Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2761
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
Ich habe in diesen Artikeln keine sinnvolle Auswahl von Merkmalen gesehen. Sinnvoll in dem Sinne, dass man nicht aus einem Stapel auswählt, sondern gleich ein informatives Markup-Chip-Target macht. Es ist möglich, Zielmerkmale für jedes beliebige Merkmal auszuwählen. Bei Inkrementen ist dies nicht möglich. Wir müssen die Zielmerkmale unter den Zielmerkmalen auswählen.
"Sinnvoll" - das ist nach den Bildern, die ich gegeben habe, die"informative Markup-Chip-Ziel auf einmal" machen.
Und was meinen Sie mit "sinnvoll"?
"Sinnvoll" ist durch die Bilder, die ich zitiert, was macht"informative Markup ein ficha-gezielt auf einmal"
Und was meinst du mit dem Wort "sinnvoll"?
Nun, wenn sie es sofort tun, ist es in Ordnung. Daran kann ich mich nicht erinnern. Wie heißt der Artikel? Ich lese ihn später.
Hier, von VLADIMIR PERERVENKO. Er hat einen ganzen Zyklus von Artikeln, die mit Data Mining beginnen. Mein Standpunkt deckt sich in vielerlei Hinsicht mit dem seinen, mit Ausnahme des Modells selbst. Ich halte es für unangemessen komplex für unsere Bedürfnisse.
"Aussagekräftig" ist durch die Bilder, die ich gegeben habe, die "informative Markup fiche-gezielt auf einmal machen
Das Bild von hier https://www.mql5.com/ru/articles/3507 wird so genannt - Abb.12. Variation und Kovarianz eines Satzes von 2 Zügen
von Kovarianz zu Korrelation ist 1 Schritt.... (aber Sie sind ein Genie und jeder ist beleidigt - also googeln Sie es selbst).... Ich wünsche Ihnen viel Erfolg bei der Verfeinerung Ihres begrifflichen Apparats ... Wenn Sie erst einmal die Bedeutung der Worte verstanden haben, wird sich die Pseudo-Genialität Ihres Jargons und die Falschheit Ihrer angeblichen Argumente im Handumdrehen auflösen ... Sie können die Logik nicht mit Ihrem Geschrei ändern.
-- im Allgemeinen hat sich der Faden nicht geändert, immer noch zerfetzte Kehlen, die versuchen, ihr Genie zu verkünden, ein Fahrrad zu erfinden, - "Pioniere" sozusagen...
Hier, von VLADIMIR PERERVENKO. Er hat einen systematisch vollständigen Zyklus von Artikeln, beginnend mit Data Mining. Mein Standpunkt deckt sich in vielerlei Hinsicht mit dem seinen, mit Ausnahme des Modells selbst. Ich halte es für unsere Bedürfnisse für unverhältnismäßig kompliziert.
Ich habe keinen Hinweis auf die Zielvorgaben für bestimmte Merkmale gesehen. Wir nehmen ein Inkrement mit einer willkürlichen Verzögerung. Dies ist nur für bestimmte Ziele informativ und für andere nicht informativ.
Das verstehe ich nicht. Was bedeutet Markup?
Ziel-Prädikator-Paare sind verwandt, und das Paar existiert genau deshalb, weil sie verwandt sind. Und es ist schwer genug, solche Paare zu finden. Je stärker der Zusammenhang ist, desto geringer ist der Anpassungsfehler. Bei einem anderen Ziel ist das Prädiktorproblem ein anderes.
Das verstehe ich nicht. Was bedeuten die Markierungen?
Das Ziel-Prädiktor-Paar ist verwandt, und das Paar existiert genau deshalb, weil es verwandt ist. Und es ist schwer genug, solche Paare zu finden. Je stärker der Zusammenhang ist, desto geringer ist der Anpassungsfehler. Für das andere Ziel ist das Prädiktorproblem ein anderes.
Ich hoffe, ich irre mich, aber ich habe den Eindruck, dass Attribute nicht auf dieselbe Weise verstanden werden.
Die NS-Eingabe wird mit Merkmalen und die Ausgabe mit Klassenbezeichnungen gespeist.
Sind indirekte Zeichen möglich? Zum Beispiel: Katzen und Hunde kämpfen oft, aber Hunde jagen eher Katzen. Uns werden zwei Objekte und ihre Bewegungen vorgegeben. Die Aufgabe: Bestimmen Sie, welches von ihnen eine Katze und welches ein Hund ist, nachdem Sie einmal anhand von Sachdaten geprüft haben, und bestimmen Sie in der Folgezeit unabhängig, wer wer ist. Wir wissen mit Sicherheit, dass eines der beiden Objekte eine Katze und das andere ein Hund ist, aber wir können weder ihre Silhouette sehen noch sie hören, wir können nicht einmal ihre Spuren sehen, sondern nur die Koordinaten der Bewegung. Wir füttern das neuronale Netz mit der Bewegung der Objekte hin und her (KAUF-VERKAUF). Im Prozess des "Denkens" und der Multiplikation der Gewichte hat das neuronale Netz uns eingestuft, dass ein Objekt immer vor und das andere hinter ihm läuft (MA_5[0] > MA_10[0]), und eine Vermutung aufgestellt: Bewegt sich der Hund jetzt vorwärts? Er überprüfte dies mit den tatsächlichen Daten und erhielt die Antwort (NEIN), korrigierte die Daten, nahm an, dass es sich um eine Katze handelte, und überprüfte sie - (JA). Jetzt weiß das neuronale Netz, wie es anhand des Kampfes und der Bewegung von Objekten bestimmen kann, wer eine Katze und wer ein Hund ist. Gleichzeitig wurde es nicht mit Pfoten, Haaren, Zähnen, Bellen oder Miauen gefüttert.
Es scheint also, dass das neuronale Netz mit vielen Dingen gefüttert werden kann und es wird etwas finden und es so finden(Hercule Poirot), dass es die notwendige Antwort gibt. Das heißt, das Merkmal stellt in diesem Fall keine Teilinformation über das zu klassifizierende Objekt dar, aber eine Lösung ist möglich.