Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 993
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ist es das? Wenn ich es mir recht überlege, haben Sie Ihre Beiträge gelesen? Nun, nur Bälle sind cooler als Maxim).
Aaahhhhhh... Das ist lustig, danke! Ja, lustige Figur, komisch.
Yuri, noch einmal: Das Prinzip stimmt.
Aber wissen Sie, die Sache ist die - selbst coole Ideen finden keinen Anklang bei den Menschen, wenn es kein Signal gibt (wie einen Pass) oder es negativ ist wie bei mir. Ich sehe es an meinem Beispiel - nun, es gibt keine positive Bilanz....
Aber wissen Sie, die Sache ist die, dass selbst großartige Ideen bei den Menschen nicht ankommen, wenn es kein Signal gibt (wie einen Pass) oder es negativ ist, wie bei mir. Ich sehe es an meinem eigenen Beispiel - nun, es gibt keine positive Bilanz, so scheint es - hebt die Fahne auf, bringt die Arbeit zu Ende, bitte Leute. Nein - niemand ist daran interessiert.
Das gilt auch für dieses Thema.
Nun, niemand hat "Eigenkapital im Himmel" oder irgendein anderes Eigenkapital, und das war's - das Thema wird sofort passé und uninteressant.
Die Schlussfolgerung ist, dass jedes Fach einen "Mann mit einem Signal" haben muss. Eine positive! Dann beginnt das Leben.
Wir warten auf diesen Mann. Wir hoffen und glauben.
Ich muss zugeben, dass ich mich noch nie für die Signale oder gar Echtzeitberichte von jemandem interessiert habe. Ich sehe den Sinn nicht. Ich verstehe dieses universelle Bestreben nicht.
Nein, ich bin wie viele andere auch - interessiert.
Es ist ein Maß für Intelligenz, egal wie man es betrachtet. Ich zum Beispiel habe einen Mann mit anständigen Signalen zum Freund. Es inspiriert mich und lässt mich immer wieder arbeiten, weil ich wirklich sehen kann, dass es möglich ist, mit Forex Geld zu verdienen. Ich mache das schon seit langem, und ich bin sicher, dass es noch lange dauern wird.
Nein, ich bin wie viele andere auch - interessiert.
Es ist ein Maß für Intelligenz, egal wie man es betrachtet. Ich zum Beispiel habe einen Mann mit anständigen Signalen zum Freund. Es inspiriert mich und lässt mich immer wieder arbeiten, weil ich wirklich sehen kann, dass es möglich ist, mit Forex Geld zu verdienen. Die Tatsache, dass ich persönlich nicht in der Lage bin, es zu tun - nun, es ist noch nicht Abend.
Ich verstehe, Sie brauchen einen äußeren Anreiz. Sie können nicht ohne sie auskommen).
Das Wichtigste, was ich vergessen habe zu sagen, ist, dass diese Person, nun ja, keine neuronalen Netze in irgendeiner Weise verwendet.
Ich bin fest davon überzeugt, dass, wenn jemand solche Ergebnisse in diesem Thread gezeigt hätte, das ganze Forum hier vernietet wäre, denn NS ist eine lustige Sache. Aber leider - ohne diesen wichtigen Punkt gibt es hier nichts zu sehen oder zu lesen. IMHO.
Das Wichtigste, was ich vergessen habe zu sagen, ist, dass diese Person, nun ja, keine neuronalen Netze in irgendeiner Weise verwendet.
Ich bin fest davon überzeugt, dass, wenn jemand solche Ergebnisse in diesem Thread gezeigt hätte, das ganze Forum hierher gezogen worden wäre, denn NS ist eine lustige Sache. Aber leider - ohne diesen wichtigen Punkt gibt es hier nichts zu sehen oder zu lesen. IMHO.
warum nicht anwendbar?
Warum rhetorisch?
PCA ist eine lineare Transformation + Reproduzierbarkeitsprobleme.
"Fourier-Transformation, Wavelets, spektrale Singularität, usw. - Zersetzungsalgorithmen
Tsne ist ein ausgezeichneter Algorithmus zur Dimensionalitätsreduktion für die Visualisierung. Er benötigt den gesamten Datensatz, um zu funktionieren. Sie kann nicht mit neuen Einzeldaten arbeiten. Es ist möglich (laut einigen Quellen), sie nicht nur für die Verwendung mit Trainings-/Testsätzen, sondern auch mit neuen Einzeldaten anzupassen. Bei mir hat es nicht funktioniert, und ich bin auf keinen Artikel mit einer erfolgreichen Tsne-Implementierung zur Verringerung der Dimensionalität von Prädiktoren in MO gestoßen.
Rhetorisch, weil Sie diesen Algorithmus offenbar nicht ausprobiert haben. Sonst hätten Sie es nicht zur Dimensionalitätsreduktion vorgeschlagen... Wenn Sie jedoch Ergebnisse zu diesem Algorithmus haben, teilen Sie diese bitte mit.
Viel Glück!
PCA - lineare Transformation + Reproduzierbarkeitsprobleme.
"Fourier-Transformation, Wavelets, spektrale Singularität, usw. - Zersetzungsalgorithmen
Tsne ist ein hervorragender Algorithmus zur Dimensionalitätsreduktion für die Visualisierung. Er benötigt den gesamten Datensatz, um zu funktionieren. Sie kann nicht mit neuen Einzeldaten arbeiten. Es ist möglich (laut einigen Quellen), sie nicht nur für die Verwendung mit Trainings-/Testsätzen, sondern auch mit neuen Einzeldaten anzupassen. Bei mir hat es nicht funktioniert, und ich habe keine Artikel gefunden, in denen Tsne erfolgreich für die Verkleinerung von Prädiktoren in MO eingesetzt wurde.
Rhetorisch, weil Sie diesen Algorithmus offenbar nicht ausprobiert haben. Sonst hätten Sie es nicht zur Dimensionalitätsreduktion vorgeschlagen... Wenn Sie jedoch Ergebnisse zu diesem Algorithmus haben, teilen Sie diese bitte mit.
Viel Glück!
Sehen Sie, die Person schilderte ein Problem mit zu vielen zu klassifizierenden Daten, ich schlug eine Lösung vor...
PCA ist ebenfalls ein Zerlegungsalgorithmus, wenn ich mich nicht irre, und auch bei anderen Verfahren wird lediglich eine Zerlegung und Reduzierung der Dimensionalität erreicht (etwas wird weggeworfen und etwas bleibt zurück).
Dass all diese Algorithmen keinen Nutzen bringen (außer, dass sie die Dimensionalität reduzieren), ist eine andere Sache, und es ist keine Frage der Algorithmen, sondern der Daten selbst.
Ich weiß nicht, ob es sich um neue Daten handelt, aber ich habe im Internet Beispiele für tsne mit train und test gesehen, und ich nehme an, Sie haben sie auch gesehen.
Was tsne betrifft, so mag es ein großartiger Algorithmus sein, aber er funktioniert genauso wie die anderen, also habe ich versucht, ihn in Klassen aufzuteilen, aber es kam nichts Interessantes dabei heraus, also habe ich es aufge geben. Was die neuen Daten betrifft, so weiß ich nicht, ich habe im Internet Beispiele gesehen, wie tsne mit einem Zug und einem Test funktioniert, aber das hast du wahrscheinlich auch gesehen
"PCA, Fourier-Transformation, Wavelets, etc... des neuen t-sne. Mit ihrer Hilfe können Sie 5x aus 100 ns Eingaben machen und haben fast die gleiche Qualität.