Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3251

 
mytarmailS #:

Und deshalb nur eine Erwiderung.

Die Korrelation braucht KEINE Normalisierung, sie ist keine euklidische Distanz, die Normalisierung ist bereits in der Korrelation enthalten.

Vielen Dank, Meister.
PSA wird dort nicht benötigt, es gibt nur wenige Messungen. Je mehr Messungen, desto weniger Fälle von Mustern.
 
Renat Fatkhullin #:

Die 3980 implementierte Conjugate-Methoden für die Typen complex, vector<complex> und matrix<complex>. Sie führen die Konjugation für komplexe Zahlen durch.

Danke!

 
Maxim Dmitrievsky #:
Vielen Dank, Herr Lehrer.
PSA wird dort nicht benötigt, es gibt nur wenige Messungen. Je mehr Messungen, desto weniger Beispiele für Muster.

Wenn es viele Dimensionen (Merkmale) gibt, sogar mehr als 5, lohnt es sich NICHT, nach direkter Nähe zwischen Linien zu suchen, sondern es ist besser, die Dimensionalität zu reduzieren.

 

Zwei Feinde: Übertraining und Vorausschau.

Es wurde schon viel über Übertraining geschrieben - das Modell ist der ursprünglichen Serie zu "ähnlich". Jeder ist damit vertraut, denn Übertraining ist ein häufiges Testergebnis.

Was ist "vorausschauen"?

 
fxsaber #:

Ist es richtig, dass dies die Hauptaufgabe des Verteidigungsministeriums ist?

Die Situation ist wie in der modernen Physik: Willst du reiten oder fahren? Früher hat die Physik versucht zu verstehen, wie die Welt funktioniert, aber jetzt werden einfach Formeln über Daten gestülpt, virtuelle Entitäten erfunden, niemand versteht etwas, alles ist sehr kompliziert.

In der Datenverarbeitung ist es die gleiche Situation. Früher nahmen wir ein Problem, versuchten es zu verstehen, schrieben dann von Hand einen Algorithmus und optimierten die Berechnungen. Um die Aufgabe zu vereinfachen, wurden einige Zusammenhänge vernachlässigt, andere wurden auf eine lineare Form reduziert. Wenn genügend Leistung und Daten vorhanden waren, wurde die Lösung des Problems einem Optimierer (grob gesagt, wie in MT-Tester) übertragen, der die Koeffizienten eines Polynoms auswählt. Niemand versteht, wie was berechnet wird, es gibt kein volles Vertrauen in das Ergebnis, aber dieser Ansatz ist in der Lage, nicht lineare und nicht offensichtliche Beziehungen zu berücksichtigen und einige wissenschaftliche Berechnungen um Größenordnungen zu beschleunigen.

Wenn die Lösung offensichtlich ist, sollte man den klassischen Ansatz verwenden. Aber unter Bedingungen großer Ungewissheit ist MO kein Allheilmittel (deshalb fügen sie den Bildern in Captcha Rauschen hinzu).

 
mytarmailS #:

Wenn es viele Dimensionen (Attribute) gibt, sogar mehr als 5, lohnt es sich NICHT, nach direkter Nähe zwischen den Zeilen zu suchen, sondern es ist besser, die Dimensionalität zu reduzieren

1 Wert für jedes Merkmal ist nicht genug.
Ich mache das nur zum Spaß, damit ich abends nicht in sozialen Netzwerken sitze und nicht gegen Vidosiki antrete
Obwohl es manchmal interessanter ist, Xbox zu spielen :)
 
Maxim Dmitrievsky #:
1 Wert von jedem Merkmal ist nicht genug
.
Nur zum Spaß, damit ich abends nicht in sozialen Netzwerken sitzen muss und nicht um vidosiki zu rennen
Obwohl es manchmal interessanter ist, Xbox zu spielen :)

Wo habe ich einen Wert gesagt?

 
mytarmailS #:

und wo habe ich von einem Wert gesprochen?

Ich sage
 
Maxim Dmitrievsky #:
Ich will damit sagen

wenn man eine Dimension reduziert, reduziert niemand auf eine Dimension, es ist möglich, aber man tut es nicht.

 
Maxim Dmitrievsky #:
Ich sagte

Verwenden Sie Faltung oder einfache Prädiktoren, die sich durch die Geschichte ziehen?