Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1933

Neuer Kommentar
 
Aleksey Vyazmikin:

Dieses Bild stammt von den letzten Ergebnissen - 4 klare Cluster

Vorhin sprachen Sie von einigen Zahlenwerten zur Bewertung der Ergebnisse - welche Zahlen schlagen Sie vor, um sie zu betrachten?

Ja)) und nun die Testdaten ansehen

scatter3d(x = predict.test[,1], 
          y = predict.test[,2], 
          z = predict.test[,3],
          groups = Y[test.idx],
          grid = F, 
          surface = F,
          ellipsoid = F,
          bg.col = "black",surface.col = c(2,3))

Ich habe gesagt, dass das alles Unsinn ist. Sie sollten sich den Fehler des Modells anhand der Testdaten und nicht anhand der Bilder ansehen, den Fehler eines jeden Modells aus einem beliebigen Paket


Ändern Sie übrigens die Indizes, da Sie mit nur 10k Daten trainieren.

train.idx <- 100:8000
test.idx <- 8001:10000

und Sie haben über 500k an Daten

 
mytarmailS:

Wer kennt sich mit polynomischer oder harmonischer Annäherung ausBITTE!!!

 
mytarmailS:

Ja)) und nun die Testdaten ansehen

Ich habe gesagt, dass das alles Unsinn ist. Sie sollten sich den Modellfehler bei den Testdaten ansehen, nicht die hübschen Bilder, den Fehler eines jeden Modells aus einem beliebigen Paket.


Jetzt sind die Testdaten wieder da.

> library(car)

> scatter3d(x = predict.test[,1], 
+           y = predict.test[,2], 
+           z = predict.test[,3],
+           groups = Y[train.idx],
+           .... [TRUNCATED] 
Error in complete.cases(x, y, z, groups) : 
  не все аргументы имеют одинаковую длину
mytarmailS:

Sie trainieren nur mit 10k Daten.

und Sie haben über 500k Daten.

Ich muss es zuerst auf kleine Daten abstimmen und es dann mit großen Daten ausprobieren.

Übrigens ist mir aufgefallen, dass R sehr irrational mit dem Speicher umgeht - es frisst viel.

 
Aleksey Vyazmikin:

Jetzt wieder über Testdaten schimpfen

Natürlich tut es das

library(car)

> scatter3d(x = predict.test[,1], 
+           y = predict.test[,2], 
+           z = predict.test[,3],
+           groups = Y[train.idx],
+           .... [TRUNCATED]
 
mytarmailS:

Natürlich tut sie das.

Ah, ja, danke!

Hier ist das Bild - ein bisschen schlechter, aber der Trend ist da.

Ich verstehe einfach nicht, was hier los ist - woher kommt ein weiterer Cluster, wenn es vorher keinen gab?

 
Aleksey Vyazmikin:

Ah, ja, danke!

Hier ist das Bild - ein bisschen schlechter, aber der Trend ist da.

Ich verstehe einfach nicht, was hier los ist - wie kommt es, dass es einen weiteren Cluster gibt, wenn es vorher keinen gab?

nicht so sehr))))

neue Daten - neue Punkte

 
mytarmailS:

(ein wenig)))

neue Daten - neue Punkte

Ich verstehe nicht, was hier los ist.

Haben wir etwas trainiert und es dann auf den Test angewendet oder was? :)

Das scheint alles Unsinn zu sein.

 
Aleksey Vyazmikin:

Das scheint alles Unsinn zu sein.

Wie oft habe ich dir das schon gesagt? 3? 5?

 
mytarmailS:

Wer kennt sich mit polynomischer oder harmonischer Annäherung ausBITTE!!!

Und was wollen Sie am Ende?, mit Oberschwingungen den Weg zu Fourier. Oder zu orthogonalen Polynomen, von denen es viele gibt. Alle können zersetzt werden)

 
Lesen Sie die Antworten auf meine Frage. Ich danke Ihnen allen sehr herzlich!
1...192619271928192919301931193219331934193519361937193819391940...3399
Neuer Kommentar