Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 370
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No creo que analizar la correlación entre el predictor y el objetivo sirva de nada.
Hay muchos ejemplos en los que cantidades estrechamente correlacionadas no dependen la una de la otra, aunque parece que una puede predecir la otra, comohttp://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 y ya he publicado artículos sobre este tema aquí en el foro.
Hay un término más interesante, la entropía cruzada. Es algo de estadística, una forma de analizar si un predictor se ajusta a una variable, una relación no lineal.
¿Tiene algún ejemplo?
Mostrar filas de datos entrantes y filas de datos salientes - post
Para XOR un conjunto de datos puede estar formado por 4 muestras. {x,y,z} x,y - características z - objetivo
{-1,1,-1},{1,1,1},{1,-1-1},{-1,-1,1}
Calculemos la covarianza de la primera ficha con el objetivo: teniendo en cuenta que mo = 0 tenemos: ((-1*-1) + (1*-1) + (1*-1) + (-1*1))/4 = (1+1-1-1)/4 = 0 es obvio que la correlación es nula también, lo mismo será con la segunda ficha, puedes comprobarlo, pero para el clasificador nileney ambas fichas son más que válidas
No creo que analizar la correlación entre el predictor y el objetivo sirva de nada.
Hay muchos ejemplos en los que variables estrechamente correlacionadas no dependen unas de otras, aunque parece que una puede predecir a la otra, como este -http://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 , aquí en el foro antes de poner artículos de Habra sobre el mismo tema.
Hay un término más interesante, la entropía cruzada. Es algo de estadística, una forma de analizar si un predictor se ajusta a una variable, una relación no lineal.
No creo que el análisis de la correlación entre el predictor y el objetivo aporte nada.
Hay muchos ejemplos en los que cantidades estrechamente correlacionadas no dependen la una de la otra, aunque parece que una puede predecir la otra, como este -http://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 , aquí en el foro antes de pegar artículos de hubra sobre el mismo tema.
Hay un término más interesante, la entropía cruzada. Esto es algo de estadística, una forma de analizar si un predictor se ajusta a una variable, una relación no lineal.
1. nadie está analizando la correlación - se trata de la elección de los predictores.
2. Has repetido mi argumento tres páginas antes:"La dependencia es un caso especial de la correlación". Si dos variables son dependientes, entonces definitivamente hay una correlación. Si hay correlación, no necesariamente hay dependencia".
3. La entropía cruzada, al igual que la correlación, no dará una respuesta sobre la presencia de dependencia funcional
Para XOR un conjunto de datos puede constar de 4 muestras, la esencia no cambia. {x,y,z} x,y - características z - objetivo
{-1,1,-1},{1,1,1},{1,-1-1},{-1,-1,1}
Calculemos la covarianza de la primera ficha con el objetivo: teniendo en cuenta que mo = 0 tenemos: ((-1*-1) + (1*-1) + (1*-1) + (-1*1))/4 = (1+1-1-1)/4 = 0 es obvio que la correlación también es cero, lo mismo ocurrirá con la segunda ficha, puedes comprobarlo, pero para el clasificador nileney ambas fichas son más que válidas
Dos predictores igualmente correlacionados: ¿cuál se descarta por tener una menor correlación? ¿Cuál está menos correlacionado?
1. nadie está analizando la correlación - se trata de la elección de los predictores.
2. Has repetido mi argumento tres páginas antes:"La dependencia es un caso especial de la correlación".Si dos variables son dependientes, entonces definitivamente hay una correlación. Si hay correlación, no necesariamente hay dependencia".
3. la entropía cruzada, al igual que la correlación, no dará una respuesta sobre la presencia de dependencia funcional
La correlación inversa no es una dependencia? Cómo se puede hablar de dependencia basándose en las curvas de correlación, no lo entiendo... ¿cómo puede haber una relación entre la curva de rendimiento de las palomitas en los campos y el número de pollos nacidos por los comerciantes industriosos? ¿Por qué sería mejor para ns si la correlación aleatoria entre fenómenos no relacionados es alta?
No lo entiendo.
¿Qué tiene que ver la correlación inversa?
Hay cantidades correlacionadas. Algunos de ellos pueden tener una correlación funcional entre sí, y otros pueden tener una correlación falsa.
De nuevo:"La dependencia es un caso especial de correlación. Si dos variables son dependientes, entonces definitivamente hay correlación. Si hay correlación, no necesariamente hay dependencia".
Y, de nuevo, hasta la fecha no existen métodos para distinguir la dependencia funcional de la falsa correlación.
Sólo los analíticos.
No lo entiendo.
¿Qué tiene que ver la correlación inversa?
Hay cantidades correlacionadas. Algunos de ellos pueden tener una correlación funcional entre sí, y otros pueden tener una correlación falsa.
De nuevo:"La dependencia es un caso especial de correlación. Si dos variables son dependientes, entonces definitivamente hay correlación. Si hay correlación, no necesariamente hay dependencia".
Bueno, si dos variables tienen una correlación inversa, ¿cómo? Como las cotizaciones del franco con el euro. Hay una correlación, pero no hay correlación.
Bueno, si dos variables tienen una correlación inversa, ¿cómo? como las cotizaciones del franco con el euro. La correlación es cierta, pero no hay correlación.
Sigo sin entender: ¿correlación inversa o no correlación?
¿O crees que si dos series aleatorias tienen un coeficiente de correlación de -1, entonces "no tienen correlación"?
Yoklmn.....