634 10.64451391 4.647512921 3.790881638 4.990994671

6 7.814542877 3.644626791 4.344130499 8.980821417 10.5023546 4.637264293 3.831404183 5.032854966

7 -26.55886859 3.781908903 4.516251137 8.797781513 10.54684501 4.883377949 3.86512079 4.659267439

8 -161.3020423 3.718875753 4.564760685 9.184890078 9.157325707 5.074360669 3.785251605 4.364874679

9 1.909633919 3.825969935 4.579305659 8.739113103 8.280835877 5.009919646 4.242339336 4.39432571

10 6.213306097 -10.87341467 5.067862079 10.18574585 8.07128492 1.73846346 4.299916662 4.567998062

11 6.171390883 1.962160448 5.081660438 8.650951109 7.510213446 1.596086413 4.313971802 4.55943716

12 6.120246115 3.948723109 4.801258198 8.235748448 7.127388358 1.698956287 4.082715891 4.781776645

13 6.138878328 -3.010948518 4.804114984 8.523101895 7.177670414 1.698630529 4.082338047 4.82267867

14 6.212129971 -3.922803979 4.757739216 9.25848968 7.66609198 1.698756132 4.125811197 4.874060339

15 6.090848662 -7.954277387 4.76183886 10.81234021 7.701949544 1.540056412 4.062605741 4.915433819

16 5.99824787 -59.32132062 4.806934783 9.083600192 7.697975097 1.540406949 4.097070448 4.978901083

17 5.83493287 4.565768504 4.899180184 -28.38726036 7.830286358 1.543100257 4.25790422 5.043798266

18 5.758509171 -3.4626244 4.895859118 -1237.359668 8.484082841 1.706466252 4.177809837 5.037940939

19 5.744674247 -12.48734205 4.961865536 1.569990079 8.915892511 1.682437372 4.336780002 5.057555915

20 5.738253623 -10.20442198 4.98732747 9.795996355 8.842880831 1.539687763 4.344159624 5.106441146

21 5.731628697 -1.706645474 5.005196184 10.75926151 8.059670516 1.432952506 4.391768977 4.729395732

22 5.874802768 -0.43939394479 4.970298578 10.33058781 7.832786294 1.431618527 4.568893332 4.715744749

23 5.953727915 -3.949602879 5.017109405 9.668521648 7.941416688 1.425216096 4.646327857 4.745979757

Überraschenderweise wird die Entropie an einem bestimmten Punkt, wenn ein Wert hinzugefügt wird, abrupt negativ. Woran könnte das liegen????

Wenn wir davon ausgehen, dass der positive Wert ein Maß für die Unsicherheit und der negative Wert ein Maß für die Ordnung ist, dann wählen wir die Messwerte des Netzes mit dem geringsten Entropiewert aus, aber ich glaube, dass ein zu hoher Indikator im negativen Bereich auch nicht gut ist. Deshalb gibt es zwei Varianten, entweder das Netzwerk mit der kleinsten Entropie zu wählen oder dasjenige, dessen Entropie am nächsten bei Null liegt....

Nun und wenn die Berechnung der VI organisiert wird, dann wird es möglich sein, zu sehen, wie viele VI in der Ausgabe eines Netzwerks im Verhältnis zur Eingabe. Ich denke, mit diesem Ansatz lassen sich viele Punkte auf der Habenseite verbuchen.

Es ist einfach, viele Modelle zu bekommen, aber das richtige auszuwählen ist eine andere Sache und gar nicht so einfach.

Ich warte auf Kommentare zu diesem Beitrag und vor allem auf eine Erklärung, warum das so sein könnte. Theorien der Hypothese, etc. Ich würde das zu schätzen wissen. Danke!!!!